As of 24 April 2020, the SARS-CoV-2 epidemic has resulted in over 830,000 confirmed infections in the United States1. The incidence of COVID-19, the disease associated with this new coronavirus, continues to rise. The epidemic threatens to overwhelm healthcare systems, and identifying those regions where the disease burden is likely to be high relative to the rest of the country is critical for enabling prudent and effective distribution of emergency medical care and public health resources. Globally, the risk of severe outcomes associated with COVID-19 has consistently been observed to increase with age2,3. We used age-specific mortality patterns in tandem with demographic data to map projections of the cumulative case burden of COVID-19 and the subsequent burden on healthcare resources. The analysis was performed at the county level across the United States, assuming a scenario in which 20% of the population of each county acquires infection. We identified counties that will probably be consistently, heavily affected relative to the rest of the country across a range of assumptions about transmission patterns, such as the basic reproductive rate, contact patterns and the efficacy of quarantine. We observed a general pattern that per capita disease burden and relative healthcare system demand may be highest away from major population centers. These findings highlight the importance of ensuring equitable and adequate allocation of medical care and public health resources to communities outside of major urban areas. Projection of the number of COVID-19 cases and the associated burden on healthcare resources using a modified SEIR model reveals that rural regions in the United States are at risk of higher per capita case burdens, which could lead to health systems being overwhelmed in these areas.

As the coronavirus disease 2019 (COVID-19) epidemic worsens, understanding the effectiveness of public messaging and large-scale social distancing interventions is critical. The research and public health response communities can and should use population mobility data collected by private companies, with appropriate legal, organizational, and computational safeguards in place. When aggregated, these data can help refine interventions by providing near real-time information about changes in patterns of human movement.

Abstract Microbial communities associated with plant leaf surfaces (i.e. the phyllosphere) are increasingly recognized for their role in plant health. While accumulating evidence suggests a role for host filtering of its microbiota, far less is known about how community composition is shaped by dispersal, including from neighboring plants. We experimentally manipulated the local plant neighborhood within which tomato, pepper, or bean plants were grown in a three-month field trial. Focal plants were grown in the presence of con- or hetero-specific neighbors (or no neighbors) in a fully factorial combination. At 30-day intervals, focal plants were harvested and replaced with a new age- and species-matched cohort while allowing neighborhood plants to continue growing. 16S community profiling revealed that the strength of host filtering effects (i.e. interspecific differences in composition) decreased over time. In contrast, the strength of neighborhood effects increased over time, suggesting dispersal from neighboring plants becomes more important as neighboring plant biomass increases. We next implemented a cross-inoculation study in the greenhouse using inoculum generated from the field plants to directly test host filtering of microbiomes while controlling for directionality and source of dispersal. This experiment further demonstrated that focal host species, the host from which the microbiome came, and in one case the donor hosts’ neighbors, contribute to variation in phyllosphere bacterial composition. Overall, our results suggest that local dispersal is a key factor in phyllosphere assembly, and that demographic factors such as nearby neighbor identity and biomass or age are important determinants of phyllosphere microbiome diversity.

Abstract The microbiome can contribute to variation in fitness-related traits of their hosts, and thus to host evolution. Hosts are therefore expected to be under selection to control their microbiome, for instance through controlling microbe transmission from parents to offspring. Current models have mostly focused on microbes that either increase or decrease fitness. In that case, host-level selection is relatively straightforward, favouring either complete or no inheritance. In natural systems, however, vertical transmission fidelity varies widely, and microbiome composition is often shaped by a combination of vertical and horizontal transmission modes. We propose that such mixed transmission could optimize host fitness under fluctuating environments. Using a general model, we illustrate that decreasing vertical transmission fidelity increases the amount of microbiome variation, and thus potentially phenotypic variation, across hosts. Whether or not this is advantageous depends on environmental conditions, how much the microbiome changes during host development, and the contribution of other factors to trait variation. We discuss how environmentally-dependent microbial effects can favor intermediate transmission, review examples from natural systems, and suggest research avenues to empirically test our predictions. Overall, we show that imperfect transmission may be adaptive by allowing individuals to ensure phenotypic variability in their offspring in contexts where varying environments mean that this strategy increases long-term fitness.

Abstract The timing of life history events has important fitness consequences. Since the 1950s, researchers have combined first principles and data to predict the optimal timing of life history transitions. Recently, a striking mystery has emerged. Such transitions can be shaped by a completely different branch of the tree of life: bacterial species in the microbiome. Probing these interactions using testable predictions from evolutionary theory could illuminate whether and how host-microbiome integrated life histories can evolve and be maintained. Beyond advancing fundamental science, this research program could yield important applications. In an age of microbiome engineering, understanding the contexts that lead to microbiota signaling shaping ontogeny could offer novel mechanisms for manipulations to increase yield in agriculture, or reduce pathogen transmission by affecting vector efficiency. We combine theory and evidence to illuminate the essential questions underlying the existence of M icrobiome D ependent O ntogenetic T iming (MiDOT) to fuel research on this emerging topic.

Rubella infection during pregnancy can result in miscarriage or infants with a constellation of birth defects known as congenital rubella syndrome (CRS). When coverage is inadequate, rubella vaccination can increase CRS cases by increasing the average age of infection. Thus, the World Health Organisation recommends that countries introducing rubella vaccine be able to vaccinate at least 80% of each birth cohort. Previous studies have focused on national-level analyses and have overlooked sub-national variation in introduction risk. We characterised the sub-national heterogeneity in rubella transmission within Nigeria and modelled local rubella vaccine introduction under different scenarios to refine the set of conditions and strategies required for safe rubella vaccine use. Across Nigeria, the basic reproduction number ranged from 2.6 to 6.2. Consequently, the conditions for safe vaccination varied across states with low-risk areas requiring coverage levels well below 80 %. In high-risk settings, inadequate routine coverage needed to be supplemented by campaigns that allowed for gradual improvements in vaccination coverage over time. Understanding local heterogeneities in both short-term and long-term epidemic dynamics can permit earlier nationwide introduction of rubella vaccination and identify sub-national areas suitable for program monitoring, program improvement and campaign support.

Abstract Host genetics can shape microbiome composition, but to what extent it does, remains unclear. Like any other complex trait, this question can be addressed by estimating the heritability ( h 2 ) of the microbiome – the proportion of variance in the abundance of each taxon that is attributable to host genetic variation. However, unlike most complex traits, microbiome heritability is typically based on relative abundance data, where taxon-specific abundances are expressed as the proportion of the total microbial abundance in a sample. We derived an analytical approximation for the heritability that one obtains when using such relative abundances and we uncovered three problems: 1) The interdependency between taxa leads to imprecise heritability estimates. 2) Large sample size leads to high false discovery rates, overestimating the number of heritable taxa. 3) Microbial co-abundances lead to biased heritability estimates. We conclude that caution must be taken when interpreting heritability estimates and comparing values across studies.

Abstract Nonpharmaceutical interventions (NPIs) implemented during the COVID-19 pandemic have disrupted the dynamics of respiratory syncytial virus (RSV) on a global scale; however, the cycling of RSV subtypes in the pre- and post-pandemic period remains poorly understood. Here, we used a two subtype RSV model supplemented with epidemiological data to study the impact of NPIs on the two circulating subtypes, RSV-A and RSV-B. The model is calibrated to historic RSV subtype data from the United Kingdom and Finland and predicts a tendency for RSV-A dominance over RSV-B immediately following the implementation of NPIs. Using a global genetic dataset, we confirm that RSV-A has prevailed over RSV-B in the post-pandemic period, consistent with a higher R 0 for RSV-A. With new RSV infant monoclonals and maternal and elderly vaccines becoming widely available, these results may have important implications for understanding intervention effectiveness in the context of disrupted subtype dynamics.

Broader coverage can have economic, climate-related, animal welfare, and human health benefits

Abstract Epidemiology and life history are commonly hypothesized to influence host immune strategy, and the pairwise relationships between immune strategy and each factor have been extensively investigated. But the interaction of these two is rarely considered, despite evidence that this interaction might produce emergent effects on optimal immune strategy. Here we investigate the confluence of epidemiology and life history as it affects immune strategy through a demographically-framed model of sensitivity and specificity in parasite recognition and response. We find that variation in several different life history traits associated with both reproduction and longevity alters optimal immune strategies – but the direction and magnitude of these effects depends on how epidemiological risks vary across life. Drawing on published life history data, we also find that our predictions apply across chordate taxa. Our results shed light on the complex interactions shaping immune strategy and may prove valuable in interpreting empirical results in ecoimmunology.