ABSTRACT The CRISPR/Cas9 nuclease from Streptococcus pyogenes (SpCas9) can be used with single guide RNAs (sgRNAs) as a sequence-specific antimicrobial agent and as a genome-engineering tool. However, current bacterial sgRNA activity models poorly predict SpCas9/sgRNA activity and are not generalizable, possibly because the underlying datasets used to train the models do not accurately measure SpCas9/sgRNA cleavage activity and cannot distinguish cleavage activity from toxicity. We solved this problem by using a two-plasmid positive selection system to generate high-quality biologically-relevant data that more accurately reports on SpCas9/sgRNA cleavage activity and that separates activity from toxicity. We developed a new machine transfer learning architecture (crisprHAL) that can be trained on existing datasets and that shows marked improvements in sgRNA activity prediction accuracy when transfer learning is used with small amounts of high-quality data. The crisprHAL model recapitulates known SpCas9/sgRNA-target DNA interactions and provides a pathway to a generalizable sgRNA bacterial activity prediction tool.

Abstract Conjugation enables the exchange of genetic elements throughout environments, including the human gut microbiome. Conjugative elements can carry and transfer clinically relevant metabolic pathways which makes precise identification of these systems in metagenomic samples clinically important. Here, we outline two distinct methods to identify conjugative systems in the human gut microbiome. We first show that conjugative systems exhibit strong population and age-level stratification. Additionally, we find that the total relative abundance of all conjugative systems present in a sample is not an informative metric to use, regardless of the method of identifying the systems. Finally, we demonstrate that the majority of assembled conjugative systems are not included within metagenomic bins, and that only a small proportion of the binned conjugative systems are included in “high-quality” metagenomic bins. Our findings highlight that conjugative systems differ between general North Americans and a cohort of North American pre-term infants, revealing a potential use as an age-related biomarker. Furthermore, conjugative systems can distinguish between other geographical-based cohorts. Our findings emphasize the need to identify and analyze conjugative systems outside of standard metagenomic binning pipelines. Importance The human gut microbiome is increasingly being associated with human health outcomes through shotgun metagenomic sequencing. The usual approach of metagenomic-level analyses is to bin assembled sequences into approximations of bacterial genomes and perform further investigations on the resultant bins. Here, we show that type IV conjugative systems differ between age and geographically-based cohorts and that these systems are systematically excluded by binning algorithms. We suggest that analysis of type IV conjugative systems should be added to the current metagenomic analysis approaches as they contain much information that could explain differences between cohorts beyond those we investigated.

ABSTRACT Metagenomic sequence represents an untapped source of genetic novelty, particularly for conjugative systems that could be used for plasmid-based delivery of Cas9-derived antimicrobial agents. However, unlocking the functional potential of conjugative systems purely from metagenomic sequence requires the identification of suitable candidate systems as starting scaffolds for de novo DNA synthesis. Here, we developed a bioinformatics approach that searches through the metagenomic ‘trash bin’ for conjugative systems present on contigs that are typically excluded from common metagenomic analysis pipelines. Using a human metagenomic gut dataset representing 2805 taxonomically distinct units, we identified 1598 contigs containing conjugative systems with a differential distribution in human cohorts. We synthesized de novo an entire Citrobacter spp. conjugative system of 54 kb and containing at least 47 genes, pCitro, and found that pCitro conjugates from Escherichia coli to Citrobacter rodentium with a 30-fold higher frequency than to E. coli , and is compatible with Citrobacter resident plasmids. Mutations in the traV and traY conjugation components of pCitro inhibited conjugation. We showed that pCitro can be re-purposed as an antimicrobial delivery agent by programming it with the TevCas9 nuclease and Citrobacter -specific sgRNAs to kill C. rodentium . Our study reveals a trove of uncharacterized conjugative systems in metagenomic data and describes an experimental framework to animate these large genetic systems as novel target-adapted delivery vectors for Cas9-based editing of bacterial genomes.