Abstract Antibiotics are a cornerstone of medicine, placing bacterial pathogens under intense pressure to evolve new survival mechanisms. Analysis of 51,229 Mycobacterium tuberculosis (Mtb) clinical isolates identified an essential transcriptional regulator, Rv1830 ( here named resR) as a frequent target of positive (adaptive) selection. resR mutants do not demonstrate canonical drug resistance or drug tolerance but instead have significantly faster recovery after drug treatment across all antibiotics and combinations tested, a phenotype which we term antibiotic resilience. ResR acts in a regulatory cascade with other growth-controlling transcriptional regulators WhiB2 and WhiA, which are also under positive selection in Mtb clinical isolates. Mutations of these genes are associated with treatment failure and the acquisition of canonical drug resistance.

The ability of bacterial pathogens to regulate growth is crucial to control homeostasis, virulence, and drug response. Yet, we do not understand the growth and cell cycle behaviors of Mycobacterium tuberculosis (Mtb), a slow-growing pathogen, at the single-cell level. Here, we use time-lapse imaging and mathematical modeling to characterize these fundamental properties of Mtb. Whereas most organisms grow exponentially at the single-cell level, we find that Mtb exhibits a unique linear growth mode. Mtb growth characteristics are highly variable from cell-to-cell, notably in their growth speeds, cell cycle timing, and cell sizes. Together, our study demonstrates that growth behavior of Mtb diverges from what we have learned from model bacteria. Instead, Mtb generates a heterogeneous population while growing slowly and linearly. Our study provides a new level of detail into how Mtb grows and creates heterogeneity, and motivates more studies of growth behaviors in bacterial pathogens.