Summary The ability of cells to regulate their function through feedback control is a fundamental underpinning of life. The capability to engineer de novo feedback control with biological molecules is ushering in an era of robust functionality for many applications in biotechnology and medicine. To fulfill their potential, feedback control strategies implemented with biological molecules need to be generalizable, modular and operationally predictable. Proportional-Integral-Derivative (PID) control fulfills this role for technological systems and is a commonly used strategy in engineering. Integral feedback control allows a system to return to an invariant steady-state value after step disturbances, hence enabling its robust operation. Proportional and derivative feedback control used with integral control help sculpt the dynamics of the return to steady-state following perturbation. Recently, a biomolecular implementation of integral control was proposed based on an antithetic motif in which two molecules interact stoichiometrically to annihilate each other’s function. In this work, we report how proportional and derivative implementations can be layered on top of this integral architecture to achieve a biochemical PID control design. We illustrate through computational and analytical treatments that the addition of proportional and derivative control improves performance, and discuss practical biomolecular implementations of these control strategies.

Abstract The dynamic translocation of transcription factors (TFs) in and out of the nucleus is thought to encode information, such as the identity of a stimulus. A corollary is the idea that gene promoters can decode different dynamic TF translocation patterns. Testing this TF encoding/promoter decoding hypothesis requires tools that allow direct control of TF dynamics without the pleiotropic effects associated with general perturbations. In this work, we present CLASP (Controllable Light Activated Shuttling and Plasma membrane sequestration), a tool that enables precise, modular, and reversible control of TF localization using a combination of two optimized LOV2 optogenetic constructs. The first sequesters the cargo in the dark at the plasma membrane and releases it upon exposure to blue light, while light exposure of the second reveals a nuclear localization sequence that shuttles the released cargo to the nucleus. CLASP achieves minute-level resolution, reversible translocation of many TF cargos, large dynamic range, and tunable target gene expression. Using CLASP, we investigate the relationship between Crz1, a naturally pulsatile TF, and its cognate promoters. We establish that some Crz1 target genes respond more efficiently to pulsatile TF inputs than to continuous inputs, while others exhibit the opposite behavior. We show using computational modeling that efficient gene expression in response to short pulsing requires fast promoter activation and slow inactivation and that the opposite phenotype can ensue from a multi-stage promoter activation, where a transition in the first stage is thresholded. These data directly demonstrate differential interpretation of TF pulsing dynamics by different genes, and provide plausible models that can achieve these phenotypes.

Abstract Mathematical models can aid the design of genetic circuits, but may yield inaccurate results if individual parts are not modeled at the appropriate resolution. To illustrate the importance of this concept, we study transcriptional cascades consisting of two inducible synthetic transcription factors connected in series. Despite the simplicity of this design, we find that accurate prediction of circuit behavior requires mapping the dose responses of each circuit component along the dimensions of both its expression level and its inducer concentration. With such multidimensional characterizations, we were able to computationally explore the behavior of 16 different circuit designs. We experimentally verified a subset of these predictions and found substantial agreement. This method of biological part characterization enables the use of models to identify (un)desired circuit behaviors prior to experimental implementation, thus shortening the design-build-test cycle for more complex circuits.

Abstract The CRISPR-Cas9 system provides the ability to edit, repress, activate, or mark any gene (or DNA element) by pairing of a programmable single guide RNA (sgRNA) with a complementary sequence on the DNA target. Here we present a new method for small-molecule control of CRISPR-Cas9 function through insertion of RNA aptamers into the sgRNA. We show that CRISPR-Cas9-based gene repression (CRISPRi) can be either activated or deactivated in a dose-dependent fashion over a >10-fold dynamic range in response to two different small-molecule ligands. Since our system acts directly on each target-specific sgRNA, it enables new applications that require differential and opposing temporal control of multiple genes.

Chimeric antigen receptor (CAR) T cells have made a tremendous impact in the clinic, but potent signaling through the CAR can be detrimental to treatment safety and efficacy. The use of protein degradation to control CAR signaling can address these issues in pre-clinical models. Existing strategies for regulating CAR stability rely on small molecules to induce systemic degradation. In contrast to small molecule regulation, genetic circuits offer a more precise method to control CAR signaling in an autonomous, cell-by-cell fashion. Here, we describe a programmable protein degradation tool that adopts the framework of bioPROTACs, heterobifunctional proteins that contain a target recognition domain fused to a domain that recruits the endogenous ubiquitin proteasome system. We develop novel bioPROTACs that utilize a compact four residue degron and demonstrate degradation of cytosolic and membrane protein targets using either a nanobody or synthetic leucine zipper as a protein binder. Our bioPROTACs exhibit potent degradation of CARs and can inhibit CAR signaling in primary human T cells. We demonstrate the utility of our bioPROTACs by constructing a genetic circuit to degrade the tyrosine kinase ZAP70 in response to recognition of a specific membrane-bound antigen. This circuit is able to disrupt CAR T cell signaling only in the presence of a specific cell population. These results suggest that bioPROTACs are a powerful tool for expanding the cell engineering toolbox for CAR T cells.

Abstract The ability to rapidly assemble and prototype cellular circuits is vital for biological research and its applications in biotechnology and medicine. Current methods that permit the assembly of DNA circuits in mammalian cells are laborious, slow, expensive and mostly not permissive of rapid prototyping of constructs. Here we present the Mammalian ToolKit (MTK), a Golden Gate-based cloning toolkit for fast, reproducible and versatile assembly of large DNA vectors and their implementation in mammalian models. The MTK consists of a curated library of characterized, modular parts that can be easily mixed and matched to combinatorially assemble one transcriptional unit with different characteristics, or a hierarchy of transcriptional units weaved into complex circuits. MTK renders many cell engineering operations facile, as showcased by our ability to use the toolkit to generate single-integration landing pads, to create and deliver libraries of protein variants and sgRNAs, and to iterate through Cas9-based prototype circuits. As a biological proof of concept, we used the MTK to successfully design and rapidly construct in mammalian cells a challenging multicistronic circuit encoding the Ebola virus (EBOV) replication complex. This construct provides a non-infectious biosafety level 2 (BSL2) cellular assay for exploring the transcription and replication steps of the EBOV viral life cycle in its host. Its construction also demonstrates how the MTK can enable important and time sensitive applications such as the rapid testing of pharmacological inhibitors of emerging BSL4 viruses that pose a major threat to human health.

Chimeric antigen receptor (CAR) T cells have made a tremendous impact in the clinic, but potent signaling through the CAR can be detrimental to treatment safety and efficacy. The use of protein degradation to control CAR signaling can address these issues in preclinical models. Existing strategies for regulating CAR stability rely on small molecules to induce systemic degradation. In contrast to small molecule regulation, genetic circuits offer a more precise method to control CAR signaling in an autonomous cell-by-cell fashion. Here, we describe a programmable protein degradation tool that adopts the framework of bioPROTACs, heterobifunctional proteins that are composed of a target recognition domain fused to a domain that recruits the endogenous ubiquitin proteasome system. We develop novel bioPROTACs that utilize a compact four-residue degron and demonstrate degradation of cytosolic and membrane protein targets using either a nanobody or synthetic leucine zipper as a protein binder. Our bioPROTACs exhibit potent degradation of CARs and can inhibit CAR signaling in primary human T cells. We demonstrate the utility of our bioPROTACs by constructing a genetic circuit to degrade the tyrosine kinase ZAP70 in response to recognition of a specific membrane-bound antigen. This circuit can disrupt CAR T cell signaling only in the presence of a specific cell population. These results suggest that bioPROTACs are powerful tools for expanding the CAR T cell engineering toolbox.

It is well known that synthetic gene expression is highly sensitive to how genetic elements (promoter structure, spacing regions between promoter and coding sequences, ribosome binding sites, etc.) are spatially configured. An important topic that has received far less attention is how the compositional context, or spatial arrangement, of entire genes within a synthetic gene network affects their individual expression levels. In this paper we show, both quantitatively and qualitatively, that compositional context significantly alters transcription levels in synthetic gene networks. We demonstrate that key characteristics of gene induction, such as ultra-sensitivity and dynamic range, strongly depend on compositional context. We postulate that supercoiling can be used to explain this interference and validate this hypothesis through modeling and a series of in vitro supercoiling relaxation experiments. This compositional interference enables a novel form of feedback in synthetic gene networks. We illustrate the use of this feedback by redesigning the toggle switch to incorporate compositional context. We show the context-optimized toggle switch has improved threshold detection and memory properties.