ABSTRACT Adaptive Laboratory Evolution (ALE) of microbes can improve the efficiency of sustainable industrial processes important to the global economy, but chance and genetic background effects often lead to suboptimal outcomes. Here we report an ALE platform to circumvent these flaws through parallelized clonal evolution at an unprecedented scale. Using this platform, we clonally evolved 10 ^4 yeast populations in parallel from many strains for eight desired wine production traits. Expansions of both ALE replicates and lineage numbers broadened the evolutionary search spectrum and increased the chances of evolving improved wine yeasts unencumbered by unwanted side effects. ALE gains often coincided with distinct aneuploidies and the emergence of semi-predictable side effects that were characteristic of each selection niche. Many high performing ALE strains retained their desired traits upon transfer to industrial conditions and produced high quality wine. Overall, our ALE platform brings evolutionary engineering into the realm of high throughput science and opens opportunities for rapidly optimizing microbes for use in many industrial sectors which otherwise could take many years to accomplish.

Abstract Traits lacking fitness benefit cannot be directly selected for under Darwinian evolution. Thus, features such as metabolite secretion are currently inaccessible to adaptive laboratory evolution. Here, we utilize environment-dependency of trait correlations to enable Darwinian selection of fitness-neutral or costly traits. We use metabolic models to design selection niches and to identify surrogate traits that are genetically correlated with cell fitness in the selection niche but coupled to the desired trait in the target niche. Adaptive evolution in the selection niche and subsequent return to the target niche is thereby predicted to enhance the desired trait. We experimentally validate the theory by evolving Saccharomyces cerevisiae for increased secretion of aroma compounds in wine fermentation. Genomic, transcriptomic, and proteomic changes in the evolved strains confirmed the predicted flux re-routing to aroma biosynthesis. The use of model-designed selection niches facilitates the predictive evolution of fitness-costly traits for ecological and biotechnological applications.

Abstract Adaptive Laboratory Evolution (ALE) of microorganisms can improve the efficiency of sustainable industrial processes important to the global economy. However, stochasticity and genetic background effects often lead to suboptimal outcomes during laboratory evolution. Here we report an ALE platform to circumvent these shortcomings through parallelized clonal evolution at an unprecedented scale. Using this platform, we evolved 10 4 yeast populations in parallel from many strains for eight desired wine fermentation-related traits. Expansions of both ALE replicates and lineage numbers broadened the evolutionary search spectrum leading to improved wine yeasts unencumbered by unwanted side effects. At the genomic level, evolutionary gains in metabolic characteristics often coincided with distinct chromosome amplifications and the emergence of side-effect syndromes that were characteristic of each selection niche. Several high-performing ALE strains exhibited desired wine fermentation kinetics when tested in larger liquid cultures, supporting their suitability for application. More broadly, our high-throughput ALE platform opens opportunities for rapid optimization of microbes which otherwise could take many years to accomplish.