Abstract Cell-free gene expression systems have emerged as a promising platform for field-deployed biosensing and diagnostics. When combined with programmable toehold switch-based RNA sensors, these systems can be used to detect arbitrary RNAs and freeze-dried for room temperature transport to the point-of-need. These sensors, however, have been implemented using reconstituted PURE cell-free protein expression systems that are difficult to source in the Global South due to their high commercial cost and cold-chain shipping requirements. Here, we describe the implementation of RNA toehold switch-based sensors using E. coli cell lysate-based cell-free protein expression systems, which can be produced locally and reduce the cost of sensors by two orders of magnitude. We then demonstrate that these in-house cell lysates provide sensor performance comparable to commercial PURE cell-free systems. We further optimize use of these lysates with a CRISPRi strategy to enhance the stability of linear DNAs, enabling the direct use of PCR products for fast screening of new designs. As a proof-of-concept, we develop novel toehold sensors for the plant pathogen Potato Virus Y (PVY), which dramatically reduces the yield of this important staple crop. The local implementation of low-cost cell-free toehold sensors could enable biosensing capacity at the regional level and lead to more decentralized models for global surveillance of infectious disease.

Abstract Open Educational Resources (OER), freely accessible learning, teaching and research materials, have been proposed as key enabling tools to achieve inclusive knowledge societies and equitable access to education. Here, we describe novel OER consisting of low cost and locally produced public domain biological reagents, open source hardware and free software collaborative notebooks to teach LAMP DNA amplification, RT-PCR RNA detection, enzyme kinetics and fluorescence imaging. These resources have been distributed nationwide to students’ homes as a lab-in-a-box, i.e. remote teaching during the pandemic lockdowns, as well as in the form of personalized learning environments during in-person teaching after the opening of teaching laboratories. All the protocols and design files are available under open source licenses.

Genetic circuit design requires characterisation of the dynamics of synthetic gene expression. This is a difficult problem since gene expression varies in complex ways over time and across different contexts. Here we present a novel method for characterising the dynamics of gene expression with a few parameters that account for changes in cellular context (host cell physiology) and compositional context (adjacent genes). The dynamics of gene circuits were characterised by a trajectory through a multi-dimensional phase space parameterised by the expression levels of each of their constituent transcriptional units (TU). These trajectories followed piecewise linear dynamics, with each dynamical regime corresponding to different growth regimes, or cellular contexts. Thus relative expression rates were changed by transitions between growth regimes, but were constant in each regime. We present a plausible two-factor mathematical model for this behaviour based on resource consumption. By analyzing different combinations of TUs, we then showed that relative expression rates were significantly affected by the neighboring TU (compositional context), but maintained piecewise linear dynamics across cellular and compositional contexts. Taken together these results show that TU expression dynamics can be predicted by a reference TU up to a context dependent scaling factor. This model provides a framework for design of genetic circuits composed of TUs. A common sharable reference TU may be chosen and measured in the cellular contexts of interest. The output of each TU in the circuit may then be predicted by the output of the reference TU in the given cellular context scaled by a characteristic parameter. This will aid in genetic circuit design by providing simple models for the dynamics of gene circuits and their constituent TUs.

Standardised Type IIS DNA assembly methods are becoming essential for biological engineering and research. Although a ‘common syntax’ has been proposed to enable higher interoperability between DNA libraries, Golden Gate (GG)-based assembly systems remain specific to target organisms. Furthermore, these GG assembly systems become laborious and unnecessarily complicated beyond the assembly of 4 transcriptional units. Here, we describe “universal Loop” (uLoop) assembly, a simple system based on Loop assembly that enables hierarchical fabrication of large DNA constructs (> 30 kb) for any organism of choice. uLoop comprises two sets of four plasmids that are iteratively used as odd and even levels to compile DNA elements in an exponential manner (4n-1). The elements required for transformation/maintenance in target organisms are also assembled as standardised parts, enabling customisation of host-specific plasmids. Thus, this species-agnostic method decouples efficiency of assembly from the stability of vectors in the target organism. As a proof-of-concept, we show the engineering of multi-gene expression vectors in diatoms, yeast, plants and bacteria. These resources will become available through the OpenMTA for unrestricted sharing and open-access.![Figure][1] [1]: pending:yes

Diverse microbial ecosystems underpin life in the sea. Among these microbes are many unicellular eukaryotes that span the diversity of the eukaryotic tree of life. However, genetic tractability has been limited to a few species, which do not represent eukaryotic diversity or environmentally relevant taxa. Here, we report on the development of genetic tools in a range of protists primarily from marine environments. We present evidence for foreign DNA delivery and expression in 13 species never before transformed and advancement of tools for 8 other species, as well as potential reasons for why transformation of yet another 17 species tested was not achieved. Our resource in genetic manipulation will provide insights into the ancestral eukaryotic lifeforms, general eukaryote cell biology, protein diversification and the evolution of cellular pathways.

Abstract Characterization is fundamental to the design, build, test, learn (DBTL) cycle for engineering synthetic genetic circuits. Components must be described in such a way as to account for their behavior in a range of contexts. Measurements and associated metadata, including part composition, constitute the test phase of the DBTL cycle. These data may consist of measurements of thousands of circuits, measured in hundreds of conditions, in multiple assays potentially performed in different labs and using different techniques. In order to inform the learn phase this large volume of data must be filtered, collated, and analyzed. Characterization consists of using this data to parameterize models of component function in different contexts, and combining them to predict behaviors of novel circuits. Tools to store, organize, share, and analyze large volumes of measurement and metadata are therefore essential to linking the test phase to the build and learn phases, closing the loop of the DBTL cycle. Here we present such a system, implemented as a web app with a backend data registry and analysis engine. An interactive frontend provides powerful querying, plotting and analysis tools, and we provide a REST API and Python package for full integration with external build and learn software. All measurements are associated to circuit part composition via SBOL. We demonstrate our tool by characterizing a range of genetic components and circuits according to composition and context.