Metallo-β-lactamases (MBLs) degrade a broad spectrum of β-lactam antibiotics, and are a major disseminating source for multidrug resistant bacteria. Despite many biochemical studies in diverse MBLs, molecular understanding of the roles of residues in the enzyme's stability and function, and especially substrate specificity, is lacking. Here, we employ deep mutational scanning (DMS) to generate comprehensive single amino acid variant data on a major clinical MBL, VIM-2, by measuring the effect of thousands of VIM-2 mutants on the degradation of three representative classes of β-lactams (ampicillin, cefotaxime, and meropenem) and at two different temperatures (25°C and 37°C). We revealed residues responsible for expression and translocation, and mutations that increase resistance and/or alter substrate specificity. The distribution of specificity-altering mutations unveiled distinct molecular recognition of the three substrates. Moreover, these function-altering mutations are frequently observed among naturally occurring variants, suggesting that the enzymes has continuously evolved to become more potent resistance genes.

Abstract Most antibiotic-resistance genes (ARGs) evolved in environmental microbes long before humanity’s antibiotic breakthrough, and widespread antibiotic use expedited the dissemination of ARGs among clinical pathogens. While widely discussed, the investigation of environmental ARG distributions lacks the scalability and taxonomic information necessary for a comprehensive analysis. Here, we present a global distribution of all five classes of β-lactamases among microbes and environments. We generated a β-lactamase taxonomy-environment map by identifying >113,000 β-lactamases across diverse bacterial phyla and environmental ecosystems. Remarkably abundant, their occurrence is only ∼2.6-fold lower than the essential recA gene in various environmental ecosystems, with particularly strong enrichment in wastewater and plant samples. The enrichment in plant samples implies an environment where the arms race of β-lactam producers and resistant bacteria occurred over millions of years. We uncover the origins of clinically relevant β-lactamases (mainly in ɣ-Proteobacteria) and expand beyond the previously suggested wastewater samples in plant, terrestrial, and other aquatic settings.

Abstract Phenotypic variations within a population exist on different scales of biological organization and play a central role in evolution by providing adaptive capacity at the population-level. Thus, the question of how evolution generates phenotypic variation within an evolving population is fundamental in evolutionary biology. Here we address this question by performing experimental evolution of an antibiotic resistance gene, VIM-2 β-lactamase, combined with diverse biochemical assays and population genetics. We found that neutral drift, i.e. , evolution under a static environment, with a low antibiotic concentration can promote and maintain significant phenotypic variation within the population with >100-fold differences in resistance strength. We developed a model based on the phenotype-environment-fitness landscape generated with >5,000 VIM-2 variants, and demonstrated that the combination of “mutation-selection balance” and “threshold-like fitness-phenotype relationship” is sufficient to explain the generation of large phenotypic variation within the evolving population. Importantly, high-resistance conferring variants can emerge during neutral drift, without being a product of adaptation. Our findings provide a novel and simple mechanistic explanation for why most genes in nature, and by extension, systems and organisms, inherently exhibit phenotypic variation, and thus, population-level evolvability.

Over the course of evolution, proteins families undergo sequence diversification via mutation accumulation, with extant homologs often sharing less than 25% sequence identity. The resulting diversity presents a complex view of sequence-structure-function relationships, as epistasis is prevalent, and deleterious mutations in one protein can be tolerated in homologous sequences through networks of intramolecular, compensatory interactions. Understanding these epistatic networks is crucial for understanding and predicting protein function, yet comprehensive analysis of such networks across protein families is limited. In this study, we combine computational and experimental approaches to examine epistatic networks in the class B1 metallo-β-lactamases, a diverse family of antibiotic-degrading enzymes. Using Direct Coupling Analysis, we assess global coevolutionary signatures across the B1 family. We also obtain detailed experimental data from deep mutational scanning on two distant B1 homologs, NDM-1 and VIM-2. There is good agreement between the two approaches, revealing both family-wide and homolog specific patterns that can be associated with 3D structure. However, specific interactions remain complex, and strong epistasis in evolutionarily entrenched residues are not easily compensated for by changes in nearby interactions.

Proteins evolve through complex sequence spaces, with fitness landscapes serving as a conceptual framework that links sequence to function. Fitness landscapes can be smooth, where multiple similarly accessible evolutionary paths are available, or rugged, where the presence of multiple local fitness optima complicate evolution and prediction. Indeed, many proteins, especially those with complex functions or under multiple selection pressures, exist on rugged fitness landscapes. Here we discuss the theoretical framework that underpins our understanding of fitness landscapes, alongside recent work that has advanced our understanding - particularly the biophysical basis for smoothness versus ruggedness. Finally, we address the rapid advances that have been made in computational and experimental exploration and exploitation of fitness landscapes, and how these can identify efficient routes to protein optimization.

Protein evolution underpins life, and understanding its behavior as a system is of great importance. However, our current models of protein evolution are arguably too simplistic to allow quantitative interpretation and prediction of evolutionary trajectories. Viewing protein evolution as a complex system has the potential to advance our understanding and ability to model protein evolution. In this perspective, we discuss aspects of protein evolution that are typical of complex systems, from nonlinear dynamics, sensitivity to initial conditions, self-organization, and the emergence of order from chaos and disorder. We discuss how the growth in sequence and structural data, insights from laboratory evolution and new machine learning tools can advance the study of protein evolution and that by treating protein evolution as a complex adaptive system, we may gain new insights into the fundamental principles driving biological innovation and adaptation and apply this to protein engineering and design.

Background: Dry powders offer the potential to increase stability and reduce cold-chain requirements associated with the distribution of vaccines and other thermally sensitive products. The Alberta Idealized Nasal Inlet (AINI) is a representative geometry for in vitro characterization of nasal products that may prove useful in examining intranasal delivery of powders.