The explosive growth in our knowledge of genomes, proteomes, and metabolomes is driving ever-increasing fundamental understanding of the biochemistry of life, enabling qualitatively new studies of complex biological systems and their evolution. This knowledge also drives modern biotechnologies, such as molecular engineering and synthetic biology, which have enormous potential to address urgent problems, including developing potent new drugs and providing environmentally friendly energy. Many of these studies, however, are ultimately limited by their need for even-higher-throughput measurements of biochemical reactions. We present a general ultrahigh-throughput screening platform using drop-based microfluidics that overcomes these limitations and revolutionizes both the scale and speed of screening. We use aqueous drops dispersed in oil as picoliter-volume reaction vessels and screen them at rates of thousands per second. To demonstrate its power, we apply the system to directed evolution, identifying new mutants of the enzyme horseradish peroxidase exhibiting catalytic rates more than 10 times faster than their parent, which is already a very efficient enzyme. We exploit the ultrahigh throughput to use an initial purifying selection that removes inactive mutants; we identify ∼100 variants comparable in activity to the parent from an initial population of ∼10 7 . After a second generation of mutagenesis and high-stringency screening, we identify several significantly improved mutants, some approaching diffusion-limited efficiency. In total, we screen ∼10 8 individual enzyme reactions in only 10 h, using < 150 μL of total reagent volume; compared to state-of-the-art robotic screening systems, we perform the entire assay with a 1,000-fold increase in speed and a 1-million-fold reduction in cost.

We describe a highly efficient microfluidic fluorescence-activated droplet sorter (FADS) combining many of the advantages of microtitre-plate screening and traditional fluorescence-activated cell sorting (FACS). Single cells are compartmentalized in emulsion droplets, which can be sorted using dielectrophoresis in a fluorescence-activated manner (as in FACS) at rates up to 2000 droplets s−1. To validate the system, mixtures of E. colicells, expressing either the reporter enzyme β-galactosidase or an inactive variant, were compartmentalized with a fluorogenic substrate and sorted at rates of ∼300 droplets s−1. The false positive error rate of the sorter at this throughput was <1 in 104 droplets. Analysis of the sorted cells revealed that the primary limit to enrichment was the co-encapsulation of E. colicells, not sorting errors: a theoretical model based on the Poisson distribution accurately predicted the observed enrichment values using the starting cell density (cells per droplet) and the ratio of active to inactive cells. When the cells were encapsulated at low density (∼1 cell for every 50 droplets), sorting was very efficient and all of the recovered cells were the active strain. In addition, single active droplets were sorted and cells were successfully recovered.

We describe new developments for the controlled fabrication of monodisperse emulsions using microfluidics. We use glass capillary devices to generate single, double, and higher order emulsions with exceptional precision. These emulsions can serve as ideal templates for generating well-defined particles and functional vesicles. Polydimethylsiloxane microfluidic devices are also used to generate picoliter-scale water-in-oil emulsions at rates as high as 10 000 drops per second. These emulsions have great potential as individual microvessels in high-throughput screening applications, where each drop serves to encapsulate single cells, genes, or reactants.

Drops of water-in-fluorocarbon emulsions have great potential for compartmentalizing both in vitro and in vivo biological systems; however, surfactants to stabilize such emulsions are scarce. Here we present a novel class of fluorosurfactants that we synthesize by coupling oligomeric perfluorinated polyethers (PFPE) with polyethyleneglycol (PEG). We demonstrate that these block copolymer surfactants stabilize water-in-fluorocarbon oil emulsions during all necessary steps of a drop-based experiment including drop formation, incubation, and reinjection into a second microfluidic device. Furthermore, we show that aqueous drops stabilized with these surfactants can be used for in vitrotranslation (IVT), as well as encapsulation and incubation of single cells. The compatability of this emulsion system with both biological systems and polydimethylsiloxane (PDMS) microfluidic devices makes these surfactants ideal for a broad range of high-throughput, drop-based applications.

We use microfluidic devices to encapsulate, incubate, and manipulate individual cells in picoliter aqueous drops in a carrier fluid at rates of up to several hundred Hz. We use a modular approach with individual devices for each function, thereby significantly increasing the robustness of our system and making it highly flexible and adaptable to a variety of cell-based assays. The small volumes of the drops enables the concentrations of secreted molecules to rapidly attain detectable levels. We show that single hybridoma cells in 33 pL drops secrete detectable concentrations of antibodies in only 6 h and remain fully viable. These devices hold the promise of developing microfluidic cell cytometers and cell sorters with much greater functionality, allowing assays to be performed on individual cells in their own microenvironment prior to analysis and sorting.

Adding reagents to drops is one of the most important functions in droplet-based microfluidic systems; however, a robust technique to accomplish this does not exist. Here, we introduce the picoinjector, a robust device to add controlled volumes of reagent using electro-microfluidics at kilohertz rates. It can also perform multiple injections for serial and combinatorial additions.

A new microfluidic system makes it easy to identify rare cells that secrete or consume specific molecules Phenotyping single cells based on the products they secrete or consume is a key bottleneck in many biotechnology applications, such as combinatorial metabolic engineering for the overproduction of secreted metabolites. Here we present a flexible high-throughput approach that uses microfluidics to compartmentalize individual cells for growth and analysis in monodisperse nanoliter aqueous droplets surrounded by an immiscible fluorinated oil phase. We use this system to identify xylose-overconsuming Saccharomyces cerevisiae cells from a population containing one such cell per 104 cells and to screen a genomic library to identify multiple copies of the xylose isomerase gene as a genomic change contributing to high xylose consumption, a trait important for lignocellulosic feedstock utilization. We also enriched L-lactate–producing Escherichia coli clones 5,800× from a population containing one L-lactate producer per 104 D-lactate producers. Our approach has broad applications for single-cell analyses, such as in strain selection for the overproduction of fuels, chemicals and pharmaceuticals.

Optimizing enzymes to function in novel chemical environments is a central goal of synthetic biology with broad applications. In this work, we develop a technique for designing active and diverse libraries of protein variants by blending evolutionary information and experimental data from an ultra-high-throughput functional screen using machine learning (ML). We validate our methodology in a multi-round campaign to optimize the activity of NucB, a nuclease enzyme with applications in the treatment of chronic wounds. We compare our ML-guided campaign to parallel campaigns of in-vitro directed evolution (DE) and in-silico hit recombination (HR). The ML-guided campaign discovered hundreds of highly-active variants with up to 19-fold nuclease activity improvement, outperforming the 12-fold improvement discovered by DE, and outperforming HR in both hit rate and diversity. We also show that models trained on evolutionary data alone, without access to any experimental data, can design functional variants at a significantly higher rate than a traditional approach to initial library generation. To drive future progress in ML-guided enzyme design, we curate a dataset of 55K diverse variants, one of the most extensive genotype-phenotype enzyme activity landscapes to date. Data and code is available at: https://github.com/google-deepmind/nuclease_design.

ABSTRACT A restriction endonuclease (RE) is an enzyme that can recognize a specific DNA sequence and cleave that DNA into fragments with double-stranded breaks. This sequence-specific cleaving ability and its ease of use have made REs commonly used tools in molecular biology since their first isolation and characterization in 1970s. While artificial REs still face many challenges in large-scale synthesis and precise activity control for practical use, searching for new REs in natural samples remains a viable route for expanding the RE pool for fundamental research and industrial applications. In this paper, we propose a new strategy to search for REs in an efficient fashion. Briefly, we construct a host bacterial cell to link the RE genotype to the phenotype of β-galactosidase expression based on the bacterial SOS response, and use a high-throughput microfluidic platform to isolate, detect and sort the REs. We employ this strategy to screen for the XbaI gene from constructed libraries of varied sizes. In single round of sorting, a 30-fold target enrichment was obtained within 1 h. The direct screening approach we propose shows potential for efficient search of desirable REs in natural samples compared to the conventional RE-screening method, and is amenable to being adapted to high-throughput screening of other genotoxic targets.