In Bacteria, nucleoid structuring proteins govern nucleoid dynamics and regulate transcription. In Shigella spp ., at ≤ 30 °C, the histone-like nucleoid structuring protein (H-NS) transcriptionally silences many genes on the large virulence plasmid. Upon a switch to 37 °C, VirB, a DNA binding protein and key transcriptional regulator of Shigella virulence, is produced. VirB functions to counter H-NS-mediated silencing in a process called transcriptional anti-silencing. Here, we show that VirB mediates a loss of negative DNA supercoils from our plasmid-borne, VirB-regulated PicsP-lacZ reporter, in vivo . The changes are not caused by a VirB-dependent increase in transcription, nor do they require the presence of H-NS. Instead, the VirB-dependent change in DNA supercoiling requires the interaction of VirB with its DNA binding site, a critical first step in VirB-dependent gene regulation. Using two complementary approaches, we show that VirB:DNA interactions in vitro introduce positive supercoils in plasmid DNA. Subsequently, by exploiting transcription-coupled DNA supercoiling, we reveal that a localized loss of negative supercoils is sufficient to alleviate H-NS-mediated transcriptional silencing, independently of VirB. Together, our findings provide novel insight into VirB, a central regulator of Shigella virulence and more broadly, a molecular mechanism that offsets H-NS-dependent silencing of transcription in bacteria.

Computational algorithms are often used to assess pathogenicity of Variants of Uncertain Significance (VUS) that are found in disease-associated genes. Most computational methods include analysis of protein multiple sequence alignments (PMSA), assessing interspecies variation. Careful validation of PMSA-based methods has been done for relatively few genes, partially because creation of curated PMSAs is labor-intensive. We assessed how PMSA-based computational tools predict the effects of the missense changes in the APC gene, in which pathogenic variants cause Familial Adenomatous Polyposis. Most Pathogenic or Likely Pathogenic APC variants are protein-truncating changes. However, public databases now contain thousands of variants reported as missense. We created a curated APC PMSA that contained >3 substitutions/site, which is large enough for statistically robust in silico analysis. The creation of the PMSA was not easily automated, requiring significant querying and computational analysis of protein and genome sequences. Of 1924 missense APC variants in the NCBI ClinVar database, 1800 (93.5%) are reported as VUS. All but two missense variants listed as P/LP occur at canonical splice or Exonic Splice Enhancer sites. Pathogenicity predictions by five computational tools (Align-GVGD, SIFT, PolyPhen2, MAPP, REVEL) differed widely in their predictions of Pathogenic/Likely Pathogenic (range 17.5–75.0%) and Benign/Likely Benign (range 25.0–82.5%) for APC missense variants in ClinVar. When applied to 21 missense variants reported in ClinVar as Benign, the five methods ranged in accuracy from 76.2-100%. Computational PMSA-based methods can be an excellent classifier for variants of some hereditary cancer genes. However, there may be characteristics of the APC gene and protein that confound the results of in silico algorithms. A systematic study of these features could greatly improve the automation of alignment-based techniques and the use of predictive algorithms in hereditary cancer genes.