Challenges and advances in biotechnology for trees and forests

Coming soon to a forest near youThe Marcus Wallenberg Prize Symposium

27 October 2017Stockholm, Sweden

Ronald SederoffJack Wang, and Vincent ChiangNorth Carolina State University

What gene technology means for the future of forest trees

• Directed modification of wood properties• Accelerated breeding and domestication by genomic selection

• Improved bioenergy and biofuel feedstocks• Manipulation of dominant species of ecosystems

• Reduction of threats from climate change

Barriers to progressPublic opposition (30 years since first GM 

tree, but limited deployment)• Fundamental information missing, e.g. epigenetics, what makes a tree, a tree, etc.

• Transformation and regeneration technology not  yet adequate for many species.

Modification of wood properties• Wood is one of the worlds’ most important raw materials. 

• It will become increasingly difficult to obtain wood as needed for solid wood, fuel and fiber.

• It will also become increasingly difficult to conserve biodiversity, maintain ecosystems, maintain our water supply, and at the same time, provide food and land for an increasing population.

Trees are in the earliest stages of domestication

• Selecting or modifying clones could lead to greater efficiencies or specialized products.

• Greater yields of specialized trees would allow growth of more wood on less land.

• Climate change reduces biodiversity• One strategy is to modify wood for specific processing or end uses.

• One major target has been modification of lignin.

Lignin is a major component of the wood cell wall

Cellulose is the major component of the wood cell wall, about 45% 

Lignin is 25 to 30 %

Hemicelluloses(e.g. xylans, or mannans) about 25%

Extractives 3%

From Cote From Lloyd and Donaldson

Conifer wood

More About Lignin

• Lignin affects wood cell wall structure, plant growth, defense and stress responses.

• Understanding lignin has practical value for utilization, processing and modification of wood.

• Lignin has important ecological and evolutionary roles for soils, forests and the atmosphere. 

The “take home lessons” Lignin precursor biosynthesis is a strong predictor of wood properties in Populustrichocarpa

Variation in lignin content and composition has unexpected effects on chemical and physical properties of wood and can account for a large fraction of the variation for some traits.

Wang, J.P. et al. Improving wood properties for wood utilization through multi-omic integration in lignin biosynthesis. Submitted.

Jack Wang Vincent Chiang

It is now possible to predict and modify the expression of any monolignol gene or combination of genes, to optimize the effect on tree growth, wood density, mechanical strength, and efficiency of saccharification.

Monolignol biosynthesis in Populus trichocarpa21 core genes, 37 enzymatic steps, 24 metabolites, 

three monolignol products 

Vincent Chiang

Populus trichocarpa

A systems approach to monolignol biosynthesis(Think like a chemical engineer)

Objective: Construct a predictive  mathematical model– Clone each of 21 functional gene models: GENOMICS– Characterize each enzyme, kinetic and inhibition parameters: 

ENZYMOLOGY– Quantitate: transcript, protein, metabolite, lignin : BIOCHEMISTRY– Verify with multilevel transgenic suppression: TRANSGENIC 

VERIFICATION– QUANTITATION of  transgenics by RNA seq; proteomics, enzyme 

activity, metabolites, lignin linkages.– Use statistics and computational tools MULTIVARIATE ANALYSIS– SYSTEMS MODELING

Ron SederoffForest Biotech

Vincent ChiangForest Biotech

John Ralph Wisc/Biochemistry

Cranos WilliamsComputer Eng

Joel DucosteCivil Eng

David MuddimanChemistry

Fikret IsikTree Breeding

Hou‐min ChangWood and Paper Sci

Understanding complexity requires mathematical models

The lignin biosynthetic pathway is sufficiently complex that its response to variation is not intuitive. A mathematical model is required to predict its behavior.

Predicting  behavior requires identification of components, quantitative abundance estimates and evidence for quantitative response variation. 

The model

• We have created an integrated mathematical model based on 84 equations, biochemical quantification of intermediates and ~ 2000 transgenic plants, perturbed in each gene of the monolignol biosynthetic pathway.

Jack Wang

Activity and inhibition constants for 207 kinetic parameters

Wang et al. 2014 Plant Cell.

(Whittman et al., 2009 BMC Systems Biology 2009, 3:98)

Ordinary differential equations (ODEs) can describe the quantitative responses of individual steps in a simple model.

Modeling individual stepsOrdinary differential equations (ODEs)can describe the quantitative responsesof individual steps in a simple model.

Some things I did not tell you• Laser capture microdissection and RNAseqwere used to establish which genes were expressed in the same cell types.

• For some proteins, post translational modificationsmay have a regulatory role – (e.g. OMT is turned off by phosphorylation).

Some protein‐protein interactions have been incorporated into the model.

• Off target effects suggest a higher level of regulation.

Predictive Kinetic Metabolic Flux (PKMF) model  of monolignol biosynthesis in P. trichocarpa

From Jack Wang and Punith NaikWang, Naik, et al. Plant Cell 2014  

Jack Wang

Punith Niak

Extending the model to the genome

Each transcript produces about 104 molecules of protein. The efficiency of translation is known for each protein.

Putting it all together

• 84 equations link the monolignol genes, proteins, fluxes and metabolites to wood properties.

• Therefore, it is possible to predict the effect of increasing or decreasing the expression of any gene on many chemical and physical properties of wood.

How is this useful?

• Equations  may guide strategic engineering of wood properties.

• Correlate lignin products with wood properties, such as saccharification, density or mechanical strength.

• Some conclusions are unexpected.• Can design wood properties from single gene or combinations of gene perturbations.

• Multiple predicted properties can be optimized. 

A few inferences• For every 1% reduction in lignin, carbohydrate increases 0.8%

• Plant growth can be independent of lignin content.

• Stiffness of wood is substantially affected by lignin subunits. Reduced lignin reduces stiffness.

• Wood density and stiffness are positively correlated.

• Lignin reduction can greatly increase saccharification efficiency of wood with or without pretreatment. 

Wang et al. submitted

What is missing?

• Are all components accounted for?• What about transport, storage and polymerization?

• Are all interactions represented?• Regulation by transcription factors • How general is the model?• What was the evolution of the pathway?• How did it get to be that way?

Lignin, the videogame

• Start with a mathematical model of all steps in the pathway.

• Construct an interactive  computer program including  all components. 

• Manipulate the amounts of any component 

• Predict the metabolic products, and the structure of the resulting lignin polymer for specific lignin properties.

Systems biology for forest trees

Cells and organisms are machines that can be described by predictive mathematical models.

New tools are needed to acquire the information in a shorter time.  What we now know took the greater part of a decade and many talented people (~51).

Is it “high input, low output”?  Yes, somewhat, but it is necessary.

AcknowledgmentsChemistry, NCSU

David MuddimanChris ShufordPhillip LosiukAngelito NepomucinoZhichang YangEmine Gokce

Engineering, NCSUCranos WilliamsJoel DucosteMegan MathewsJina SongPunith Naik

Biochemistry, WisconsinJohn RalphHoon Kim

Michigan TechHairong WeiSapna Kumari

Forest Biomaterials, NCSU Hou-min ChangEwellyn CapanemaIlona PeszlenZach MillerCharles Edmunds

Forestry, NCSUFikret Isik

Forest Biotech NCSUVincent L. ChiangRonald SederoffJack P. Wang Ying‐Chung Lin, Ying‐Hsuan Sun Chien‐Yuan Lin Hsi‐Chuan Chen Quanzi Li Rui Shi Jie LiuSermsawatTunlaya‐AnukitWei LiHao ChenShanfa LuChenmin YangTing‐Feng YehChris SmithChangcao PengPeng ShuaiJidong LiLing ChuangBingyu ZhangYung‐Yun Huang

National Taiwan UniversityMao-Ju Chang

Chinese Academy of Medical Sciences

Jingyuan Song

NE Forestry University, HarbinGuanzheng QuYi Sun

National Bioenergy Center COErica GjersingTodd ShollenbergerMark Davis

Beihua UniversityBao-Guang Liu

Tack så mycket