Understanding the trends in severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) evolution is paramount to control the COVID-19 pandemic. We analyzed more than 300,000 high-quality genome sequences of SARS-CoV-2 variants available as of January 2021. The results show that the ongoing evolution of SARS-CoV-2 during the pandemic is characterized primarily by purifying selection, but a small set of sites appear to evolve under positive selection. The receptor-binding domain of the spike protein and the region of the nucleocapsid protein associated with nuclear localization signals (NLS) are enriched with positively selected amino acid replacements. These replacements form a strongly connected network of apparent epistatic interactions and are signatures of major partitions in the SARS-CoV-2 phylogeny. Virus diversity within each geographic region has been steadily growing for the entirety of the pandemic, but analysis of the phylogenetic distances between pairs of regions reveals four distinct periods based on global partitioning of the tree and the emergence of key mutations. The initial period of rapid diversification into region-specific phylogenies that ended in February 2020 was followed by a major extinction event and global homogenization concomitant with the spread of D614G in the spike protein, ending in March 2020. The NLS-associated variants across multiple partitions rose to global prominence in March to July, during a period of stasis in terms of interregional diversity. Finally, beginning in July 2020, multiple mutations, some of which have since been demonstrated to enable antibody evasion, began to emerge associated with ongoing regional diversification, which might be indicative of speciation.

At the time of this writing, December 2021, potential emergence of vaccine escape variants of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) is a grave global concern. The interface between the receptor-binding domain (RBD) of SARS-CoV-2 spike (S) protein and the host receptor (ACE2) overlap with the binding site of principal neutralizing antibodies (NAb), limiting the repertoire of viable mutations. Nonetheless, variants with multiple mutations in the RBD have rose to dominance. Non-additive, epistatic relationships among RBD mutations are apparent, and assessing the impact of such epistasis on the mutational landscape is crucial. Epistasis can substantially increase the risk of vaccine escape and cannot be completely characterized through the study of the wild type (WT) alone. We employed protein structure modeling using Rosetta to compare the effects of all single mutants at the RBD-NAb and RBD-ACE2 interfaces for the WT, Delta, Gamma, and Omicron variants. Overall, epistasis at the RBD interface appears to be limited and the effects of most multiple mutations are additive. Epistasis at the Delta variant interface weakly stabilizes NAb interaction relative to ACE2 interaction, whereas in the Gamma variant, epistasis more substantially destabilizes NAb interaction. Although a small, systematic trend towards NAb destabilization not observed for Delta or Gamma was detected for Omicron, and despite bearing significantly more RBD mutations, the epistatic landscape of the Omicron variant closely resembles that of Gamma. These results suggest that, although Omicron poses new risks not observed with Delta, structural constraints on the RBD hamper continued evolution towards more complete vaccine escape. The modest ensemble of mutations relative to the WT that are currently known to reduce vaccine efficacy is likely to comprise the majority of all possible escape mutations for future variants, predicting continued efficacy of the existing vaccines.

Abstract Many pathogenic viruses are endemic among human populations and can cause a broad variety of diseases, some potentially leading to devastating pandemics. How virus populations maintain diversity and what selective pressures drive population turnover, is not thoroughly understood. We conducted a large-scale phylodynamic analysis of 27 human pathogenic RNA viruses spanning diverse life history traits in search of unifying trends that shape virus evolution. For most virus species, we identify multiple, co-circulating lineages with low turnover rates. These lineages appear to be largely noncompeting and likely occupy semi-independent epidemiological niches that are not regionally or seasonally defined. Typically, intra-lineage mutational signatures are similar to inter-lineage signatures. The principal exception are members of the family Picornaviridae , for which mutations in capsid protein genes are primarily lineage-defining. The persistence of virus lineages appears to stem from limited outbreaks within small communities so that only a minor fraction of the global susceptible population is infected at any time. As disparate communities become increasingly connected through globalization, interaction and competition between lineages might increase as well, which could result in changing selective pressures and increased diversification and/or pathogenicity. Thus, in addition to zoonotic events, ongoing surveillance of familiar, endemic viruses appears to merit global attention with respect to the prevention or mitigation of future pandemics. Significance Numerous pathogenic viruses are endemic in humans and cause a broad variety of diseases, but what is their potential of causing new pandemics? We show that most human pathogenic RNA viruses form multiple, co-circulating lineages with low turnover rates. These lineages appear to be largely noncompeting and occupy distinct epidemiological niches that are not regionally or seasonally defined, and their persistence appears to stem from limited outbreaks in small communities so that a minor fraction of the global susceptible population is infected at any time. However, due to globalization, interaction and competition between lineages might increase, potentially leading to increased diversification and pathogenicity. Thus, endemic viruses appear to merit global attention with respect to the prevention of future pandemics.

It is often challenging to find the right bin size when constructing a histogram to represent a noisy experimental data set. This problem is frequently faced when assessing whether a cell synchronization experiment was successful or not. In this case the goal is to determine whether the DNA content is best represented by a unimodal, indicating successful synchronization, or bimodal, indicating unsuccessful synchronization, distribution. This choice of bin size can greatly affect the interpretation of the results; however, it can be avoided by fitting the data to a cumulative distribution function (CDF). Fitting data to a CDF removes the need for bin size selection. The sorted data can also be used to reconstruct an approximate probability density function (PDF) without selecting a bin size. A simple CDF-based approach is presented and the benefits and drawbacks relative to usual methods are discussed.

Convolutional neural networks (ConvNets) have been used for both classification andsemantic segmentation of cellular images. Here we establish a method for cell typeclassification utilizing images taken on a benchtop microscope directly from cell cultureflasks eliminating the need for a dedicated imaging platform. Significant flask-to-flaskheterogeneity was discovered and overcome to support network generalization to noveldata. Cell density was found to be a prominent source of heterogeneity even within thesingle-cell regime indicating the presence of morphological effects due todiffusion-mediated cell-cell interaction. Expert classification was poor for single-cellimages and excellent for multi-cell images suggesting experts rely on the identificationof characteristic phenotypes within subsets of each population and not ubiquitousidentifiers. Finally we introduce Self-Label Clustering, an unsupervised clusteringmethod relying on ConvNet feature extraction able to identify distinct morphologicalphenotypes within a cell type, some of which are observed to be cell density dependent.

Measuring the physical size of the cell is valuable in understanding cell growth control. Current single-cell volume measurement methods for mammalian cells are labor-intensive, inflexible, and can cause cell damage. We introduce CTRL: Cell Topography Reconstruction Learner, a label-free technique incorporating Deep Learning and Fluorescence Exclusion for reconstructing cell topography and estimating mammalian cell volume from DIC microscopy images alone. The method achieves quantitative accuracy, requires minimal sample preparation, and applies to extensive biological and experimental conditions. Using this method, we observe a noticeable reduction in cell size fluctuations during cell cycle, which is consistent with the presence of a cell size checkpoint. (https://GitHub.com/sxslabjhu/CTRL)

Abstract Understanding the trends in SARS-CoV-2 evolution is paramount to control the COVID- 19 pandemic. We analyzed more than 300,000 high quality genome sequences of SARS-CoV-2 variants available as of January 2021. The results show that the ongoing evolution of SARS-CoV-2 during the pandemic is characterized primarily by purifying selection, but a small set of sites appear to evolve under positive selection. The receptor-binding domain of the spike protein and the nuclear localization signal (NLS) associated region of the nucleocapsid protein are enriched with positively selected amino acid replacements. These replacements form a strongly connected network of apparent epistatic interactions and are signatures of major partitions in the SARS-CoV-2 phylogeny. Virus diversity within each geographic region has been steadily growing for the entirety of the pandemic, but analysis of the phylogenetic distances between pairs of regions reveals four distinct periods based on global partitioning of the tree and the emergence of key mutations. The initial period of rapid diversification into region- specific phylogenies that ended in February 2020 was followed by a major extinction event and global homogenization concomitant with the spread of D614G in the spike protein, ending in March 2020. The NLS associated variants across multiple partitions rose to global prominence in March-July, during a period of stasis in terms of inter- regional diversity. Finally, beginning July 2020, multiple mutations, some of which have since been demonstrated to enable antibody evasion, began to emerge associated with ongoing regional diversification, which might be indicative of speciation. Significance Understanding the ongoing evolution of SARS-CoV-2 is essential to control and ultimately end the pandemic. We analyzed more than 300,000 SARS-CoV-2 genomes available as of January 2021 and demonstrate adaptive evolution of the virus that affects, primarily, multiple sites in the spike and nucleocapsid protein. Selection appears to act on combinations of mutations in these and other SARS-CoV-2 genes. Evolution of the virus is accompanied by ongoing adaptive diversification within and between geographic regions. This diversification could substantially prolong the pandemic and the vaccination campaign, in which variant-specific vaccines are likely to be required.

Abstract Background Symbiotic relationships are ubiquitous in the biosphere. Inter-species symbiosis is impacted by intra-specific distinctions, in particular, those defined by the age structure of a population. Older individuals compete with younger individuals for resources despite being less likely to reproduce, diminishing the fitness of the population. Conversely, however, older individuals can support the reproduction of younger individuals, increasing the population fitness. Parasitic relationships are commonly age structured, typically, more adversely affecting older hosts. Results We employ mathematical modeling to explore the differential effects of collaborative or competitive host age structures on host-parasite relationships. A classical epidemiological compartment model is constructed with three disease states: susceptible, infected, and recovered. Each of these three states is partitioned into two compartments representing young, potentially reproductive, and old, post-reproductive, hosts, yielding 6 compartments in total. In order to describe competition and collaboration between old and young compartments, we model the reproductive success to depend on the fraction of young individuals in the population. Collaborative populations with relatively greater numbers of post-reproductive hosts enjoy greater reproductive success whereas in purely competitive populations, increase of the post-reproductive subpopulation reduces reproductive success. However, in competitive populations, virulent pathogens preferentially targeting old individuals can increase the population fitness. Conclusions We demonstrate that, in collaborative host populations, pathogens strictly impacting older, post-reproductive individuals can reduce population fitness even more than pathogens that directly impact younger, potentially reproductive individuals. In purely competitive populations, the reverse is observed, and we demonstrate that endemic, virulent pathogens can oxymoronically form a mutualistic relationship with the host, increasing the fitness of the host population. Applications to endangered species conservation and invasive species containment are discussed.

Over the course of multiple divisions, cells accumulate diverse nongenetic, somatic damage including misfolded and aggregated proteins and cell wall defects. If the rate of damage accumulation exceeds the rate of dilution through cell growth, a dedicated mitigation strategy is required to prevent eventual population collapse. Strategies for somatic damage control can be divided into two categories, asymmetric allocation and repair, which are not, in principle, mutually exclusive. We explore a mathematical model to identify the optimal strategy, maximizing the total cell number, over a wide range of environmental and physiological conditions. The optimal strategy is primarily determined by extrinsic, damage-independent mortality and the physiological model for damage accumulation that can be either independent (linear) or increasing (exponential) with respect to the prior accumulated damage. Under the linear regime, the optimal strategy is either exclusively repair or asymmetric allocation, whereas under the exponential regime, the optimal strategy is a combination of asymmetry and repair. Repair is preferred when extrinsic mortality is low, whereas at high extrinsic mortality, asymmetric damage allocation becomes the strategy of choice. We hypothesize that at an early stage of life evolution, optimization over repair and asymmetric allocation of somatic damage gave rise to r and K selection strategists.

Over the course of multiple divisions, cells accumulate diverse non-genetic, somatic damage including misfolded and aggregated proteins and cell wall defects. If the rate of damage accumulation exceeds the rate of dilution through cell growth, a dedicated mitigation strategy is required to prevent eventual population collapse. Strategies for somatic damage control can be divided into two categories, asymmetric allocation and repair, which are not, in principle, mutually exclusive. Through mathematical modelling, we identify the optimal strategy, maximizing the total cell number, over a wide range of environmental and physiological conditions. The optimal strategy is primarily determined by extrinsic (damage-independent) mortality and the physiological model for damage accumulation that can be either independent (linear) or increasing (exponential) with respect to the prior accumulated damage. Under the linear regime, the optimal strategy is either exclusively repair or asymmetric allocation whereas under the exponential regime, the optimal strategy is mixed. Repair is preferred when extrinsic mortality is low, whereas at high extrinsic mortality, asymmetric damage allocation becomes the strategy of choice. We hypothesize that optimization over somatic damage repair and asymmetric allocation in early cellular life forms gave rise to the r and K selection strategies.