Abstract To increase our basic understanding of the ecology and evolution of conjugative plasmids, we need a reliable estimate of their rate of transfer between bacterial cells. However, accurate estimates of plasmid transfer have remained elusive due to biological and experimental complexity. Current methods to measure transfer rate can be confounded by many factors. A notable example involves plasmid transfer between different strains or species where the rate that one type of cell donates the plasmid is not equal to the rate at which the other cell type donates. Asymmetry in these rates has the potential to bias or constrain current transfer estimates, thereby limiting our capabilities for estimating transfer in microbial communities. Inspired by the classic fluctuation analysis of Luria and Delbrück, we develop a novel approach, the Luria-Delbrück method (‘LDM’), for estimating plasmid transfer rate. Our new approach embraces the stochasticity of conjugation departing from the current deterministic population dynamic methods. In addition, the LDM overcomes obstacles of traditional methods by not being affected by different growth and transfer rates for each population within the assay. Using stochastic simulations and experiments, we show that the LDM has high accuracy and precision for estimation of transfer rates compared to the most widely used methods, which can produce estimates that differ from the LDM estimate by orders of magnitude. Significance Statement Conjugative plasmids play significant roles in the ecology and evolution of microbial communities. Notably, antibiotic resistance genes are often encoded on conjugative plasmids. Thus, conjugation—the transfer of a plasmid copy from one cell to another—is a common way for antibiotic resistance to spread between important clinical pathogens. For both public health modeling and a basic understanding of microbial population biology, accurate estimates of this fundamental rate are of great consequence. We show that widely used methods can lead to biased estimates, deviating from true values by several orders of magnitude. Therefore, we developed a new approach, inspired by the classic fluctuation analysis of Luria and Delbrück, for accurately assessing the rate of plasmid conjugation under a variety of conditions.

Abstract A population under selection to improve one trait may evolve a sub-optimal state for another trait due to tradeoffs and other evolutionary constraints. How this evolution affects the capacity of a population to adapt when conditions change to favor the second trait is an open question. We investigated this question using isolates from a lineage spanning 60,000 generations of the Long-Term Evolution Experiment (LTEE) with Escherichia coli , where cells have access to a shared pool of resources, and have evolved increased competitive ability and a concomitant reduction in numerical yield. Using media-in oil emulsions we shifted the focus of selection to numerical yield, where cells grew in isolated patches with private resources. We found that the time spent evolving under shared resources did not affect the ability to re-evolve toward higher numerical yield. The evolution of numerical yield commonly occurred through mutations in the phosphoenolpyruvate phosphotransferase system. These mutants exhibit slower uptake of glucose, making them poorer competitors for public resources, and produce smaller cells that release less carbon as overflow metabolites. Our results demonstrate that mutations that were not part of adaptation under one selective regime may enable access to ancestral phenotypes when selection changes to favor evolutionary reversion.