Programming circuitry for synthetic biology As synthetic biology techniques become more powerful, researchers are anticipating a future in which the design of biological circuits will be similar to the design of integrated circuits in electronics. Nielsen et al. describe what is essentially a programming language to design computational circuits in living cells. The circuits generated on plasmids expressed in Escherichia coli required careful insulation from their genetic context, but primarily functioned as specified. The circuits could, for example, regulate cellular functions in response to multiple environmental signals. Such a strategy can facilitate the development of more complex circuits by genetic engineering. Science , this issue p. 10.1126/science.aac7341

A technique is described for the measurement of fluid temperatures in microfluidic systems based on temperature-dependent fluorescence. The technique is easy to implement with a standard fluorescence microscope and CCD camera. In addition, the method can be used to measure fluid temperatures with micrometer spatial resolution and millisecond time resolution. The efficacy of the method is demonstrated by measuring temperature distributions resulting from Joule heating in a variety of microfluidic circuits that are electrokinetically pumped. With the equipment used for these measurements, fluid temperatures ranging from room temperature to 90 degrees C were measured with a precision ranging from 0.03 to 3.5 degrees C-dependent on the amount of signal averaging done. The spatial and temporal resolutions achieved were 1 microm and 33 ms, respectively.

A preformed T-microchannel imprinted in polycarbonate was postmodified with a pulsed UV excimer laser (KrF, 248 nm) to create a series of slanted wells at the junction. The presence of the wells leads to a high degree of lateral transport within the channel and rapid mixing of two confluent streams undergoing electroosmotic flow. Several mixer designs were fabricated and investigated. All designs were relatively successful at low flow rates (0.06 cm/s, ≥75% mixing), but had varying degrees of success at high flow rates (0.81 cm/s, 45−80% mixing). For example, one design operating at high flow rates was able to split an incoming fluorescent stream into two streams of varying concentrations depending on the number of slanted wells present. The final mixer design was able to overcome stream splitting at high flow rates, and it was shown that the two incoming streams were 80% mixed within 443 μm of the T-junction for a flow rate of 0.81 cm/s. Without the presence of the mixer and at the same high flow rate, a channel length of 2.3 cm would be required to achieve the same extent of mixing when relying upon molecular diffusion entirely, while 6.9 cm would be required for 99% mixing.

Research Article| March 01, 2007 Shale gas potential of the Lower Jurassic Gordondale Member, northeastern British Columbia, Canada Daniel J.K. Ross; Daniel J.K. Ross Department of Geological Sciences, University of British Columbia, 6339 Stores Road, Vancouver, BC V6T 1Z4, dross@eos.ubc.ca Search for other works by this author on: GSW Google Scholar R. Marc Bustin R. Marc Bustin Department of Geological Sciences, University of British Columbia, 6339 Stores Road, Vancouver, BC V6T 1Z4 Search for other works by this author on: GSW Google Scholar Author and Article Information Daniel J.K. Ross Department of Geological Sciences, University of British Columbia, 6339 Stores Road, Vancouver, BC V6T 1Z4, dross@eos.ubc.ca R. Marc Bustin Department of Geological Sciences, University of British Columbia, 6339 Stores Road, Vancouver, BC V6T 1Z4 Publisher: Canadian Society of Petroleum Geologists Received: 27 Sep 2006 Accepted: 15 Dec 2006 First Online: 02 Mar 2017 Online ISSN: 2368-0261 Print ISSN: 0007-4802 © The Society of Canadian Petroleum Geologists Bulletin of Canadian Petroleum Geology (2007) 55 (1): 51–75. https://doi.org/10.2113/gscpgbull.55.1.51 Article history Received: 27 Sep 2006 Accepted: 15 Dec 2006 First Online: 02 Mar 2017 Cite View This Citation Add to Citation Manager Share Icon Share Facebook Twitter LinkedIn MailTo Tools Icon Tools Get Permissions Search Site Citation Daniel J.K. Ross, R. Marc Bustin; Shale gas potential of the Lower Jurassic Gordondale Member, northeastern British Columbia, Canada. Bulletin of Canadian Petroleum Geology 2007;; 55 (1): 51–75. doi: https://doi.org/10.2113/gscpgbull.55.1.51 Download citation file: Ris (Zotero) Refmanager EasyBib Bookends Mendeley Papers EndNote RefWorks BibTex toolbar search Search Dropdown Menu toolbar search search input Search input auto suggest filter your search All ContentBy SocietyBulletin of Canadian Petroleum Geology Search Advanced Search Abstract The Lower Jurassic Gordondale Member is an organic-rich mudrock and is widely considered to have potential as a shale gas reservoir. Influences of Gordondale mudrock composition on total gas capacities (sorbed and free gas) have been determined to assess the shale gas resource potential of strata in the Peace River district, northeastern British Columbia. Sorbed gas capacities of moisture-equilibrated samples increase over a range of 0.5 to 12 weight percent total organic carbon content (TOC). Methane adsorption capacities range from 0.05 cc/g to over 2 cc/g in organic-rich zones (at 6 MPa and 30°C). Sorption capacities of mudrocks under dry conditions are greater than moisture equilibrated conditions due to water occupation of potential sorption sites. However, there is no consistent decrease of sorption capacity with increasing moisture as the relationship is masked by both the amount of organic matter and thermal maturation level. Clays also affect total gas capacities in as much as clay-rich mudrocks have high porosity which may be available for free gas. Gordondale samples enriched with carbonate (calcite and dolomite) typically have lower total porosities than carbonate-poor rocks and hence have lower potential free gas contents.On a regional reservoir scale, a large proportion of the Gordondale total gas capacity is free gas storage (intergranular porosity), ranging from 0.1–22 Bcf/section (0.003–0.66 m3/section). Total gas-in-place capacity ranges from 1–31.4 Bcf/ section (0.03–0.94 m3/section). The greatest potential for gas production is in the south of the study area (93-P) due to higher thermal maturity, TOC enrichment, higher reservoir pressure, greater unit thickness and improved fracture-potential. You do not have access to this content, please speak to your institutional administrator if you feel you should have access.

Abstract Large-scale measurements linking genetic background to biological function have driven a need for models that can incorporate these data for reliable predictions and insight into the underlying biochemical system. Recent modeling efforts, however, prioritize predictive accuracy at the expense of model interpretability. Here, we present LANTERN ( https://github.com/usnistgov/lantern ), a hierarchical Bayesian model that distills genotype-phenotype landscape (GPL) measurements into a low-dimensional feature-space that represents the fundamental biological mechanisms of the system while also enabling straightforward, explainable predictions. Across a benchmark of large-scale datasets, LANTERN equals or outperforms all alternative approaches, including deep neural networks. LANTERN furthermore extracts useful insights into the landscape including its inherent dimensionality, a latent space of additive mutational effects, and novel metrics of landscape structure. LANTERN facilitates straightforward discovery of fundamental mechanisms in GPLs, while also reliably extrapolating to unexplored regions of genotypic-space.

Abstract Allostery is a fundamental biophysical mechanism that underlies cellular sensing, signaling, and metabolism. Quantitative methods to characterize the genotype-phenotype relationships for allosteric proteins would provide data needed to improve engineering of biological systems, to uncover the role of allosteric mis-regulation in disease, and to develop allosterically targeted drugs 1 . Here we report the large-scale measurement of the genotype-phenotype landscape for an allosteric protein: the lac repressor from Escherichia coli , LacI. Using a method that combines long-read and short-read DNA sequencing, we quantitatively determine the dose-response curves for nearly 10 5 variants of the LacI sensor. With the resulting data, we train a deep neural network (DNN) capable of predicting the dose-response curves for additional LacI genotypes in silico. We then map the impact of amino acid substitutions on the allosteric function of LacI. Additionally, we demonstrate engineering of allosteric function with unprecedented accuracy by identifying LacI variants from the measured landscape with quantitatively specified dose-response curves. Finally, we discover sensors with previously unreported band-stop dose-response curves. Overall, our results provide the first high-coverage, quantitative view of genotype-phenotype relationships for an allosteric protein, revealing a surprising diversity of phenotypes and showing that each phenotype is accessible via multiple distinct genotypes.

Abstract Abstract Figure Prokaryotic transcription factors can be repurposed into biosensors for the ligand-inducible control of gene expression, but the landscape of chemical ligands for which biosensors exist is extremely limited. To expand this landscape, we developed Ligify, a web application that leverages information in enzyme reaction databases to predict transcription factors that may be responsive to user-defined chemicals. Candidate transcription factors are then incorporated into automatically generated plasmid sequences that are designed to express GFP in response to the target chemical. Our benchmarking analyses demonstrated that Ligify correctly predicted 31/100 previously validated biosensors, and highlighted strategies for further improvement. We then used Ligify to build a panel of genetic circuits that could induce a 47-fold, 5-fold, 9-fold, and 27-fold change in fluorescence in response to D-ribose, L-sorbose, isoeugenol, and 4-vinylphenol, respectively. Ligify should enhance the ability of researchers to quickly develop biosensors for an expanded range of chemicals, and is publicly available at https://ligify.streamlit.app .

Abstract As synthetic biology expands and accelerates into real-world applications, methods for quantitatively and precisely engineering biological function become increasingly relevant. This is particularly true for applications that require programmed sensing to dynamically regulate gene expression in response to stimuli. However, few methods have been described that can engineer biological sensing with any level of quantitative precision. Here, we present two complementary methods for precision engineering of genetic sensors: in silico selection and machine-learning-enabled forward engineering. Both methods use a large-scale genotype-phenotype dataset to identify DNA sequences that encode sensors with quantitatively specified dose response. First, we show that in silico selection can be used to engineer sensors with a wide range of dose-response curves. To demonstrate in silico selection for precise, multi-objective engineering, we simultaneously tune a genetic sensor’s sensitivity ( EC 50 ) and saturating output to meet quantitative specifications. In addition, we engineer sensors with inverted dose-response and specified EC 50 . Second, we demonstrate a machine-learning-enabled approach to predictively engineer genetic sensors with mutation combinations that are not present in the large-scale dataset. We show that the interpretable machine learning results can be combined with a biophysical model to engineer sensors with improved inverted dose-response curves.

Engineering useful functions into cells is one of the primary goals of synthetic biology. However, engineering novel functions that remain stable for multiple generations remains a significant challenge. Here we report the importance of host fitness on the stability of an engineered function. We find that the initial fitness of the host cell affects the stability of the engineered function. We demonstrate that adapting a strain to the intended growth condition increases fitness and in turn improves the stability of the engineered function over hundreds of generations. This approach offers a simple and effective method to increase the stability of engineered functions without genomic modification or additional engineering and will be useful in improving the stability of novel, engineered functions in living cells.

Prokaryotic transcription factors can be repurposed into biosensors for the ligand-inducible control of gene expression, but the landscape of chemical ligands for which biosensors exist is extremely limited. To expand this landscape, we developed Ligify, a web application that leverages information in enzyme reaction databases to predict transcription factors that may be responsive to user-defined chemicals. Candidate transcription factors are then incorporated into automatically generated plasmid sequences that are designed to express GFP in response to the target chemical. Our benchmarking analyses demonstrated that Ligify correctly predicted 31/100 previously validated biosensors and highlighted strategies for further improvement. We then used Ligify to build a panel of genetic circuits that could induce a 47-fold, 5-fold, 9-fold, and 27-fold change in fluorescence in response to D-ribose, L-sorbose, isoeugenol, and 4-vinylphenol, respectively. Ligify should enhance the ability of researchers to quickly develop biosensors for an expanded range of chemicals and is publicly available at https://ligify.groov.bio.