Abstract Landscape genomics studies focus on identifying candidate genes under selection via spatial variation in abiotic environmental variables, but rarely by biotic factors such as disease. The Tasmanian devil ( Sarcophilus harrisii ) is found only on the environmentally heterogeneous island of Tasmania and is threatened with extinction by a nearly 100% fatal, transmissible cancer, devil facial tumor disease (DFTD). Devils persist in regions of long-term infection despite epidemiological model predictions of species’ extinction, suggesting possible adaptation to DFTD. Here, we test the extent to which spatial variation and genetic diversity are associated with the abiotic environment and/or by DFTD. We employ genetic-environment association (GEAs) analyses using a RAD-capture panel consisting of 6,886 SNPs from 3,286 individuals sampled pre- and post-disease arrival. Pre-disease, we find significant correlations of allele frequencies with environmental variables, including 349 unique loci linked to 64 genes, suggesting local adaptation to abiotic environment. Following DFTD arrival, however, we detected few of the pre-disease candidate loci, but instead frequencies of candidate loci linked to 14 genes correlated with disease prevalence. Loss of apparent signal of abiotic local adaptation following disease arrival suggests swamping by the strong selection imposed by DFTD. Further support for this result comes from the fact that post-disease candidate loci are in linkage disequilibrium with genes putatively involved in immune response, tumor suppression and apoptosis. This suggests the strength GEA associations of loci with the abiotic environment are swamped resulting from the rapid onset of a biotic selective pressure.

Abstract Tasmanian devils ( Sarcophilus harrisii ) are evolving in response to a unique transmissible cancer, devil facial tumour disease (DFTD), first described in 1996. Persistence of wild populations and the recent emergence of a second independently evolved transmissible cancer suggest that transmissible cancers may be a recurrent feature in devils. Here we compared signatures of selection across temporal scales to determine whether genes or gene pathways under contemporary selection (6-8 generations) have also been subject to historical selection (65-85 million years), and test for recurrent selection in devils. First, we used a targeted sequencing approach, RAD-capture, to identify genomic regions subject to rapid evolution in approximately 2,500 devils in six populations as DFTD spread across the species range. We documented genome-wide contemporary evolution, including 186 candidate genes related to cell cycling and immune response. Then we used a molecular evolution approach to identify historical positive selection in devils compared to other marsupials and found evidence of selection in 1,773 genes. However, we found limited overlap across time scales, with historical selection detected in only 16 contemporary candidate genes, and no overlap in enriched functional gene sets. Our results are consistent with a novel, multi-locus evolutionary response of devils to DFTD. Our results can inform management actions to conserve adaptive potential of devils by identifying high priority targets for genetic monitoring and maintenance of functional diversity in managed populations.

Notable outbreaks of infectious viruses resulting from spillover events from bats have brought much attention to the ecological origins of bat-borne zoonoses, resulting in an increase in ecological and epidemiological studies on bat populations in Africa, Asia, and Australia. The aim of many of these studies is to identify new viral agents with field sampling methods that collect pooled urine samples from large plastic sheets placed under a bat roost. The efficiency of under-roost sampling also makes it an attractive method for gathering roost-level prevalence data. However, the method allows multiple individuals to contribute to a pooled sample, potentially introducing positive bias. To assess the ability of under-roost sampling to accurately estimate viral prevalence, we constructed a probabilistic model to explore the relationship between four sampling designs (quadrant, uniform, stratified, and random) and estimation bias. We modeled bat density and movement with a Poisson cluster process and spatial kernels and simulated the four under-roost sheet sampling designs by manipulating a spatial grid of hexagonal tiles. We performed global sensitivity analyses to identify major sources of estimation bias and provide recommendations for field studies that wish to estimate roost-level prevalence. We found that the quadrant-based design had a positive bias 5--7 times higher than other designs due to spatial autocorrelation among sampling sheets and clustering of bats in the roost. The sampling technique is therefore highly sensitive to viral presence; but lacks specificity, providing poor information regarding dynamics in viral prevalence. Given population sizes of 5000--14000, our simulation results indicate that using a stratified random design to collect 30--40 urine samples from 80--100 sheets, each with an area of 0.75--1m sq., would provide sufficient estimation of true prevalence with minimum sampling bias and false negatives. However, acknowledging the general problem of data aggregation, we emphasize that robust inference of true prevalence from field data require information of underpinning roost sizes. Our findings refine our understanding of the under-roost sampling technique with the aim of increasing its specificity and suggest that the method be further developed as an efficient non-invasive sampling technique that provides roost-level estimates of viral prevalence within a bat population.

Increasing outbreaks of emerging infectious diseases, originating from wildlife, has intensified interest in understanding the dynamics of these diseases in their wildlife reservoir hosts. Until recently, the effect of seasonal birth pulses and subsequent waning of maternally derived antibodies on epidemics in a wild mammal population has received little attention and has remained obscure. In this study, we explore how population structure, influenced by seasonal breeding and maternally derived immunity, affects viral invasion and persistence, using a hypothetical system loosely based on Hendra virus infection in black flying foxes (Pteropus alecto). We used deterministic epidemic models to simulate transient epidemics, following viral introduction into an infection-free population, with a variety of timings within a year and different levels of pre-existing herd immunity. Moreover, we applied different levels of birth synchrony and different modelling methods of waning maternal immunity to examine the effect of birth pulses and maternally derived immunity, both individually and in combination. The presence of waning maternal immunity dispersed the supply time of susceptible individuals in seasonally breeding populations, hence diminishing the effect of birth pulse. Dampened epidemics, caused by waning maternal immunity, made viral invasion and persistence easier. This study enhanced our understanding of viral invasion, persistence, and timing of epidemics in wildlife populations.

Mosquito-borne pathogens contribute significantly to the global burden of disease, infecting millions of people each year. Mosquito feeding is critical to the transmission dynamics of pathogens, and thus it is important to understanding and interpreting mosquito feeding patterns. In this paper we explore mosquito feeding patterns and their implications for disease ecology through a meta-analysis of published blood meal results collected across Australia from more than 12,000 blood meals from 22 species. To assess mosquito-vertebrate associations and identify mosquitoes on a spectrum of generalist or specialist feeders, we analysed blood meal data in two ways; first using a novel odds ratio analysis, and secondly by calculating Shannon diversity scores. We find that each mosquito species had a unique feeding association with different vertebrates, suggesting species-specific feeding patterns. Broadly, mosquito species could be grouped broadly into those that were primarily ornithophilic and those that fed more often on livestock. Aggregated feeding patterns observed across Australia were not explained by intrinsic variables such as mosquito genetics or larval habitats. We discuss the implications for disease transmission by vector mosquito species classified as generalist-feeders (such as Aedes vigilax and Culex annulirostris), or specialists (such as Aedes aegypti) in light of potential influences on mosquito host choice. Overall, we find that whilst existing blood meal studies in Australia are useful for investigating mosquito feeding patterns, standardisation of blood meal study methodologies and analyses, including the incorporation of vertebrate surveys, would improve predictions of the impact of vector-host interactions on disease ecology. Our analysis can also be used as a framework to explore mosquito-vertebrate associations, in which host availability data is unavailable, in other global systems.

Emerging infectious diseases increasingly threaten wildlife populations. Most studies focus on managing short-term epidemic properties, such as controlling early outbreaks. Predicting long-term endemic characteristics with limited retrospective data is more challenging. We used individual-based modelling informed by individual variation in pathogen load and transmissibility to predict long-term impacts of a lethal, transmissible cancer on Tasmanian devil (Sarcophilus harrisii) populations. For this, we employed Approximate Bayesian Computation to identify model scenarios that best matched known epidemiological and demographic system properties derived from ten years of data after disease emergence, enabling us to forecast future system dynamics. We show that the dramatic devil population declines observed thus far are likely attributable to transient dynamics. Only 21% of matching scenarios led to devil extinction within 100 years following devil facial tumour disease (DFTD) introduction, whereas DFTD faded out in 57% of simulations. In the remaining 22% of simulations, disease and host coexisted for at least 100 years, usually with long-period oscillations. Our findings show that pathogen extirpation or host-pathogen coexistence are much more likely than the DFTD-induced devil extinction, with crucial management ramifications. Accounting for individual-level disease progression and the long-term outcome of devil-DFTD interactions at the population-level, our findings suggest that immediate management interventions are unlikely to be necessary to ensure the persistence of Tasmanian devil populations. This is because strong population declines of devils after disease emergence do not necessarily translate into long-term population declines at equilibria. Our modelling approach is widely applicable to other host-pathogen systems to predict disease impact beyond transient dynamics.