Policies ensuring that research data are available on public archives are increasingly being implemented at the government [1], funding agency [2-4], and journal [5,6] level. These policies are predicated on the idea that authors are poor stewards of their data, particularly over the long term [7], and indeed many studies have found that authors are often unable or unwilling to share their data [8-11]. However, there are no systematic estimates of how the availability of research data changes with time since publication. We therefore requested datasets from a relatively homogenous set of 516 articles published between 2 and 22 years ago, and found that availability of the data was strongly affected by article age. For papers where the authors gave the status of their data, the odds of a dataset being extant fell by 17% per year. In addition, the odds that we could find a working email address for the first, last or corresponding author fell by 7% per year. Our results reinforce the notion that, in the long term, research data cannot be reliably preserved by individual researchers, and further demonstrate the urgent need for policies mandating data sharing via public archives.

Zoonotic spillovers of viruses have occurred through the animal trade worldwide. The start of the COVID-19 pandemic was traced epidemiologically to the Huanan Seafood Wholesale Market. Here, we analyze environmental qPCR and sequencing data collected in the Huanan market in early 2020. We demonstrate that market-linked severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) genetic diversity is consistent with market emergence and find increased SARS-CoV-2 positivity near and within a wildlife stall. We identify wildlife DNA in all SARS-CoV-2-positive samples from this stall, including species such as civets, bamboo rats, and raccoon dogs, previously identified as possible intermediate hosts. We also detect animal viruses that infect raccoon dogs, civets, and bamboo rats. Combining metagenomic and phylogenetic approaches, we recover genotypes of market animals and compare them with those from farms and other markets. This analysis provides the genetic basis for a shortlist of potential intermediate hosts of SARS-CoV-2 to prioritize for serological and viral sampling.

Abstract The use of an antibiotic may lead to the emergence and spread of bacterial strains resistant to this antibiotic. Experimental and theoretical studies have investigated the drug dose that minimizes the risk of resistance evolution over the course of treatment of an individual, showing that the optimal dose will either be the highest or the lowest drug concentration possible to administer; however, no analytical results exist that help decide between these two extremes. To address this gap, we develop a stochastic mathematical model of bacterial dynamics under antibiotic treatment. We explore various scenarios of density regulation (bacterial density affects cell birth or death rates), and antibiotic modes of action (biostatic or biocidal). We derive analytical results for the survival probability of the resistant subpopulation until the end of treatment, the size of the resistant subpopulation at the end of treatment, the carriage time of the resistant subpopulation until it is replaced by a sensitive one after treatment, and we verify these results with stochastic simulations. We find that the scenario of density regulation and the drug mode of action are important determinants of the survival of a resistant subpopulation. Resistant cells survive best when bacterial competition reduces cell birth and under biocidal antibiotics. Compared to an analogous deterministic model, the population size reached by the resistant type is larger and carriage time is slightly reduced by stochastic loss of resistant cells. Moreover, we obtain an analytical prediction of the antibiotic concentration that maximizes the survival of resistant cells, which may help to decide which drug dosage (not) to administer. Our results are amenable to experimental tests and help link the within and between host scales in epidemiological models.

The clustering of individuals that results from limited dispersal is a double-edged sword: while it allows for local interactions to be mostly among related individuals, it also results in increased local competition. Here I show that, because they mitigate local competition, fitness costs such as reduced fecundity or reduced survival are less costly in spatially structured environments than in non spatial settings. I first present a simple demographic example to illustrate how spatial structure weakens selection against fitness costs. Then, I illustrate the importance of disentangling the evolution of a trait from the evolution of potential associated costs, using an example taken from a recent study investigating the effect of spatial structure on the evolution of host defense. In this example indeed, the differences between spatial and non-spatial selection gradients are due to differences in the fitness costs, thereby undermining interpretations of the results made in terms of the trait only. This illustrates the need to consider fitness costs as proper traits in both theoretical and empirical studies.

Population viscosity, i.e. , low emigration out of the natal deme, leads to high within-deme relatedness, which is beneficial to the evolution of altruistic behavior when social interactions take place among deme-mates. However, a detrimental side-effect of low emigration is the increase in competition among related individuals. The evolution of altruism depends on the balance between these opposite effects. This balance is already known to be affected by details of the life cycle; we show here that it further depends on the fidelity of strategy transmission from parents to their offspring. We consider different life cycles and identify thresholds of parent-offspring strategy transmission inaccuracy, above which higher emigration can increase the frequency of altruists maintained in the population. Predictions were first obtained analytically assuming weak selection and equal deme sizes, then confirmed with stochastic simulations relaxing these assumptions. Contrary to what happens with perfect strategy transmission from parent to off-spring, our results show that higher emigration can be favorable to the evolution of altruism.

Abstract SARS-CoV-2 genomes collected at the onset of the Covid-19 pandemic are valuable because they could help understand how the virus entered the human population. In 2021, Jesse Bloom reported on the recovery of a dataset of raw sequencing reads that had been removed from the NCBI SRA database at the request of the data generators, a scientific team at Wuhan University (Wang et al ., 2020b). Bloom suggested that the data may have been removed in order to obfuscate the origin of SARS-CoV-2, and he questioned the generating authors’ statements that the samples had been collected on and after January 30, 2020. Here, we show that sample collection dates were published in 2020 by Wang et al . together with the sequencing reads, and match the dates given by the authors in 2021. We examine mutations in these sequences and confirm that they are entirely consistent with the previously known genetic diversity of SARS-CoV-2 of late January 2020. Finally, we explain how an apparent phylogenetic rooting paradox described by Bloom was resolved by subsequent analysis. Our reanalysis demonstrates that allegations of cover-up or of metadata manipulation were unwarranted. Note for bioRxiv readers The automatically generated Full Text version of our manuscript is missing footnotes; they are available in the PDF version.

Abstract Homing gene drive alleles bias their own transmission by converting wild-type alleles into drive alleles. If introduced in a natural population, they might fix within a relatively small number of generations, even if they are deleterious. No engineered homing gene drive organisms have been released in the wild so far, and modelling is essential to develop a clear understanding of the potential outcomes of such releases. We use deterministic models to investigate how different demographic features affect the spatial spread of a gene drive. Building on previous work, we first consider the effect of the intrinsic population growth rate on drive spread. We confirm that including demographic dynamics can change outcomes compared to a model ignoring changes in population sizes, because changes in population density can oppose the spatial spread of a drive. Secondly, we study the consequences of including an Allee effect, and find that it makes a population more prone to eradication following drive spread. Finally, we investigate the effects of the fitness component on which density dependence operates (fecundity or survival), and find that it affects the speed of drive invasion in space, and can accentuate the consequences of an Allee effect. These results confirm the importance of checking the robustness of model outcomes to changes in the underlying assumptions, especially if models are to be used for gene drive risk assessment.

Evolutionary rescue is the process by which a declining population successfully adapts genetically to avoid extinction. In a structured environment that deteriorates patch by patch, dispersal can substantially alter the chances of evolutionary rescue of a wild-type population not viable in deteriorated patches. Here, we investigate the effect of different dispersal schemes and intensities on the probability of successful establishment of a mutant population adapted to the deteriorated environment. We find that the probability of evolutionary rescue can undergo up to three phases when increasing the rate of dispersal: (i) at low dispersal rates, the probability of establishment of a mutant population increases; (ii) then at intermediate dispersal rates the establishment probability decreases; and (iii) at large dispersal rates, the population homogenizes, either promoting or suppressing the process of evolutionary rescue, depending on the fitness difference between the mutant and the wild type. Our results show that habitat choice, when compared to uniform dispersal, impedes successful adaptation when the mutant has the same habitat preference as the wild type, but promotes adaptation when the mutant mainly immigrates into patches where it has a growth advantage over the wild type.

CRISPR-based homing gene drive is a genetic control technique aiming to modify or eradicate natural populations through the release of individuals carrying an engineered piece of DNA that can be inherited by all their progeny. Developing countermeasures is important to control the spread of gene drives, should they result in unanticipated damages. One proposed countermeasure is the introduction of individuals carrying a brake construct that targets and inactivates the drive allele but leaves the wild-type allele unaffected. Here we develop models to investigate the efficiency of such brakes. We consider a variable population size and use a combination of analytical and numerical methods to determine the conditions where a brake can prevent the extinction of a population targeted by an eradication drive. We find that a brake is not guaranteed to prevent eradication and that characteristics of both the brake and the drive affect the likelihood of recovering the wild-type population. In particular, brakes that restore fitness are more efficient than brakes that do not. Our model also suggests that threshold-dependent drives (drives that can spread only when introduced above a threshold) are more amenable to control with a brake than drives that can spread from an arbitrary low introduction frequency (threshold-independent drives). Based on our results, we provide practical recommendations and discuss safety issues.

Zoonotic spillovers of viruses have occurred through the animal trade worldwide. The start of the COVID-19 pandemic was traced epidemiologically to the Huanan Wholesale Seafood Market, the site with the most reported wildlife vendors in the city of Wuhan, China. Here, we analyze publicly available qPCR and sequencing data from environmental samples collected in the Huanan market in early 2020. We demonstrate that the SARS-CoV-2 genetic diversity linked to this market is consistent with market emergence, and find increased SARS-CoV-2 positivity near and within a particular wildlife stall. We identify wildlife DNA in all SARS-CoV-2 positive samples from this stall. This includes species such as civets, bamboo rats, porcupines, hedgehogs, and one species, raccoon dogs, known to be capable of SARS-CoV-2 transmission. We also detect other animal viruses that infect raccoon dogs, civets, and bamboo rats. Combining metagenomic and phylogenetic approaches, we recover genotypes of market animals and compare them to those from other markets. This analysis provides the genetic basis for a short list of potential intermediate hosts of SARS-CoV-2 to prioritize for retrospective serological testing and viral sampling.