Abstract The COVID-19 pandemic has spread across the globe at an alarming rate. However, unlike any of the previous global outbreaks the availability of a large number of SARS-CoV-2 sequences provides us with a unique opportunity to understand viral evolution in real time. We analysed 1448 full-length (>29000 nt) sequences available and identified 40 single-nucleotide substitutions occurring in >1% of the genomes. Majority of the substitutions were C to T or G to A. We identify C/Gs with an upstream TTT trinucleotide motif as hotspots for mutations in the SARS-CoV-2 genome. Interestingly, three of the 40 substitutions occur within highly conserved secondary structures in the 5’ and 3’ regions of the genomic RNA that are critical for the virus life cycle. Furthermore, clustering analysis revealed unique geographical distribution of SARS-CoV-2 variants defined by their mutation profile. Of note, we observed several co-occurring mutations that almost never occur individually. We define five mutually exclusive lineages (A1, B1, C1, D1 and E1) of SARS-CoV-2 which account for about three quarters of the genomes analysed. We identify lineage-defining leading mutations in the SARS-CoV-2 genome which precede the occurrence of sub-lineage defining trailing mutations. The identification of mutually exclusive lineage-defining mutations with geographically restricted patterns of distribution has potential implications for diagnosis, pathogenesis and vaccine design. Our work provides novel insights on the temporal evolution of SARS-CoV-2. Importance The SARS-CoV-2 / COVID-19 pandemic has spread far and wide with high infectivity. However, the severeness of the infection as well as the mortality rates differ greatly across different geographic areas. Here we report high frequency mutations in the SARS-CoV-2 genomes which show the presence of linage-defining, leading and trailing mutations. Moreover, we propose for the first time, five mutually exclusive clusters of SARS-CoV-2 which account for 75% of the genomes analysed. This will have implications in diagnosis, pathogenesis and vaccine design

ABSTRACT The world health organization considers antimicrobial resistance (AMR) to be a critical global public health problem. Conventional culture-based methods that are used to detect and identify bacterial infection are slow. Thus, there is a growing need for the development of robust, cost-effective, and fast diagnostic solutions for the identification of pathogens. Surface-enhanced Raman spectroscopy (SERS) can be used to identify target analytes with sensitivity down to the single-molecule level. Here, we developed a SERS chip by optimizing the entire fabrication pipeline of the metal-assisted chemical etching (MACE) method. The MACE approach offers a large-scale, densely packed silver (Ag) nanostructure on top of silicon nanowires (Si-NWs) with a large aspect ratio that significantly enhances the Raman signal due to localised surface plasmonic enhancement. The optimised SERS chips exhibited sensitivity down to 10 -12 M concentration of R6G molecule and detected reproducible Raman spectra of bacteria down to a concentration of 100 colony forming units (CFU)/ml, which is a thousand times lower than the clinical threshold of bacterial infections like UTI (10 5 CFU/ml). A Siamese neural network model was used to classify SERS Raman spectra from bacteria specimens. The trained model identified 12 different bacterial species, including those which are causative agents for tuberculosis and urinary tract infection (UTI). Next, the SERS chips and another Siamese neural network model were used to differentiate antibiotic-resistant strains from susceptible strains of E. coli . The enhancement offered by SERS chip enabled acquisitions of Raman spectra of bacteria directly in the synthetic urine by spiking the sample with only 10 3 CFU/ml E. coli . Thus, the present study lays the ground for the identification and quantification of bacteria on SERS chips, thereby offering a potential future use for rapid, reproducible, label-free, and low limit detection of clinical pathogens.

This paper has been withdrawn by its authors. They intend to revise it in response to comments received from the research community on their technical approach and their interpretation of the results. If you have any questions, please contact the corresponding author.

ABSTRACT Changes in the spatial organization of bacterial chromosomes under stress conditions and its biological implications remain poorly understood. We mapped the structural landscape of wild-type and Δ dcm E. coli chromosomes under triclosan stress using Hi-C to identify triclosan-induced chromosomal interaction domains (CIDs). Two CIDs were common to the wild-type and Δ dcm E. coli , including a CID with a common boundary at fabI gene, which encodes the triclosan target. All mutations and structural variants under triclosan stress were observed within or in close proximity to triclosan-induced CIDs. Absence of Dcm methylation impacts both short- and long-range interactions in triclosan stress. Single-base resolution methylome maps reveal hypermethylation of adenines (in wild-type and Δ dcm ) and cytosines (in wild-type) in the two common triclosan-induced CIDs. Furthermore, global gene expression profiling identified enrichment of highly expressed genes within the two common CIDs. Our findings suggest that stress-induced CIDs in E. coli are hotspots for genetic variations and are associated with enhanced transcriptional activity and hypermethylation of Dam/Dcm motifs.