Bacterial specialized metabolites are a proven source of antibiotics and cancer therapies, but whether we have sampled all the secondary metabolite chemical diversity of cultivated bacteria is not known. We analysed ~ 170,000 bacterial genomes and ~ 47,000 metagenome assembled genomes (MAGs) using a modified BiG-SLiCE and the new clust-o-matic algorithm. We found that only 3% of the natural products potentially encoded in bacterial genomes have been experimentally characterized. We show that the variation of secondary metabolite biosynthetic diversity drops significantly at the genus level, identifying it as an appropriate taxonomic rank for comparison. Equal comparison of genera based on Relative Evolutionary Distance revealed that Streptomyces bacteria encode the largest biosynthetic diversity by far, with Amycolatopsis, Kutzneria and Micromonospora also encoding substantial diversity. Finally we find that several less-well-studied taxa, such as Weeksellaceae (Bacteroidota), Myxococcaceae (Myxococcota), Pleurocapsa and Nostocaceae (Cyanobacteria), have potential to produce highly diverse sets of secondary metabolites that warrant further investigation.

Abstract Antibiotics have been an essential part of modern medicine since their initial discovery. The continuous search for new antibiotic candidates remains a necessity given the increasing emergence of resistance to antimicrobial compounds among pathogens. The glycopeptide antibiotics (GPAs) represent an important group of last resort antibiotics which inhibit bacterial growth through non-covalent binding to the cell wall precursor lipid II. The so far reported GPAs exhibit an enormous diversity in the biosynthetic gene clusters that encode their production, which is in turn reflected in the variety of their structures. GPAs are typically composed of seven amino acids, which are highly crosslinked and decorated with a variable collection of sugar moieties as well as other modifications. Based on their structural characteristics, they have been classified into four main types. More recently, atypical GPAs have been identified that differ from type I-IV GPAs in both their structure and function and have consequently been classified as type V GPAs. Given these differences, we studied the phylogeny of all gene sequences related to the biosynthesis of the GPAs and observed a clear evolutionary diversification between the lipid II binding GPA classes and the so-called type V GPAs. Here we suggest the adoption of a phylogeny-driven reclassification and a separation of classical lipid II binding GPAs from type V GPAs, which we propose to identify instead as glycopeptide- related peptides (GRPs).

The pangenome is the set of all genes present in a prokaryotic species. Most pangenomes contain many accessory genes that are present in only some of the species members. Genes need to function together, and it has been suggested that selection for certain gene combinations affects the structure of prokaryotic pangenomes. Nevertheless, genes might also co-occur simply due to being linked on the genome, and efficient tools are needed to distinguish linkage from co-selection. Here we present Goldfinder, an approach to infer co-occurrence and co-avoidance between gene pairs by taking the phylogenetic relationships of the species into account. The approach is implemented in an efficient Python script available at https://github.com/fbaumdicker/goldfinder. We also provide scripts for clustering co-occurring genes and for visualizing the resulting co-occurrence and co-avoidance networks in Cytoscape. In comparison to the co-occurrence inference tool Coinfinder, Goldfinder finds less co-occurring pairs in a real species pangenome, suggesting that fewer spurious associations due to phylogenetic dependencies are detected. We conclude that Goldfinder is a fast and accurate tool to infer gene co-occurrence and co-avoidence, which will enable large-scale analyses to infer co-selected genes across bacterial pangenomes.