Abstract Monoterpene indole alkaloids (MIAs) are a diverse family of complex plant secondary metabolites with many medicinal properties, including the essential anti-cancer therapeutics vinblastine and vincristine 1 . As MIAs are difficult to chemically synthesize, the world’s supply chain for vinblastine relies on low-yielding extraction and purification of the precursors vindoline and catharanthine from the plant Catharanthus roseus , which is then followed by simple in vitro chemical coupling and reduction to form vinblastine at an industrial scale 2,3 . Here, we demonstrate the de novo microbial biosynthesis of vindoline and catharanthine using a highly engineered yeast, and in vitro chemical coupling to vinblastine. The study showcases a very long biosynthetic pathway refactored into a microbial cell factory, including 30 enzymatic steps beyond the yeast native metabolites geranyl pyrophosphate and tryptophan to catharanthine and vindoline. In total, 56 genetic edits were performed, including expression of 34 heterologous genes from plants, as well as deletions, knock-downs and overexpression of ten yeast genes to improve precursor supplies towards de novo production of catharanthine and vindoline, from which semisynthesis to vinblastine occurs. As the vinblastine pathway is one of the longest MIA biosynthetic pathways, this study positions yeast as a scalable platform to produce more than 3,000 natural MIAs and a virtually infinite number of new-to-nature analogues.

Abstract Cost-effective production of the highly effective anti-cancer drug, paclitaxel (Taxol®), remains limited despite growing global demands. Low yields of the critical taxadiene precursor remains a key bottleneck in microbial production. In this study, the key challenge of poor taxadiene synthase ( TASY ) solubility in S. cerevisiae was revealed, and the strains were strategically engineered to relieve this bottleneck. Multi-copy chromosomal integration of TASY harbouring a selection of fusion solubility tags improved taxadiene titres 22-fold, up to 57 ± 3 mg/L at 30 °C at shake flask scale. The scalability of the process was highlighted through achieving similar titres during scale up to 25 mL and 250 mL in shake flask and bioreactor cultivations, respectively. Maximum taxadiene titres of 129 ± 15 mg/L and 119 mg/L were achieved through shake flask and bioreactor cultivation, respectively, of the optimal strain at a reduced temperature of 20 °C. The results highlight the positive effect of coupling molecular biology tools with bioprocess variable optimisation on synthetic pathway development. Highlights Maximum taxadiene titre of 129 ± 15 mg/L in Saccharomyces cerevisiae at 20 °C Integrating fusion protein tagged-taxadiene synthase improved taxadiene titre. Consistent taxadiene titres were achieved at the micro-and mini-bioreactor scales.

Abstract The compartmentalized and communicative nature of biological cells contributes to the complexity and endurance of living organisms. Current in vitro compartmentalization systems such as droplet emulsions reproduce the compartmentalization property of cells yet fail to recapture the configurability of cellular communication with the environment. To mimic biological cells a step further and expand the capabilities of in vitro compartmentalization, we present here a general strategy that inherits the passive transport phenomenon of biology. The strategy incorporates layered, micrometer-sized, hydrogel-based compartments featuring configurability in composition, functionality, and selective permeability of biomolecules. We demonstrated the unique advantage of our strategy in two scenarios of synthetic biology. First, a compartmentalized cell-free protein synthesis system was reconstituted that could support multiple rounds of reactions. Second, we constructed living bacteria-based biosensors in the hydrogel compartments, which could achieve long-lasting functioning with markedly enhanced fitness in complex environments. Looking forward, our strategy should be widely applicable for constructing complex, robust, and sustained in vitro synthetic molecular and cellular systems, paving the way for their practical applications.

Summary Directed evolution is a powerful method to optimize proteins and metabolic reactions towards user-defined goals. It usually involves subjecting genes or pathways to iterative rounds of mutagenesis, selection, and amplification. While powerful, systematic searches through large sequence-spaces is a labor-intensive task, and can be further limited by a priori knowledge about the optimal initial search space, and/or limits in terms of screening throughput. Here we demonstrate an integrated directed evolution workflow for metabolic pathway enzymes that continuously generates enzyme variants using the recently developed orthogonal replication system, OrthoRep, and screens for optimal performance in high-throughput using a transcription factor-based biosensor. We demonstrate the strengths of this workflow by evolving a ratelimiting enzymatic reaction of the biosynthetic pathway for cis , cis -muconic acid (CCM), a precursor used for bioplastic and coatings, in Saccharomyces cerevisiae . After two weeks of simply iterating between passaging of cells to generate variant enzymes via OrthoRep and high-throughput sorting of best-performing variants using a transcription factor-based biosensor for CCM, we ultimately identified variant enzymes improving CCM titers >13-fold compared to reference enzymes. Taken together, the combination of synthetic biology tools as adopted in this study, is an efficient approach to debottleneck repetitive workflows associated with directed evolution of metabolic enzymes.

Abstract Laboratory evolution is a powerful approach to search for genetic adaptations to new or improved phenotypes, yet either relies on labour-intensive human-guided iterative rounds of mutagenesis and selection, or prolonged adaptation regimes based on naturally evolving cell populations. Here we present CRISPR- and RNA-assisted in vivo directed evolution (CRAIDE) of genomic loci using evolving chimeric donor gRNAs continuously delivered from an error-prone T7 RNA polymerase, and directly introduced as RNA repair donors into genomic targets under either Cas9 or dCas9 guidance. We validate CRAIDE by evolving novel functional variants of an auxotrophic marker gene, and by conferring resistance to a toxic amino acid analogue in baker’s yeast Saccharomyces cerevisiae with a mutation rate >3,000-fold higher compared to spontaneous native rate, thus enabling the first demonstrations of in vivo delivery and information transfer from long evolving RNA donor templates into genomic context without the use of in vitro supplied and pre-programmed repair donors.

A significant bottleneck in synthetic biology involves screening large genetically encoded libraries for desirable phenotypes such as chemical production. However, transcription factor-based biosensors can be leveraged to screen thousands of genetic designs for optimal chemical production in engineered microbes. In this study we characterize two glutarate sensing transcription factors (CsiR and GcdR) from Pseudomonas putida . The genomic contexts of csiR homologs were analyzed and their DNA binding sites were bioinformatically predicted. Both CsiR and GcdR were purified and shown to bind upstream of their coding sequencing in vitro . CsiR was shown to dissociate from DNA in vitro when exogenous glutarate was added, confirming that it acts as a genetic repressor. Both transcription factors and cognate promoters were then cloned into broad host range vectors to create two glutarate biosensors. Their respective sensing performance features were characterized, and more sensitive derivatives of the GcdR biosensor were created by manipulating the expression of the transcription factor. Sensor vectors were then reintroduced into P. putida and evaluated for their ability to respond to glutarate and various lysine metabolites. Additionally, we developed a novel mathematical approach to describe the usable range of detection for genetically encoded biosensors, which may be broadly useful in future efforts to better characterize biosensor performance.

Members of Agrobacterium are costly plant pathogens while also essential tools for plant transformation. Though Agrobacterium-mediated transformation (AMT) has been heavily studied, its polygenic nature and its complex transcriptional regulation make identifying the genetic basis of transformational efficiency difficult through traditional genetic and bioinformatic approaches. Here we use a bottom-up synthetic approach to systematically refactor the tumor-inducing plasmid, wherein the majority of AMT machine components are encoded, into a minimal set of genes capable of plant and fungal transformation that is both controllable and orthogonal to its environment. We demonstrate that engineered vectors can be transferred to new heterologous bacteria, enabling them to transform plants. Our reductionist approach demonstrates how bottom-up engineering can be used to dissect and elucidate the genetic underpinnings of complex biological traits, and may lead to the development of strains of bacteria more capable of transforming recalcitrant plant species of societal importance.

To accelerate the shift to bio-based production and overcome complicated functional implementation of natural and artificial biosynthetic pathways to industry relevant organisms, development of new, versatile, bio-based production platforms is required. Here we present a novel yeast platform for biosynthesis of bacterial aromatic polyketides. The platform is based on a synthetic polyketide synthase system enabling a first demonstration of bacterial aromatic polyketide biosynthesis in a eukaryotic host.

Microbes offer enormous potential for production of industrially relevant chemicals and therapeutics, yet the rapid identification of high-producing microbes from large genetic libraries is a major bottleneck in modern cell factory development. Here, we develop and apply a synthetic selection system in Saccharomyces cerevisiae that couples the concentration of muconic acid, a plastic precursor, to cell fitness by using the prokaryotic transcriptional regulator BenM driving an antibiotic resistance gene. We show the sensor-selector does not affect production, and find that tuning pH of the cultivation medium limits the rise of non-producing cheaters. We apply the sensor-selector to selectively enrich for best-producing variants out of a large library of muconic acid production strains, and identify an isolate that produced more than 2 g/L muconic acid in a bioreactor. We expect that this sensor-selector can aid the development of other synthetic selection systems based on allosteric transcription factors.

Abstract Synthetic biology dictates the data-driven engineering of biocatalysis, cellular functions, and organism behavior. Integral to synthetic biology is the aspiration to efficiently find, access, interoperate, and reuse high-quality data on genotype-phenotype relationships of native and engineered biosystems under FAIR principles, and from this facilitate forward-engineering strategies. However, biology is complex at the regulatory level, and noisy at the operational level, thus necessitating systematic and diligent data handling at all levels of the design, build, and test phases in order to maximize learning in the iterative design-build-test-learn engineering cycle. To enable user-friendly simulation, organization, and guidance for the engineering of complex biosystems, we have developed an open-source python-based computer-aided design and analysis platform operating under a literate programming user-interface hosted on Github. The platform is called teemi and is fully compliant with FAIR principles. In this study we apply teemi for i) designing and simulating bioengineering, ii) integrating and analyzing multivariate datasets, and iii) machine-learning for predictive engineering of a metabolic pathway designs for production of a key precursor to medicinal alkaloids. The teemi platform is publicly available at PyPi and GitHub .