Many industrial chemicals that are produced from fossil resources could be manufactured more sustainably through fermentation. Here we describe the development of a carbon-negative fermentation route to producing the industrially important chemicals acetone and isopropanol from abundant, low-cost waste gas feedstocks, such as industrial emissions and syngas. Using a combinatorial pathway library approach, we first mined a historical industrial strain collection for superior enzymes that we used to engineer the autotrophic acetogen Clostridium autoethanogenum. Next, we used omics analysis, kinetic modeling and cell-free prototyping to optimize flux. Finally, we scaled-up our optimized strains for continuous production at rates of up to ~3 g/L/h and ~90% selectivity. Life cycle analysis confirmed a negative carbon footprint for the products. Unlike traditional production processes, which result in release of greenhouse gases, our process fixes carbon. These results show that engineered acetogens enable sustainable, high-efficiency, high-selectivity chemicals production. We expect that our approach can be readily adapted to a wide range of commodity chemicals.

Abstract Employing DNA as a high-density data storage medium has paved the way for next-generation digital storage and biosensing technologies. However, the multipart architecture of current DNA-based recording techniques renders them inherently slow and incapable of recording fluctuating signals with sub-hour frequencies. To address this limitation, we developed a simplified system employing a single enzyme, terminal deoxynucleotidyl transferase (TdT), to transduce environmental signals into DNA. TdT adds nucleotides to the 3’ ends of single-stranded DNA (ssDNA) in a template-independent manner, selecting bases according to inherent preferences and environmental conditions. By characterizing TdT nucleotide selectivity under different conditions, we show that TdT can encode various physiologically relevant signals like Co 2+ , Ca 2+ , Zn 2+ concentrations and temperature changes in vitro . Further, by considering the average rate of nucleotide incorporation, we show that the resulting ssDNA functions as a molecular ticker tape. With this method we accurately encode a temporal record of fluctuations in Co 2+ concentration to within 1 minute over a 60-minute period. Finally, we engineer TdT to allosterically turn off in the presence of physiologically relevant concentration of calcium. We use this engineered TdT in concert with a reference TdT to develop a two-polymerase system capable of recording a single step change in Ca 2+ signal to within 1 minute over a 60-minute period. This work expands the repertoire of DNA-based recording techniques by developing a novel DNA synthesis-based system that can record temporal environmental signals into DNA with minutes resolution.

Modern biological tools generate a wealth of data on metabolite and protein concentrations that can be used to help inform new strain designs. However, integrating these data sources to generate predictions of steady-state metabolism typically requires a kinetic description of the enzymatic reactions that occur within a cell. Parameterizing these kinetic models from biological data can be computationally difficult, especially as the amount of data increases. Robust methods must also be able to quantify the uncertainty in model parameters as a function of the available data, which can be particularly computationally intensive. The field of Bayesian inference offers a wide range of methods for estimating distributions in parameter uncertainty. However, these techniques are poorly suited to kinetic metabolic modeling due to the complex kinetic rate laws typically employed and the resulting dynamic system that must be solved. In this paper, we employ linear-logarithmic kinetics to simplify the calculation of steady-state flux distributions and enable efficient sampling and variational inference methods. We demonstrate that detailed information on the posterior distribution of kinetic model parameters can be obtained efficiently at a variety of different problem scales, including large-scale kinetic models trained on multiomics datasets. These results allow modern Bayesian machine learning tools to be leveraged in understanding biological data and developing new, efficient strain designs.

Recording biological signals can be difficult in three-dimensional matrices, such as tissue. We present a DNA polymerase-based strategy that records temporal biosignals locally onto DNA to be read out later, which could obviate the need to extract information from tissue on the fly. We use a template-independent DNA polymerase, terminal deoxynucleotidyl transferase (TdT) that probabilistically adds dNTPs to single-stranded DNA (ssDNA) substrates without a template. We show that in vitro , the dNTP-incorporation preference of TdT changes with the presence of Co2+, Ca2+, Zn2+ and temperature. Extracting the signal profile over time is possible by examining the dNTP incorporation preference along the length of synthesized ssDNA strands like a molecular ticker tape. We call this TdT-based untemplated recording of temporal local environmental signals (TURTLES). We show that we can determine the time of Co2+ addition to within two minutes over a 60-minute period. Further, TURTLES has the capability to record multiple fluctuations. We can estimate the rise and fall of an input Co2+ pulse to within three minutes. TURTLES has at least 200-fold better temporal resolution than all previous DNA-based recording techniques.

High resolution cellular signal encoding is critical for better understanding of complex biological phenomena. DNA-based biosignal encoders alter genomic or plasmid DNA in a signal dependent manner. Current approaches involve the signal of interest affecting a DNA edit by interacting with a signal specific promoter which then results in expression of the effector molecule (DNA altering enzyme). Here, we present the proof of concept of a biosignal encoding system where the enzyme terminal deoxynucleotidyl transferase (TdT) acts as the effector molecule upon directly interacting with the signal of interest. A template independent DNA polymerase (DNAp), TdT incorporates nucleotides at the 3' OH ends of DNA substrate in a signal dependent manner. By employing CRISPR-Cas9 to create double stranded breaks in genomic DNA, we make 3'OH ends available to act as substrate for TdT. We show that this system can successfully resolve and encode different concentrations of various biosignals into the genomic DNA of HEK-293T cells. Finally, we develop a simple encoding scheme associated with the tested biosignals and encode the message "HELLO WORLD" into the genomic DNA of HEK-293T cells at a population level with 91% accuracy. This work demonstrates a simple and engineerable system that can reliably store local biosignal information into the genomes of mammalian cell populations.