From Farm to Clinic? Soil organisms have long been assumed to be an important source of antibiotic resistance genes, in part because of antibiotic-treated livestock and in part because of the natural ecology of antibiotic production in the soil. Forsberg et al. (p. 1107 ) developed a metagenomic protocol to assemble short-read sequence data after antibiotic selection experiments, using 12 different drugs in all antibiotic classes, and compared antibiotic resistance gene sequences between soil bacteria and clinically occurring pathogens. Sixteen sequences, representing seven gene products, were discovered in farmland soil bacteria within long stretches of perfect nucleotide identity with pathogenic proteobacteria.

Hidden Pockets of Resistance Groups of bacteria indulge in gene swapping at frequencies correlated with prevailing selection pressures and phylogenetic relatedness. When assaulted by antibiotics, antibiotic resistance genes become favored currency for exchange among bacteria. During sequencing of human gut microflora, Sommer et al. (p. 1128 ) found a very large reservoir of distinct genes that, when put into Escherichia coli , conferred resistance to a wide range of drugs. By contrast, analysis of the culturable aerobic gut microbiome, which constitutes a tiny fraction of the entire gut flora, revealed resistance genes highly similar to those harbored by human pathogens. Although there is a risk of novel modes of antibiotic resistance emerging from this reservoir, because they are evolutionarily distant, gene transfer between pathogens and the poorly known majority of the microbiome might actually be quite restricted.

Antibiotics are a crucial line of defense against bacterial infections. Nevertheless, several antibiotics are natural products of microorganisms that have as yet poorly appreciated ecological roles in the wider environment. We isolated hundreds of soil bacteria with the capacity to grow on antibiotics as a sole carbon source. Of 18 antibiotics tested, representing eight major classes of natural and synthetic origin, 13 to 17 supported the growth of clonal bacteria from each of 11 diverse soils. Bacteria subsisting on antibiotics are surprisingly phylogenetically diverse, and many are closely related to human pathogens. Furthermore, each antibiotic-consuming isolate was resistant to multiple antibiotics at clinically relevant concentrations. This phenomenon suggests that this unappreciated reservoir of antibiotic-resistance determinants can contribute to the increasing levels of multiple antibiotic resistance in pathogenic bacteria.

Abstract The ability to predict local structural features of a protein from the primary sequence is of paramount importance for unraveling its function in absence of experimental structural information. Two main factors affect the utility of potential prediction tools: their accuracy must enable extraction of reliable structural information on the proteins of interest, and their runtime must be low to keep pace with sequencing data being generated at a constantly increasing speed. Here, we present NetSurfP‐2.0, a novel tool that can predict the most important local structural features with unprecedented accuracy and runtime. NetSurfP‐2.0 is sequence‐based and uses an architecture composed of convolutional and long short‐term memory neural networks trained on solved protein structures. Using a single integrated model, NetSurfP‐2.0 predicts solvent accessibility, secondary structure, structural disorder, and backbone dihedral angles for each residue of the input sequences. We assessed the accuracy of NetSurfP‐2.0 on several independent test datasets and found it to consistently produce state‐of‐the‐art predictions for each of its output features. We observe a correlation of 80% between predictions and experimental data for solvent accessibility, and a precision of 85% on secondary structure 3‐class predictions. In addition to improved accuracy, the processing time has been optimized to allow predicting more than 1000 proteins in less than 2 hours, and complete proteomes in less than 1 day.

Elucidation of complex collateral sensitivity networks provides rationale for new sequential drug deployment strategies that restrain antibiotic resistance development.

Laboratory evolution experiments have led to important findings relating organism adaptation and genomic evolution. However, continuous monitoring of long-term evolution has been lacking for natural systems, limiting our understanding of these processes in situ. Here we characterize the evolutionary dynamics of a lineage of a clinically important opportunistic bacterial pathogen, Pseudomonas aeruginosa, as it adapts to the airways of several individual cystic fibrosis patients over 200,000 bacterial generations, and provide estimates of mutation rates of bacteria in a natural environment. In contrast to predictions based on in vitro evolution experiments, we document limited diversification of the evolving lineage despite a highly structured and complex host environment. Notably, the lineage went through an initial period of rapid adaptation caused by a small number of mutations with pleiotropic effects, followed by a period of genetic drift with limited phenotypic change and a genomic signature of negative selection, suggesting that the evolving lineage has reached a major adaptive peak in the fitness landscape. This contrasts with previous findings of continued positive selection from long-term in vitro evolution experiments. The evolved phenotype of the infecting bacteria further suggests that the opportunistic pathogen has transitioned to become a primary pathogen for cystic fibrosis patients.

It has been hypothesized that some antibiotic resistance genes (ARGs) found in pathogenic bacteria derive from antibiotic-producing actinobacteria. Here we provide bioinformatic and experimental evidence supporting this hypothesis. We identify genes in proteobacteria, including some pathogens, that appear to be closely related to actinobacterial ARGs known to confer resistance against clinically important antibiotics. Furthermore, we identify two potential examples of recent horizontal transfer of actinobacterial ARGs to proteobacterial pathogens. Based on this bioinformatic evidence, we propose and experimentally test a 'carry-back' mechanism for the transfer, involving conjugative transfer of a carrier sequence from proteobacteria to actinobacteria, recombination of the carrier sequence with the actinobacterial ARG, followed by natural transformation of proteobacteria with the carrier-sandwiched ARG. Our results support the existence of ancient and, possibly, recent transfers of ARGs from antibiotic-producing actinobacteria to proteobacteria, and provide evidence for a defined mechanism.

Abstract Bioethanol is a viable alternative for fossil fuels, and its use has lowered CO 2 emissions by over 500 million tonnes in Brazil alone by replacing more than 40% of the national gasoline consumption. However, contaminant bacteria reduce yields during fermentation. Our understanding of these contaminants is limited to targeted studies, and the interplay of the microbial community and its impact on fermentation efficiency remains poorly understood. Comprehensive surveying and longitudinal analysis using shotgun metagenomics of two major biorefineries over a production season revealed similar patterns in microbial community structure and dynamics throughout the entire fermentation system. Strain resolution metagenomics identified specific Lactobacillus fermentum strains as strongly associated with poor industrial performance and laboratory-scale fermentations revealed yield reductions of up to 4.63±1.35% depending on the specific contaminating strains. Selective removal of these strains could reduce emissions from the bioethanol industry by more than 2×10 6 tonnes per year. Using the large-scale Brazilian ethanol fermentations as a model system for studying microbiome-phenotype relationships this study further demonstrates how high-resolution metagenomics can identify culprits of large scale industrial biomanufacturing.

Abstract SARS-CoV-2 variants are emerging with potential increased transmissibility highlighting the great unmet medical need for new therapies. Niclosamide is a potent anti-SARS-CoV-2 agent that has advanced in clinical development. We validate the potent antiviral efficacy of niclosamide in a SARS-CoV-2 human airway model. Furthermore, niclosamide is effective against the D614G, B.1.1.7 and B.1.351 variants. Our data further support the potent anti-SARS-CoV-2 properties of niclosamide and highlights its great potential as a therapeutic agent for COVID-19.

Abstract To overcome CRISPR-Cas defense systems, many phages and mobile genetic elements encode CRISPR-Cas inhibitors called anti-CRISPRs (Acrs). Nearly all characterized Acrs directly bind Cas proteins to inactivate CRISPR immunity. Here, using functional metagenomic selection, we describe AcrIIA22, an unconventional Acr found in hypervariable genomic regions of clostridial bacteria and their prophages from human gut microbiomes. AcrIIA22 does not bind strongly to SpyCas9 but nonetheless potently inhibits its activity against plasmids. To gain insight into its mechanism, we obtained an X-ray crystal structure of AcrIIA22, which revealed homology to PC4-like nucleic-acid binding proteins. Based on mutational analyses and functional assays, we deduced that acrIIA22 encodes a DNA nickase that relieves torsional stress in supercoiled plasmids. This may render them less susceptible to SpyCas9, which uses free energy from negative supercoils to form stable R-loops. Modifying DNA topology may provide an additional route to CRISPR-Cas resistance in phages and mobile genetic elements.