Summary Directed evolution is a powerful method to optimize proteins and metabolic reactions towards user-defined goals. It usually involves subjecting genes or pathways to iterative rounds of mutagenesis, selection, and amplification. While powerful, systematic searches through large sequence-spaces is a labor-intensive task, and can be further limited by a priori knowledge about the optimal initial search space, and/or limits in terms of screening throughput. Here we demonstrate an integrated directed evolution workflow for metabolic pathway enzymes that continuously generates enzyme variants using the recently developed orthogonal replication system, OrthoRep, and screens for optimal performance in high-throughput using a transcription factor-based biosensor. We demonstrate the strengths of this workflow by evolving a ratelimiting enzymatic reaction of the biosynthetic pathway for cis , cis -muconic acid (CCM), a precursor used for bioplastic and coatings, in Saccharomyces cerevisiae . After two weeks of simply iterating between passaging of cells to generate variant enzymes via OrthoRep and high-throughput sorting of best-performing variants using a transcription factor-based biosensor for CCM, we ultimately identified variant enzymes improving CCM titers >13-fold compared to reference enzymes. Taken together, the combination of synthetic biology tools as adopted in this study, is an efficient approach to debottleneck repetitive workflows associated with directed evolution of metabolic enzymes.

Abstract Multiparametric phenotypic screening of cells, for example assessing their responses to small molecules or knockdown/knockout of specific genes, is a powerful approach to understanding cellular systems and identifying potential new therapeutic strategies. However, automated tools for analyzing similarities and differences between a large number of tested conditions have not been readily available. Methods designed for clustering cells cannot identify differences between samples effectively. We introduce compa R e for ultra-fast and robust analysis of multiparametric high-throughput screening. Applying a mass-aware gridding algorithm using hypercubes, compa R e performs automatic and effective similarity comparison for hundreds to thousands of tests and provides information about the treatment effect. Particularly for screening data, compa R e is equipped with modules to remove various sources of bias. Benchmarking tests show that compa R e can circumvent batch effects and perform a similarity analysis substantially faster than conventional analysis tools. Applying compa R e to high-throughput flow cytometry screening data, we were able to distinguish subtle phenotypic drug responses in a human sample and a genetically engineered mouse model with acute myeloid leukemia (AML). compa R e revealed groups of drugs with similar responses even though their mechanisms are distinct from each other. In another screening, compa R e effectively circumvented batch effects and grouped samples from AML and myelodysplastic syndrome (MDS) patients using clinical flow cytometry data.

Allosteric transcription factors (aTFs) have proven widely applicable for biotechnology and synthetic biology as ligand-specific biosensors enabling real-time monitoring, selection and regulation of cellular metabolism. However, both the biosensor specificity and the correlation between ligand concentration and biosensor output signal, also known as the transfer function, often needs to be optimized before meeting application needs. Here, we present a versatile and high-throughput method to evolve and functionalize prokaryotic aTF specificity and transfer functions in a eukaryote chassis, namely baker's yeast Saccharomyces cerevisiae. From a single round of directed evolution of the effector-binding domain (EBD) coupled with various toggled selection regimes, we robustly select aTF variants of the cis, cis-muconic acid-inducible transcription factor BenM evolved for change in ligand specificity, increased dynamic output range, shifts in operational range, and a complete inversion of function from activation to repression. Importantly, by targeting only the EBD, the evolved biosensors display DNA-binding affinities similar to BenM, and are functional when ported back into a non-native prokaryote chassis. The developed platform technology thus leverages aTF evolvability for the development of new host-agnostic biosensors with user-defined small-molecule specificities and transfer functions.

Abstract Engineering living cells for production of chemicals, enzymes and therapeutics can burden cells due to use of limited native co-factor availability and/or expression burdens, totalling a fitness deficit compared to parental cells encoded through long evolutionary trajectories to maximise fitness. Ultimately, this discrepancy puts a selective pressure against fitness-burdened engineered cells under prolonged bioprocesses, and potentially leads to complete eradication of high-performing engineered cells at the population level. Here we present the mutation landscapes of fitness-burdened yeast cells engineered for vanillin-β-glucoside production. Next, we design synthetic control circuits based on transcriptome analysis and biosensors responsive to vanillin-β-glucoside pathway intermediates in order to stabilize vanillin-β-glucoside production over ∼55 generations in sequential passage experiments. Furthermore, using biosensors with two different modes of action we identify control circuits linking vanillin-β-glucoside pathway flux to various essential cellular functions, and demonstrate control circuits robustness and 92% higher vanillin-β-glucoside production, including 5-fold increase in total vanillin-β-glucoside pathway metabolite accumulation, in a fed-batch fermentation compared to vanillin-β-glucoside producing cells without control circuits.