Teorica1 ACL IG 2014

7/21/2019 Teorica1 ACL IG 2014

1/48

Biologa de sistemasmoleculares

Clase 1, 21 de octubre de 2014


2/48

Qu es un sistema?

2

Un conjunto de partes que

interactan entre s paraproducir una funcin

Ejemplo:

Una ruta de transduccin de sealeses un sistema compuesto por

subsistemas:

transmisin de la seal al ncleotranscripcin

traduccinejecucin de la respuesta

Las partes, a su vez, pueden

ser sistemas en s mismos

(subsistemas)

Sistema nerviosoSistema socialSistema legal

Sistema escolar

Cada objeto que la biologa estudia es un sistema de sistemas

, Francois Jacob 1974.


3/48

Qu es una funcin (en biologa)?

3

Funcin: es la respuesta a la pregunta del tipo:

Por qu existe un dado objeto o proceso en unsistema que evolucion por seleccin?

Mecanismo: es la respuesta a la pregunta del tipo:

Cmo opera un objeto o proceso?


4/48

Qu es una propiedad de sistema?Nuevas propiedades que surgen en el sistema como resultado de la

interaccin de sus componentes. Estas propiedades no son obvias alinspeccionar a las partes constituyentes

El significado de una oracin

Transmisin del sonido por un conjunto muygrande de molculas de aire

Tensin superficial: muchos puentes dehidrgeno entre molculas de agua

Osciladores bioqumicos/genticos

Potencial de accin

...

Vida

Fitness (xej: velocidad de crecimiento de unorganismo)

4


5/48

Biologa de sistemasPuede ser considerada desde varios ngulos:

5

1.Un paradigma diferente, en oposicion al clsico paradigma reduccionistade la biologa molecular.

"Systems biology...is about putting together rather than taking apart, integration rather than

reduction. It requires that we develop ways of thinking about integration that are asrigorous as our reductionist programmes, but different...." Denis Noble, en The music of

life: Biology beyond the genome, 2006.

Component thinking System thinking

2.Un campo de estudio: el estudio de las interacciones entre componentesbiolgicos y de cmo estos componentes dan lugar a la aparicin denuevas funciones y comportamientos.


6/48

Biologa de sistemasPuede ser considerada desde varios ngulos (cont):

3.Una serie de mtodos y protocolos operativos para hacer investigacin:

el ciclo entre modelado terico, analtico y/o computacional paraproponer hiptesis testeables seguido de validacin experimental

4.La aplicacin de la teora matemtica de sistemas dinmicos a la biologamolecular.

5.Como un fenmeno socio-cientfico definido como la estrategia de integrardatos complejos utilizando herramientas y personal interdisciplinario.

6


7/48

Biologa de sistemas

Estos varios ngulos ilustran el hecho de que la BSse refiere a un grupo de conceptos perifricamentesolapados ms que a un campo de investigacinclaramente delimitado


8/48

Las 4 patas de la biologa de sistemas

Datos moleculares enhigh-throuput.Las -OMICAS

Mediciones a nivel declulas individuales vivas

en tiempo real

biologa de

sistemas

Biofsica

Teora de sistemascomplejos

ymtodos de simulacin.


9/48

!" $%&'()*+ ,( "- &%.+)/-0&1% ,( "-*

20&(%0&-*3 4+/&0-*

9

Biologasde sistemas

Protemica(mass spec)

Metabolmica(mass spec)

Genmica

y Epigenmica

(secuenciacin

CHIPs, analsis demarcas

cromatnicas)

Transcriptmica

(microarrays, deepsec)

Interactmicafsica

(IP->mass spec, 2

hbridos)Interactmica

gentica(SGA, etc)


10/48

No es suficiente para

entender cmo vuelva elavin

?

Identificar todos los genes, las protenas ysus conecciones en un organismo es como

tener la lista completa de las partes y delplano de un avin.

Luego de la reduccin, la integracin

Estos diagramas de conecciones proveen un conocimiento limitado sobre cmo va aevolucionar un sistema en el tiempo cuando se altera alguna de sus partes, porejemplo.

Para comprender como funciona un sistema, debemos examinar cmo sus partes

interactan dinmicamente durante el funcionamiento.


11/48

El estudio de la biologa utilizando una combinacin de matemtica, computacin y

observacin experimental.

La biologa de sistemas postula que con ayuda de modelos matemticos se pueden capturar

y explicarlos comportamientos dinmicos que exhiben los procesos biolgicos, en los que en

general participan grupos relativamente numerosos de componentes interactuantes.

Estos modelos deben ser predictivosdel comportamiento del sistema natural, por ejemplo en

respuesta a perturbaciones definidas. Esto requiere la constante interaccin entre modelo y

observacin directa.

Pregunta: Predecir "comprender?

Biologa de sistemas (moleculares)

Biologa

Fsica

ComputacinQumica

MatemticaIngeniera

Un objetivo:obtener unconocimiento/comprensin cuantitativo de la

funcin biolgica de procesos (redes, sistemas)

gentico/bioqumicos.

Otro objetivo: abstraer/derivar reglas ms omenos simples que nos ayuden a comprender

cmo funcionan los sistemas biolgicos


12/48

Biologa de Sistemas (moleculares) Biologa de RedesFisiologa Molecular

Si bien se puede conocer la funcin de las protenas A - F en detalle, eso no es suciente pararevelar la funcin biolgica de la relacin INPUT -> OUTPUT

Un enfoque a nivel del sistema es necesario para revelar la funcin de la red

Por ejemplo, cul es la funcin de las interacciones (feedbacks y feedforwards loops) en elcontexto de la red como un todo?


13/48

Magritte


14/48

Temas tpicamente

considerados en BioSisMol

Procesos estocsticos

(ruido) y

distribuciones

Individualidad vspoblacin

Switches genticos y

bioqumicos vs

gradualidad

Robustez vs ajuste

fino

Transduccin de

seales

Motivos de redes

Transmisin de

informacin

Ritmos (x.ej.,

circadianos)

Quimiotaxis

Ciclo celular

Polarizacin

Desarrollo embrionario


15/48

El switch del fago The lysis-lysogeny decision is a genetic switch

Image by MIT OCW. After Ptashne, Mark. A genetic switch : phage lambda.3rded. Cold Spring Harbor, N.Y. :Cold Spring Harbor Laboratory Press, 2004.


16/48

Quimitaxis bacteriana

Tumble

Run

Sin atractante

Tumble

Run

Attractant

Con atractante


17/48

cmara lenta

cmara velocidad normal


18/48

Biologa de sistemas(mtodo, procedimiento operativo general)

16

Hiptesis terica,analtica, computacional

=> modelo => predicciones

Test/validacin

experimental

Rechazo/Refinamiento de

hiptesis => nuevo modelo=> nuevas predicciones

Datos/literatura/ideas pre-existentes

n-veces

Un aspecto importante de BS es relacionar la propiedad del sistema

en estudio con las propiedades moleculares de los componentes.


19/48

19

Modelos empricos vs. mecansticos

Independientes desupuestos previos.

Impulsados por los datos(data-driven)

Incorporan todo el conocimientoprevio, implican una descripcin

mecanstica del proceso

Empricos Mecansiticos

Input

Output


20/48

Modelos vs simulacionesModelar consiste en establecer las relaciones cuantitativas correctasentre

el sistema real a estudiar y el modelo de ese sistema. Usualmente involucracrear una representacin matemtica del sistema.

Ej: funcin exponencial para modelar el crecimiento de un cultivo

Simular consiste en implementar los modelos, en general usando una

computadora, para obtener los resultados que permitan comparar al modelocon el sistema real.

Grado de validez: hasta qu punto el modelo est de acuerdo con larealidad.

Validez replicativa: reproduce los datos existentes

Validez estructural: refleja el modo en que el sistema real funciona.

Validez predictiva: predice resultados que no fueron utilizados en la

construccin del modelo 16


21/48

Propsito de las simulaciones

Comprender el funcionamiento: abstraer reglas generales(simplificando)

Predecir el comportamiento del sistema en condiciones notesteadas ->modelo completo

Demostrar que un comportamiento es posible (feasability),aunque no necesariamente ocurra

Con modelos bien validados, se testean hiptesis (en vez dehacer los experimentos):

ahorrar tiempo y dinero

permite hacer experimentos in silico (secos) que no sonposibles de realizar (mojados)


22/48

Clases de simulacionesContnuas vs. discretas

Determinsticas vs. estocsticas vs. mixtas:

Determinsticas: todos los parmetros estn definidos deante mano y no hay azar.

Estocsticas: los parmetros o el momento en que ocurrenlos eventos se determinan al azar o mediante probabilidades

Estado estacionario vs dinmica

En biologa celular/molecular/fisiolgica hay de todas las combinaciones:Contnuo - determinstico - estacionario: ej: flujo metablicoDiscreto - estocstico - dinmico: ej: regulacin de la expresin gnica


23/48

Cuando uno hace un

modelo:Hay que tener en cuenta:

Las bases fsicas

El nivel de resolucin (atmico, molcula, clula,individuo)

Acorde al problema

Acorde a la exactitud que se pretende de losresultados

19


24/48

Quin debe hacer las

simulaciones?Computadores cientficos, matemticos, fsicos,qumicos o biolgos?

Respuesta: Un equipo multidisciplinario

20

l t d


25/48

Algunos casos tempranos debiologa de sistemas

20

1953 - Hodgkin & Huxley - Modelo del potencial de accin del axngigante del calamar.

1957 - Novick & Weiner - La induccin del operon lac es un fenmenotodo o nada.

1961 - Mitchells - Modelo quimio-osmtico de la sntesis de ATP

1981 - Koshland & Golbeter - Mecanismo terico de switch enzimtico deOrden Cero.

1982 - Groen et al - Demuestran que la teora de la enzima limitante noes general. Ejemplo: control de la velocidad de la respiracin mitocondrial.

1995 - Ferrel - Mecanismo del switch madurativo de los ovocitos deXenopus basado en ultrasensibilidad de las cascadas de kinasas +

retroalimentacin positiva


26/48

Nurse, Nature 2008

Life, logic and information


27/48

Del Rigor de la Ciencia...En aquel Imperio, el Arte de la Cartografa logr tal Perfeccinque el mapa de una sola Provincia ocupaba toda una Ciudad, y elmapa del Imperio, toda una Provincia. Con el tiempo, esos MapasDesmesurados no satisficieron y los Colegios de Cartgrafoslevantaron un Mapa del Imperio que tena el tamao del Imperio ycoincida puntualmente con l. Menos Adictas al Estudio de laCartografa, las Generaciones Siguientes entendieron que ese

dilatado Mapa era Intil y no sin Impiedad lo entregaron a lasInclemencias del Sol y de los Inviernos. En los desiertos del Oesteperduran despedazadas Ruinas del Mapa, habitadas por Animales ypor Mendigos; en todo el Pas no hay otra reliquia de las DisciplinasGeogrficas

Jorge Luis Borges


28/48

28

Property E.coli Yeast (S . cerevisiae) Mammalian (Human Fibroblast)

Cell volume ~ 1 m3 ~ 50 m3 5000 m3

Proteins/cell ~ 4 106 ~ 4 lO9 ~ 4 1010

Mean size of protein 5 nmSize of genome 4.6 106bp 1.3 107bp 3 109 bp

4500 genes 6600 genes -30,000 genes

Size of: Regulator binding ~ 10 bp ~ 10 bp ~ 10 bpPromoter ~ 100 bp ~ 1000 bp ~104to 105bpGene ~ 1000 bp ~ 1000 bp ~ 104to 106bp (with introns)Concentration of one ~ 1.5 nM ~33 pM ~ 0.3 pMConcentration of ATP ~2 mM (1.3 106molecs) ~2 mM (60 106molecs) ~2 mM (6600 106molecs)Diffusion time of proteinacross a cell D=10 m2/sec

~ 0.1 sec ~ 1.25 sec ~ 20 sec

Diffusion time of smallmolecule across cell

D= 1000 m2/sec

~ 1 msec, ~ 12.5 msec ~ 0.2 sec

Time to transcribe a gene

(80 bp/s)

- 1 min -1 min -30 min (including mRNAprocessing)

Time to translate a protein

(40 aa/sec)

~ 2min ~ 2 min -30 min (including mRNA nuclearexport)

Typical mRNA lifetime 2-5 min ~ 10 min to over 1 h ~ 10 min to over 10 hCell generation time ~ 30 min (rich medium) to

several hours~ 1.5 h (rich medium) toseveral hours

~ 20 h to non-dividing

Ribosomes/cell ~ 5 104

~ 2 105

Transitions between proteinstates active/inactive

1-100 ~ sec 1-100 ~ sec 1-100 ~ sec

Timescale for equilibriumbinding of small molecule torotein diffusion limited

~ 1 msec

(KD = 1M)

~ 1 sec

(KD= 1nM)

~ 1 sec

(KD= 1nM)

Timescale of transcriptionfactor bindin to DNA

1 sec

Mutation rate ~ 10-9/bp/generation ~ 10-10/bp/generation ~ 10-8/bp/year

5& &


29/48

5&-$6&-

Esta figura, tomada de la tesis de doctorado de Jacques Monod (LaCroissance des Cultures Bactriennes, 1942), ilustra el fenmeno bsico

que llev directamente al descubrimiento de la regulacin de la expresingnica en bacterias por represores, y a un premio Nobel.

Sin embargo, para entender este fenmeno

fue indispensable un anlisis cuantitativo.


30/48

!*7$(/- ,(" 8&*9(/- ,(" :;()+%


31/48

RepresorLac (R)

R:A

-gal

-gal -gal


32/48

Enzyme induction is anall-or-none phenomenon

Novick y Weiner, PNAS 1957


33/48

?$@ *-AB-%C

No conocan nada de la gentica/organizacin del opern lac.

No conocan al represor lac Seymour Benzer (1953) haba descubierto que cuando el opern Lac se induce por un

inductor gratuito, todaslas bacterias se inducen rpidamente, o sea que la mediapoblacional es un buen indicador de lo que hace cada clula.

Jacques Monod haba descubierto que haba dos procesos independientesinvolucrados en la induccin de la sntesis de -gal:1. La tasa de sntesis, que depende de la concentracin de inductor dentrode la

bacteria.2. El transporte del inductor de afuera hacia adentro. ste es transportado

activamente hacia adentro de la bacteria, por lo que la concentracin intracelulares mucho mayor que la extracelular. Con niveles mximos de permeasa, laconcentracin de inductor (TMG) es ~100 mayor dentro.

!" 7$&/&+*9-9+D "- /E7$&%- ,("


34/48

!" 7$&/&+*9-9+D "- /E7$&%- ,("

(*9-,+ (*9-0&+%-)&+

Entrada = Salida

En estado estacionario, la tasa de crecimiento delmicro-organismo es igual a la tasa de dilucin delquimiostato (D):

Se utiliza medio donde algn componente eslimitante: N, C, P, S.El organismo crece lo ms rpido que puede enesas condiciones

El tiempo de duplicacin es igual al tiempode recambio de 1 volumen del quimiostato.

F("+0&,-, - "- 7$(

-G)(G+ /(,&+ .)(*0+


35/48

!*9-,+ (*9-0&+%-)&+ ,(" +;()+% "-0

"Gal" #

8B%9(*&* 5(G)-,-0&1% H

,&"$0&1%

TMG! lacZ

dY

dt=!" #Y

!=tasa de sntesis,

"=tasa de degradacin + dilucinen el equilibrio:

dY

dt= 0!Y

st =

"

#

(Y)

I& ,


36/48

I&(/;+* ,( )(*;$(*9-JK(/;+ =-*9- (" LMN ,(" '-"+) O%-"P

1/2

8& *-0-/+* -" &%,$09+)

8& -G)(G-/+* -" &%,$09+)

8& - 9 Q M *-0-/+* -" &%,$09+) 8& - 9 Q M -G)(G-/+* -" &%,$09+)

dY

dt=!"#Y

R"9+ ISTD -$/(%9+ ,( -0K'&,-, ,( U G-" (*


37/48

AgregoTMG

R"9+ ISTD -$/(%9+ ,( -0K'&,-, ,( U4G-" (*

(6;+%(%0&-" J,(0)(0&(%9(P

I-*- ,( *B%9(*&* ,( U4G-" 0+%*9-%9(

dY

dt

=!"#Y

V-W+ ISTR"9+ IST


38/48

-$/(%9+ (6;+%(%0&-"

Tasa de sntesis de !-gal contante

observado para bajo TMG

alto TMG

V-W+ ISTR"9+ IST

-$/(%9+ "&%(-"

Tasa de sntesis de !-gal NO es contantedY

dt=!"#Y

Al principio pocas bacterias que seinducen, y ese nmero va creciendolinealmente

Probabilidad constante de queuna bacteria se induzca

Todas bacterias se inducen

Tasa de sntesis es mxima desde

el principio

esperado para bajo TMG

Concentracin intermedia de TMG:


39/48

8& *-0-/+* IST

8& -G)(G-/+* -"9+ IST

*9(-,>4*9-9(

X(,$0&/+* (" IST - YISZ

8& -G)(G-/+* -"9+ IST

*9(-,>4*9-9(

8& -G)(G-/+* IST - YISZ

Concentracin intermedia de TMG:mantenimiento

Es decir, el sistema tiene memoria (ohistresis). Quiere decir que la historiaimporta!

Histresis (memoria)en el opern lac

~5x10-6M.

-ga

l

[TMG]

Histeresis


40/48

Histeresis(del griego hysteros: tarde o hysteerein: llegar tarde)

Un sistema con histeresis tiene memoria, al menos de su pasadoinmediato. Como consecuencia, se comporta en el presente diferentede acuerdo a de donde viene.

En un sistema determinstico SIN histeresis es posible predecir eloutput del sistema en un determinado instante dtcon slo saber elinput en ese instante.

En un sistema determinstico CON histeresis eso no es posible. Hay

que saber necesariamente la historia que transit el sistema, o sea,hay que saber la historia del input. En el caso del operon lactratado con TMG, venimos de bajo TMG o de alto TMG?


41/48

Muchos sistemas fsicos y biolgicos naturales tienehisteresis:

Un pedazo de hierro que se acerca a un magneto(discos rgidos). Hay que desmagnetizarlo para quevuelva a su estado original.

Goma elstica, que tarda en volver a su formaoriginal luego de que se deja de aplicar fuerza

Termostato.

Agar: se funde a ~80C y se solidifica a ~30C

Ciclo celular

Potencial de accin: perodo refractario


42/48

El termostato

calderaon off

output20

30

termostato

inputrango aceptable detemperatura mi sistema

en esta zona no hay forma de

saber slo mirando al inputsila caldera est prendida oapagada sin saber la historiadel sistema

Sistema con histeresis

^^

^

estado de la caldera(output)

1(on)

0(off) 20 30 temp (oC)

^

[% (%*->+ ,( 0@"$"-* &%,&'&,$-"(*


43/48

[% (%*->+ ,( 0@"$"-* &%,&'&,$-"(*

Cultivo a testear

dilucinlmiteen medio

conTMG de mantenimiento

crecimiento hasta 108bact

ensayo -galde cultivos que crecieron

-gal

TMG

70%

30%

La induccin es un

fenmeno todo o nada

70% on + 30% off

30% on + 70% off

Dos preguntas:


44/48

Dos preguntas:A niveles de TMG submximos, por qu hay clulas se no se inducen?

Por qu los cultivos de mxima actividad (donde todas las bacterias estn

mximamente inducidas) se pueden mantener indefinidamente en TMG demantenimientomientras que los cultivos con menos que el mximo pierden

lentamente actividad !-gal?

Respuesta: las clulas no inducidas crecen ms rpido!en todo cultivo mixto, tienden a ganar.

En niveles de TMG submximos,se equilibran la tasa deinduccin con la diferencia detasas de crecimiento

No inducido

Inducido

nmero debact

(log) tasa de induccin

Pregunta: por qu entonces no ocupan toda la poblacin?Respuesta: por la tasa de induccin

\1/+ 9(*9(+ "- =&;19(*&* ,("


45/48

Experimento de reconstruccininducido

100%

noinducido

80% (I) +

20% (NI)

;

2A-"-%0( (%9)( &%,$00&1% (*;+%9E%(- > '("+0&,-, ,(

0)(0&/&(%9+3C

\ " &


46/48

\+%0"$*&+%(* El comportamiento todo o naday la heredabilidad del estado inducido en bajo TMG

se explica por el feedback positivo de la permeasa.

Para cada concentracin de TMG existe un nivel umbral de permeasa que concentrasuciente inductor para inducir al opern.

El aumento lineal por varias generaciones de la capacidad de sntesis de -gal indicaque la probabilidad de inducir es constante en el tiempo, por lo que debe ser causado

por un nico evento estocstico (al azar): la adquisicin de suciente permeasa. En la concentracin de mantenimiento qu pasa?

1. Se necesita ms permeasa que la provista por ese nico evento al azar --> muypoco probable que una bacteria no inducida lo obtenga al azar.

2. Las bacterias preinducidas tienen mucha permeasa y la probabilidad de que aldividirse una bacteria herede menos del umbral es muy baja.

Feedback positivo en el Operon Lac


47/48

Feedback positivo en el Operon Lac

Kalinsky et al, 2007Uri Alon lab

-gal

TMG

Histresis


48/48

Biologa Molecular vs Biologa de sistemasmoleculares Sistema deloperon Lac

Cul es la estructura del represor lacI?Qu secuencia reconoce en el DNA?

Qu aminocidos son importantespara unin de la alolactosa? Y para

tetramerizar?Cmo reprime la transcripcin?

Cul es la funcin del feedback positivo?Cul es el rol del ruido en la induccin?

Cmo es que el feedback determina lahistresis (memoria)?

El switch es sensible a cambios en losparmetros?

Teorica1 ACL IG 2014

Documents

Transcript of Teorica1 ACL IG 2014