Abstract Recent years have seen an experimental deluge interrogating the relationship between bacterial growth rate, cell size, and protein content, quantifying the abundance of proteins across growth conditions with unprecedented resolution. However, we still lack a rigorous understanding of what sets the scale of these quantities and when protein abundances should (or should not) depend on growth rate. Here, we seek to quantitatively understand this relationship across a collection of Escherichia coli proteomic data covering ≈ 4000 proteins and 36 growth rates. We estimate the basic requirements for steady-state growth by considering key processes in nutrient transport, cell envelope biogenesis, energy generation, and the central dogma. From these estimates, ribosome biogenesis emerges as a primary determinant of growth rate. We expand on this assessment by exploring a model of proteomic regulation as a function of the nutrient supply, revealing a mechanism that ties cell size and growth rate to ribosomal content.

Abstract Allosteric regulation is found across all domains of life, yet we still lack simple, predictive theories that directly link the experimentally tunable parameters of a system to its input-output response. To that end, we present a general theory of allosteric transcriptional regulation using the Monod-Wyman-Changeux model. We rigorously test this model using the ubiquitous simple repression motif in bacteria by first predicting the behavior of strains that span a large range of repressor copy numbers and DNA binding strengths and then constructing and measuring their response. Our model not only accurately captures the induction profiles of these strains but also enables us to derive analytic expressions for key properties such as the dynamic range and [ EC 50 ]. Finally, we derive an expression for the free energy of allosteric repressors which enables us to collapse our experimental data onto a single master curve that captures the diverse phenomenology of the induction profiles.

Abstract Given the stochastic nature of gene expression, genetically identical cells exposed to the same environmental inputs will produce different outputs. This heterogeneity has been hypothesized to have consequences for how cells are able to survive in changing environments. Recent work has explored the use of information theory as a framework to understand the accuracy with which cells can ascertain the state of their surroundings. Yet the predictive power of these approaches is limited and has not been rigorously tested using precision measurements. To that end, we generate a minimal model for a simple genetic circuit in which all parameter values for the model come from independently published data sets. We then predict the information processing capacity of the genetic circuit for a suite of biophysical parameters such as protein copy number and protein-DNA affinity. We compare these parameter-free predictions with an experimental determination of protein expression distributions and the resulting information processing capacity of E. coli cells. We find that our minimal model captures the scaling of the cell-to-cell variability in the data and the inferred information processing capacity of our simple genetic circuit up to a systematic deviation.

Abstract Effective coordination of cellular processes is critical to ensure the competitive growth of microbial organisms. Pivotal to this coordination is the appropriate partitioning of cellular resources between protein synthesis via translation and the metabolism needed to sustain it. Here, we extend a low-dimensional allocation model to describe the dynamic control of this resource partitioning. At the core of this regulation is the optimal coordination of metabolic and translational fluxes, mechanistically achieved via the perception of charged- and uncharged-tRNA turnover. An extensive comparison with ≈ 60 data sets from Escherichia coli establishes this regulatory mechanism’s biological veracity and demonstrates that a remarkably wide range of growth phenomena in and out of steady state can be predicted with quantitative accuracy. This predictive power, achieved with only a few biological parameters, cements the preeminent importance of optimal flux regulation across conditions and establishes low-dimensional allocation models as an ideal physiological framework to interrogate the dynamics of growth, competition, and adaptation in complex and ever-changing environments.

The intimate relationship between the environment and cellular growth rate has remained a major topic of inquiry in bacterial physiology for over a century. Now, as it becomes possible to understand how the growth rate dictates the wholesale reorganization of the intracellular molecular composition, we can interrogate the biophysical principles underlying this adaptive response. Regulation of gene expression drives this adaptation, with changes in growth rate tied to the activation or repression of genes covering enormous swaths of the genome. Here, we dissect how physiological perturbations alter the expression of a circuit which has been extensively characterized in a single physiological state. Given a complete thermodynamic model, we map changes in physiology directly to the biophysical parameters which define the expression. Controlling the growth rate via modulating the available carbon source or growth temperature, we measure the level of gene expression from a LacI-regulated promoter where the LacI copy number is directly measured in each condition, permitting parameter-free prediction of the expression level. The transcriptional output of this circuit is remarkably robust, with expression of the repressor being largely insensitive to the growth rate. The predicted gene expression quantitatively captures the observations under different carbon conditions, indicating that the biophysical parameters are indifferent to the physiology. Interestingly, temperature controls the expression level in ways that are inconsistent with the prediction, revealing temperature-dependent effects that challenge current models. This work exposes the strengths and weaknesses of thermodynamic models in fluctuating environments, posing novel challenges and utility in studying physiological adaptation.

Developing lymphocytes in the immune system of jawed vertebrates assemble antigen-receptor genes by undergoing large-scale reorganization of spatially separated V, D, and J gene segments through a process known as V(D)J recombination. The RAG protein initiates this process by binding and cutting recombination signal sequences (RSSs) composed of conserved heptamer and nonamer sequences flanking less well-conserved 12- or 23-bp spacers. Little quantitative information is known about the contributions of individual RSS positions over the course of the RAG-RSS interaction. We employ a single-molecule method known as tethered particle motion to quantify the formation, stability, and cleavage of the RAG-12RSS-23RSS paired complex (PC) for numerous synthetic and endogenous 12RSSs. We thoroughly investigate the sequence space around a RSS by making 40 different single-bp changes and characterizing the reaction dynamics. We reveal that single-bp changes affect RAG function based on their position: loss of cleavage function (first three positions of the heptamer); reduced propensity for forming the PC (the nonamer and last four bp of the heptamer); or variable effects on PC formation (spacer). We find that the rare usage of some endogenous gene segments can be mapped directly to their adjacent 12RSSs to which RAG binds weakly. The 12RSS, however, cannot explain the high-frequency usage of other gene segments. Finally, we find that RSS nicking, while not required for PC formation, substantially stabilizes the PC. Our findings provide detailed insights into the contribution of individual RSS positions to steps of the RAG-RSS reaction that previously have been difficult to assess quantitatively.

Rapid changes in extracellular osmolarity are one of many insults microbial cells face on a daily basis. To protect against such shocks, Escherichia coli and other microbes express several types of transmembrane channels which open and close in response to changes in membrane tension. In E. coli, one of the most abundant channels is the mechanosensitive channel of large conductance (MscL). While this channel has been heavily characterized through structural methods, electrophysiology, and theoretical modeling, our understanding of its physiological role in preventing cell death by alleviating high membrane tension remains tenuous. In this work, we examine the contribution of MscL alone to cell survival after osmotic shock at single cell resolution using quantitative fluorescence microscopy. We conduct these experiments in an E. coli strain which is lacking all mechanosensitive channel genes save for MscL whose expression is tuned across three orders of magnitude through modifications of the Shine-Dalgarno sequence. While theoretical models suggest that only a few MscL channels would be needed to alleviate even large changes in osmotic pressure, we find that between 500 and 700 channels per cell are needed to convey upwards of 80% survival. This number agrees with the average MscL copy number measured in wild-type E. coli cells through proteomic studies and quantitative Western blotting. Furthermore, we observe zero survival events in cells with less than 100 channels per cell. This work opens new questions concerning the contribution of other mechanosensitive channels to survival as well as regulation of their activity.

Mutation is a critical mechanism by which evolution explores the functional landscape of proteins. Despite our ability to experimentally inflict mutations at will, it remains difficult to link sequence-level perturbations to systems-level responses. Here, we present a framework centered on measuring changes in the free energy of the system to link individual mutations in an allosteric transcriptional repressor to the parameters which govern its response. We find the energetic effects of the mutations can be categorized into several classes which have characteristic curves as a function of the inducer concentration. We experimentally test these diagnostic predictions using the well-characterized LacI repressor of Escherichia coli, probing several mutations in the DNA binding and inducer binding domains. We find that the change in gene expression due to a point mutation can be captured by modifying only a subset of the model parameters that describe the respective domain of the wild-type protein. These parameters appear to be insulated, with mutations in the DNA binding domain altering only the DNA affinity and those in the inducer binding domain altering only the allosteric parameters. Changing these subsets of parameters tunes the free energy of the system in a way that is concordant with theoretical expectations. Finally, we show that the induction profiles and resulting free energies associated with pairwise double mutants can be predicted with quantitative accuracy given knowledge of the single mutants, providing an avenue for identifying and quantifying epistatic interactions.

Abstract Fermentation products released by the gut microbiota provide energy and important regulatory functions to the host. Yet, little quantitative information is available on the metabolite exchange between the microbiota and the human host, and thus the effective doses of fermentation products. Here, we introduce an integrative framework combining experimental characterization of major gut bacteria with a quantitative analysis of human digestive physiology to put numbers on this exchange and its dependence on diet and microbiota composition. From the complex carbohydrates fueling microbiota growth, we find most carbon ends up in fermentation products which are largely utilized by the host. This harvest of mixed fermentation products varies strongly with diet, from between 100-700 mmol/day within the US population to up to 1300 for the Hadza people of Tanzania. Accordingly, fermentation products cover between 2% and 12% of the daily energy demand of human hosts, substantially less than the 21±4% estimated for laboratory mice. In contrast, microbiota composition has little impact on the total daily harvest but determines the harvest of specific fermentation products. Butyrate, known for promoting epithelial health, shows the biggest variation. Our framework thus identifies and quantifies major factors driving the metabolic interactions and exchange of information between microbiota and host, crucial to mechanistically dissect the role of the microbiota in health and disease.

Summary The Human Impacts Database ( www.anthroponumbers.org ) is a curated searchable resource housing quantitative data relating to the diverse anthropogenic impacts on our planet, with topics ranging from sea level rise, to livestock populations, greenhouse gas emissions, fertilizer use, and beyond. Each entry in the database relates a quantitative value (or a time-series of values) along with clear referencing of the primary source, the method of measurement or estimation, an assessment of uncertainty, links to the underlying data, as well as a permanent identifier called an Human Impacts ID (“HuID”). While there are other databases that house some of these values, they are typically focused on a single topic area like energy usage or greenhouse gas emissions. The Human Impacts Database provides centralized access to quantitative information about the myriad ways in which humans impact the Earth, giving links to more specialized databases for interested readers. Here, we outline the structure of the database and describe our curation procedures. Finally, we use this database to generate a graphical summary of the current state of human impacts on the Earth, illustrating both their numerical values and their dense interconnections. The Bigger Picture Over the last 10,000 years, human activities have transformed the Earth through farming, forestry, mining and industry. The complex results of these activities are now observed and quantified as “human impacts” on Earth’s atmosphere, oceans, biosphere and geochemistry. While myriad studies have explored facets of human impacts on the planet, they are necessarily technical and often tightly-focused. Thus, finding reliable quantitative information requires a significant investment of time to assess each quantity, its methods of determination, and associated uncertainty. We present the Human Impacts Database ( www.anthroponumbers.org ), which houses a diverse array of such quantities. We review a subset of these values and how they help build intuition for understanding the Earth-human system. While collation alone does not tell us how to best ameliorate human impacts, we contend that any future plans should be made in light of a quantitative understanding of the interconnected ways in which humans impact the planet.