IV117: Úvod do systémové biologie

Podobné dokumenty
Modelování biochemických procesů: Deterministický model transkripční regulace

IV117: Úvod do systémové biologie

Základy molekulární biologie KBC/MBIOZ

IV117: Úvod do systémové biologie

IV117: Úvod do systémové biologie

Úvod do systémové biologie

Struktura a funkce biomakromolekul

DUM č. 11 v sadě. 37. Bi-2 Cytologie, molekulární biologie a genetika

ve srovnání s eukaryoty (životnost v řádu hodin) u prokaryot kratší (životnost v řádu minut) na životnost / stabilitu molekuly mají vliv

IV117: Úvod do systémové biologie

Inovace studia molekulární a buněčné biologie

IV117: Úvod do systémové biologie

Kontrola genové exprese

Bílkoviny a rostlinná buňka

časovém horizontu na rozdíl od experimentu lépe odhalit chybné poznání reality.

Exprese genetického kódu Centrální dogma molekulární biologie DNA RNA proteinu transkripce DNA mrna translace proteosyntéza

Diferenciální rovnice a jejich aplikace. (Brkos 2011) Diferenciální rovnice a jejich aplikace 1 / 36

9. Vícerozměrná integrace

9. Vícerozměrná integrace

1. Téma : Genetika shrnutí Název DUMu : VY_32_INOVACE_29_SPSOA_BIO_1_CHAM 2. Vypracovala : Hana Chamulová 3. Vytvořeno v projektu EU peníze středním

Nukleové kyseliny Replikace Transkripce translace

Stochastické diferenciální rovnice

BAKTERIÁLNÍ GENETIKA. Lekce 12 kurzu GENETIKA Doc. RNDr. Jindřich Bříza, CSc.

2. Z následujících tvrzení, týkajících se prokaryotické buňky, vyberte správné:

Rich Jorgensen a kolegové vložili gen produkující pigment do petunií (použili silný promotor)

19.b - Metabolismus nukleových kyselin a proteosyntéza

Kapitola 11: Lineární diferenciální rovnice 1/15

Regresní a korelační analýza

Anizotropie fluorescence

Matematika 2 LS 2012/13. Prezentace vznikla na základě učebního textu, jehož autorem je doc. RNDr. Mirko Rokyta, CSc. J. Stebel Matematika 2

1 Modelování systémů 2. řádu

Fakt. Každou soustavu n lineárních ODR řádů n i lze eliminací převést ekvivalentně na jednu lineární ODR

Modelování a simulace Lukáš Otte

Parciální derivace a diferenciál

Inovace studia molekulární a buněčné biologie reg. č. CZ.1.07/2.2.00/

1. Napište strukturní vzorce aminokyselin D a Y a vzorce adenosinu a thyminu

Regresní a korelační analýza

Struktura a funkce biomakromolekul

Modelov an ı biologick ych syst em u Radek Pel anek

22 Základní vlastnosti distribucí

Apriorní rozdělení. Jan Kracík.

Diferenciál funkce dvou proměnných. Má-li funkce f = f(x, y) spojité parciální derivace v bodě a, pak lineární formu (funkci)

Parciální derivace a diferenciál

Inovace studia molekulární a buněčné biologie

Kosterní svalstvo tlustých a tenkých filament

Inovace studia molekulární a buněčné biologie

TRANSLACE - SYNTÉZA BÍLKOVIN

Bunka a bunecné interakce v patogeneze tkánového poškození

Farmakokinetická analýza

Nukleové kyseliny. DeoxyriboNucleic li Acid

Molekulární základy dědičnosti. Ústřední dogma molekulární biologie Struktura DNA a RNA

Funkce jedné proměnné

Drsná matematika III 6. přednáška Obyčejné diferenciální rovnice vyšších řádů, Eulerovo přibližné řešení a poznámky o odhadech chyb

Exprese genetické informace

Numerická stabilita algoritmů

Kapitola 11: Vektory a matice 1/19

PB050: Modelování a predikce v systémové biologii

"Učení nás bude více bavit aneb moderní výuka oboru lesnictví prostřednictvím ICT ". Základy genetiky, základní pojmy

SPOJITÉ ROZDĚLENÍ PRAVDĚPODOBNOSTI. 7. cvičení

Zdrojem je mrna. mrna. zpětná transkriptáza. jednořetězcová DNA. DNA polymeráza. cdna

Co nás učí nádory? Prof. RNDr. Jana Šmardová, CSc. Ústav patologie FN Brno Přírodovědecká a Lékařská fakulta MU Brno

Struktura a funkce biomakromolekul

Kapitola 10: Diferenciální rovnice 1/14

Primitivní funkce a Riemann uv integrál Lineární algebra Taylor uv polynom Extrémy funkcí více prom ˇenných Matematika III Matematika III Program

Nukleové kyseliny Replikace Transkripce translace

Deriváty karboxylových kyselin, aminokyseliny, estery

PB051: Výpočetní metody v bioinformatice a

1 Odvození poptávkové křivky

Detekce a spektrometrie neutronů

Exprese genetické informace

Pokroky matematiky, fyziky a astronomie

na magisterský studijní obor Učitelství matematiky pro střední školy

Nukleové kyseliny Replikace Transkripce, RNA processing Translace

Ohraničená Hessova matice ( bordered hessian ) je. Sestrojíme posloupnost determinantů (minorů):

Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti. Translace, techniky práce s DNA

11. přednáška 10. prosince Kapitola 3. Úvod do teorie diferenciálních rovnic. Obyčejná diferenciální rovnice řádu n (ODR řádu n) je vztah

7. Regulace genové exprese, diferenciace buněk a epigenetika

Úloha protein-nekódujících transkriptů ve virulenci patogenních bakterií

INTRACELULÁRNÍ SIGNALIZACE II

Texty k přednáškám z MMAN3: 4. Funkce a zobrazení v euklidovských prostorech

Syntéza a postranskripční úpravy RNA

Vzdělávací materiál. vytvořený v projektu OP VK CZ.1.07/1.5.00/ Anotace. Biosyntéza nukleových kyselin. VY_32_INOVACE_Ch0219.

Regulace metabolických drah na úrovni buňky

Lineární algebra : Lineární prostor

Interpolace, ortogonální polynomy, Gaussova kvadratura

AUG STOP AAAA S S. eukaryontní gen v genomové DNA. promotor exon 1 exon 2 exon 3 exon 4. kódující oblast. introny

Fyzika laserů. Aproximace rychlostních rovnic. 18. března Katedra fyzikální elektroniky.

ÚVOD DO TERMODYNAMIKY

Fuzzy množiny, Fuzzy inference system. Libor Žák

TUBULIN-FOLDING COFACTOR A (TFC A) u Arabidopsis

Robustnost regulátorů PI a PID

Kritéria porušení laminy

Buněčný cyklus a molekulární mechanismy onkogeneze

Intermediární metabolismus. Vladimíra Kvasnicová

Molekulárn. rní. biologie Struktura DNA a RNA

Proteiny Genová exprese Doc. MVDr. Eva Bártová, Ph.D.

Práce, energie a další mechanické veličiny

7. Měření fluorescence při excitaci kontinuálním světlem ( steady-state )

Transkript:

IV117: Úvod do systémové biologie David Šafránek 29.10.2008

Obsah Spojitý deterministický model transkripční regulace

Obsah Spojitý deterministický model transkripční regulace

Schema transkripční regulace Signal 1 Signal 2 Signal 3 Signal n Signal n X1 X2 X3 Xm aktivace represe gen 1 gen 2 gen 3 gen 4 gen 5 gen 6 gen 7 gen 8 DNA

Schema transkripční regulace vnitrni/vnejsi okoli Signal 1 Signal 2 Signal 3 Signal n Signal n transkripcni faktory X1 X2 X3 Xm aktivace represe geny gen 1 gen 2 gen 3 gen 4 gen 5 gen 6 gen 7 gen 8 DNA

Kompletní transkripční síť E.coli

Schematický výřez transkripční sítě E.coli protein P gyrab GyrAB P fis FIS P1 P 1 P2 cya CYA promoter gene DNA supercoiling camp CRP Signal (lack of carbon source) P1 P4 topa TopA P1 P2 rrn trna rrna P1 P2 crp CRP

Časové dimenze v E. coli Experimentálně zjištěný parametr E.Coli Vazba molekuly signálu na transkripční faktor vedoucí ke změně aktivity faktoru 1msec Vazby aktivního faktoru na operon DNA 1sec Transkripce + translace jednoho genu 5min Životnost mrna 2 5min 50% změna koncentrace stabilního proteinu 1h

Aktivace transkripce transkripční faktor X aktivuje transkripci proteinu Y X Y X gen Y

Aktivace transkripce transkripční faktor X aktivuje transkripci proteinu Y signal Sx X Y X X* gen Y

Aktivace transkripce transkripční faktor X aktivuje transkripci proteinu Y X Y signal Sx Y Y X X* X* RNAP Y Y probiha transkripce gen Y

Represe transkripce transkripční faktor X degraduje transkripci proteinu Y Y Y X gen Y

Represe transkripce transkripční faktor X degraduje transkripci proteinu Y signal Sx Y Y X X* gen Y

Represe transkripce transkripční faktor X degraduje transkripci proteinu Y signal Sx X X* X* gen Y

Model dynamiky transkripční regulace nejprve předpokládáme koncentraci X stabilní konstantní regulace aktivátoru modelujeme produkci proteinu Y v čase koncentrace [Y ] v (mol/s) v čase t: [Y ](t) rychlost produkce: d[y ] dt předpoklady: signální regulaci, transkripční, translační, posttranskripční a ostatní procesy uvažujeme stabilní modelujeme v časové škále stability proteinů

Model dynamiky transkripční regulace d[y ] dt = β γ[y ] β... produkční koeficient ([mol/s]) γ = γ dil + γ deg ([1/s]) γ deg... rozpad (degradace) proteinu v buňce γ dil... redukce koncentrace proteinu růstem buňky

Chování pří různém β

Chování pří různém γ

Model dynamiky transkripční regulace d[y ] dt = β γ[y ] stabilní stav transkripce (ekvilibrium): d[y ] dt = 0

Model dynamiky transkripční regulace d[y ] dt = β γ[y ] stabilní stav transkripce (ekvilibrium): d[y ] dt = 0 [Y ] = β γ

Model dynamiky transkripční regulace d[y ] dt = β γ[y ] stabilní stav transkripce (ekvilibrium): d[y ] dt = 0 [Y ] = β γ stabilní koncentraci značíme Y st jaká je rychlost rozpadu proteinu Y? jaký má vliv na transkripční regulaci?

Doba odezvy transkripční regulace uvažujme (okamžité) vypnutí signálu S X

Doba odezvy transkripční regulace uvažujme (okamžité) vypnutí signálu S X vzhledem k časové škále (okamžitě) [X ] 0

Doba odezvy transkripční regulace uvažujme (okamžité) vypnutí signálu S X vzhledem k časové škále (okamžitě) [X ] 0 a tedy je (okamžitě) zrušen účinek aktivátoru

Doba odezvy transkripční regulace uvažujme (okamžité) vypnutí signálu S X vzhledem k časové škále (okamžitě) [X ] 0 a tedy je (okamžitě) zrušen účinek aktivátoru produkce Y zastavena, β = 0

Doba odezvy transkripční regulace uvažujme (okamžité) vypnutí signálu S X vzhledem k časové škále (okamžitě) [X ] 0 a tedy je (okamžitě) zrušen účinek aktivátoru produkce Y zastavena, β = 0 nyní probíhá pouze rozpad Y (z hladiny Y st ) d[y ] dt = γy

Doba odezvy transkripční regulace uvažujme (okamžité) vypnutí signálu S X vzhledem k časové škále (okamžitě) [X ] 0 a tedy je (okamžitě) zrušen účinek aktivátoru produkce Y zastavena, β = 0 nyní probíhá pouze rozpad Y (z hladiny Y st ) d[y ] dt = γy Y (t) = Y st e γt

Doba odezvy transkripční regulace uvažujme (okamžité) vypnutí signálu S X vzhledem k časové škále (okamžitě) [X ] 0 a tedy je (okamžitě) zrušen účinek aktivátoru produkce Y zastavena, β = 0 nyní probíhá pouze rozpad Y (z hladiny Y st ) d[y ] dt = γy Y (t) = Y st e γt definujeme dobu odezvy T jako dobu nutnou k dosažení poloviny rozdílu hodnot mezi iniciálním a finálním stavem: Y (T ) = Y st 2

Doba odezvy transkripční regulace uvažujme (okamžité) vypnutí signálu S X vzhledem k časové škále (okamžitě) [X ] 0 a tedy je (okamžitě) zrušen účinek aktivátoru produkce Y zastavena, β = 0 nyní probíhá pouze rozpad Y (z hladiny Y st ) d[y ] dt = γy Y (t) = Y st e γt definujeme dobu odezvy T jako dobu nutnou k dosažení poloviny rozdílu hodnot mezi iniciálním a finálním stavem: Y (T ) = Y st 2 Y st 2 = Y ste γt

Doba odezvy transkripční regulace uvažujme (okamžité) vypnutí signálu S X vzhledem k časové škále (okamžitě) [X ] 0 a tedy je (okamžitě) zrušen účinek aktivátoru produkce Y zastavena, β = 0 nyní probíhá pouze rozpad Y (z hladiny Y st ) d[y ] dt = γy Y (t) = Y st e γt definujeme dobu odezvy T jako dobu nutnou k dosažení poloviny rozdílu hodnot mezi iniciálním a finálním stavem: Y (T ) = Y st 2 Y st 2 = Y ste γt T = ln 2 γ

Doba odezvy transkripční regulace d[y]/dt = 0.1[Y] Yst/2 = 5 T=6.93

Doba odezvy transkripční regulace T = ln 2 γ doba odezvy nezávisí na produkční konstantě β ale pouze na degradační konstantě γ některé proteiny mají poměrně vysoké γ k udržení stabilního stavu je nutné vysoké produkce (β) krátká doba odezvy umožňuje rychlou reakci transkripční regulace na signály

Doba odezvy transkripční regulace nyní uvažujme nulovou iniciální koncentraci Y i X nechť dojde k (okamžitému) zapnutí signálu S X

Doba odezvy transkripční regulace nyní uvažujme nulovou iniciální koncentraci Y i X nechť dojde k (okamžitému) zapnutí signálu S X vzhledem k časové škále (okamžitě) [X ] [X ]

Doba odezvy transkripční regulace nyní uvažujme nulovou iniciální koncentraci Y i X nechť dojde k (okamžitému) zapnutí signálu S X vzhledem k časové škále (okamžitě) [X ] [X ] a tedy je (okamžitě) přítomen účinek aktivátoru

Doba odezvy transkripční regulace nyní uvažujme nulovou iniciální koncentraci Y i X nechť dojde k (okamžitému) zapnutí signálu S X vzhledem k časové škále (okamžitě) [X ] [X ] a tedy je (okamžitě) přítomen účinek aktivátoru nastává produkce Y daná konstantou β

Doba odezvy transkripční regulace nyní uvažujme nulovou iniciální koncentraci Y i X nechť dojde k (okamžitému) zapnutí signálu S X vzhledem k časové škále (okamžitě) [X ] [X ] a tedy je (okamžitě) přítomen účinek aktivátoru nastává produkce Y daná konstantou β produkce začíná z hladiny Y = 0 d[y ] dt = β γy

Doba odezvy transkripční regulace nyní uvažujme nulovou iniciální koncentraci Y i X nechť dojde k (okamžitému) zapnutí signálu S X vzhledem k časové škále (okamžitě) [X ] [X ] a tedy je (okamžitě) přítomen účinek aktivátoru nastává produkce Y daná konstantou β produkce začíná z hladiny Y = 0 d[y ] dt = β γy Y (t) = Y st (1 e γt )

Doba odezvy transkripční regulace nyní uvažujme nulovou iniciální koncentraci Y i X nechť dojde k (okamžitému) zapnutí signálu S X vzhledem k časové škále (okamžitě) [X ] [X ] a tedy je (okamžitě) přítomen účinek aktivátoru nastává produkce Y daná konstantou β produkce začíná z hladiny Y = 0 d[y ] dt = β γy Y (t) = Y st (1 e γt ) doba odezvy T je opět: Y (T ) = Y st 2

Doba odezvy transkripční regulace nyní uvažujme nulovou iniciální koncentraci Y i X nechť dojde k (okamžitému) zapnutí signálu S X vzhledem k časové škále (okamžitě) [X ] [X ] a tedy je (okamžitě) přítomen účinek aktivátoru nastává produkce Y daná konstantou β produkce začíná z hladiny Y = 0 d[y ] dt = β γy Y (t) = Y st (1 e γt ) doba odezvy T je opět: Y (T ) = Y st 2 Y st 2 = Y st(1 e γt )

Doba odezvy transkripční regulace nyní uvažujme nulovou iniciální koncentraci Y i X nechť dojde k (okamžitému) zapnutí signálu S X vzhledem k časové škále (okamžitě) [X ] [X ] a tedy je (okamžitě) přítomen účinek aktivátoru nastává produkce Y daná konstantou β produkce začíná z hladiny Y = 0 d[y ] dt = β γy Y (t) = Y st (1 e γt ) doba odezvy T je opět: Y (T ) = Y st 2 Y st 2 = Y st(1 e γt ) T = ln 2 γ

Doba odezvy transkripční regulace Yst/2 = 5 d[y]/dt = 1 0.1[Y] T=6.93

Doba odezvy transkripční regulace stabilní proteiny neprojevují degradaci, γ deg = 0 doba odezvy je u nich rovna době trvání generace buňky τ zastavíme-li produkci stabilního proteinu Y, dojde k 50% snížení jeho koncentrace při dělení buňky, proto: T = ln 2 γ deg = τ pro syntetickou biologii je kĺıčový závěr, že zaváděné změny v transkripční regulaci musí respektovat dobu odezvy příslušných proteinů

Doba odezvy transkripční regulace experiment N Rosenfeld and U Alon, Response Delays and the Structure of Transcription Networks JMB, 329:645, (2003).

Řízení transkripční regulace dosud jsme uvažovali stabilní koncentraci aktivátoru d[y ] dt = β γy transkripční faktory jsou proteiny, tedy změny jejich koncentrace v časové škále transkripce hrají primární roli při řízení proteosyntézy produkční parametr β závisí na aktuální koncentraci regulujících faktorů uvažme např. protein Y a jeho aktivátor X, pak: d[y ] dt = f (X ) γy f (X ) reprezentuje tzv. vstupní funkci proteinu Y

Vstupní funkce Y = f(x*) signal Sx Y Y X X* Y Y zvyseni transkripce X* gen Y

Vstupní funkce (aktivátor) monotonní, křivka tvaru S (Hillova funkce) aktivátor rostoucí fce f + (0 nejvyšší úroveň) represor klesající fce f (nejvyšší úroveň 0) Hillova funkce pro aktivátor: f + (X ) = βx n K n + X n K... aktivační koeficient (vazba TF DNA) β... maximální úroveň exprese (vazba RNAp DNA) n... ostrost křivky (mezi 1-4) f + (X ) = β X >> K

Vstupní funkce (aktivátor) β [Y ] [X ] K

Vstupní funkce (represor) Hillova funkce pro represor: f (X ) = β 1 + ( X K )n K... represní koeficient (vazba TF DNA) β... maximální úroveň exprese (vazba RNAp DNA) n... ostrost křivky (mezi 1-4) f (X ) = β X = 0 někdy může být minimální úroveň vstupních funkcí nenulová (β 0 )

Vstupní funkce (represor) β [Y ] [X ] K

Vícerozměrné vstupní funkce Y = f(x*,z*) Y Y X* Z* Y Y zvyseni transkripce X* Z* gen Y např. součet: f (X, Z ) = β X X + β Z Z

Aproximace vstupních funkcí vzhledem k S-charakteru vstupní funkce lze uplatnit její aproximaci pomocí schodové funkce

Aproximace vstupních funkcí vzhledem k S-charakteru vstupní funkce lze uplatnit její aproximaci pomocí schodové funkce f + (X ) βs + (X, K)

Aproximace vstupních funkcí vzhledem k S-charakteru vstupní funkce lze uplatnit její aproximaci pomocí schodové funkce f + (X ) βs + (X, K) f (X ) βs (X, K)

Aproximace vstupních funkcí vzhledem k S-charakteru vstupní funkce lze uplatnit její aproximaci pomocí schodové funkce f + (X ) βs + (X, K) f (X ) βs (X, K) s + (X, K) = { 1, if X > K, 0, if X < K,

Aproximace vstupních funkcí vzhledem k S-charakteru vstupní funkce lze uplatnit její aproximaci pomocí schodové funkce f + (X ) βs + (X, K) f (X ) βs (X, K) s + (X, K) = { 1, if X > K, 0, if X < K, s (X, K) = 1 s + (X, K)

Aproximace vstupních funkcí vzhledem k S-charakteru vstupní funkce lze uplatnit její aproximaci pomocí schodové funkce f + (X ) βs + (X, K) f (X ) βs (X, K) s + (X, K) = { 1, if X > K, 0, if X < K, s (X, K) = 1 s + (X, K) aproximace odpovídá zavedení tzv. kinetické logiky

Schodová vstupní funkce

Schodová vstupní funkce Step Function

Obsah Spojitý deterministický model transkripční regulace

Transkripční motiv I Negativní autoregulace Y Y d[y ] dt = f (Y ) γ[y ]

Transkripční motiv I Negativní autoregulace Y Y d[y ] dt = βs (Y, K) γ[y ]

Transkripční motiv I Negativní autoregulace Y Y pro [Y ] << K: pro [Y ] >> K: d[y ] dt d[y ] dt = β γ[y ] = γ[y ]

Transkripční motiv I Negativní autoregulace Y Y pro [Y ] << K: d[y ] dt = β γ[y ] pro [Y ] >> K: d[y ] dt = γ[y ] when [Y ] = K, small oscilations leading [Y ] to a steady-state occur Y st = K

Transkripční motiv I Negativní autoregulace β = 1 γ = 0.1 K = 5 n = 4

Transkripční motiv I Negativní autoregulace doba odezvy T je určena Y (T ) = Yst 2 aproximujeme pro Y st = K << β γ (uvažujeme lineární akumulaci zpočátku transkripce, kdy [Y ] = βt): βt = Y st 2 = K 2

Transkripční motiv I Negativní autoregulace doba odezvy T je určena Y (T ) = Yst 2 aproximujeme pro Y st = K << β γ (uvažujeme lineární akumulaci zpočátku transkripce, kdy [Y ] = βt): βt = Y st 2 = K 2 T = K 2β

Negativní autoregulace snížení doby odezvy K/2=2.5 T=~2.5 β = 1 γ = 0.1 K = 5 n = 4

Doba odezvy bez regulace Yst/2 = 5 d[y]/dt = 1 0.1[Y] T=6.93

Vliv autoregulace na robustnost

Experimentální výsledky vs. model N Rosenfeld, M Elowitz, and U Alon, Negative Autoregulation Speeds the Response Times of Transcription Networks JMB, 323:785-793 (2002).