Systemtekniska metoder inom biologin. Bakgrund 21th century science DNA-sekvensering av mänskliga genomet ”Undersöker växelverkan mellan komponenter i.

En presentation över ämnet: "Systemtekniska metoder inom biologin. Bakgrund 21th century science DNA-sekvensering av mänskliga genomet ”Undersöker växelverkan mellan komponenter i."— Presentationens avskrift:

1 Systemtekniska metoder inom biologin

2 Bakgrund 21th century science DNA-sekvensering av mänskliga genomet ”Undersöker växelverkan mellan komponenter i biologiska system” Matematik, informationsbehandling, biologi, kemi… Sammanfogning av experimentella och beräkningstekniska angrepssätt

3 Modellering in silico “All models are wrong. Some are useful” -Box Kostnadseffektivt, möjliggör nya scenarier, flexibilitet Nackdelar: Komplexitet: minimumstorleken för liv omkr. 300 processer Prediktivt, beaktar inte biologiska realiteter Systemegenskaper: emergens, modularitet, robusthet Top down vs bottom up Struktur: stokastisk, deterministisk eller (dis)kontinuerlig? Hierarki - proteomik, metabolomik, genomik

4

5 Modelleringsprocessen Hypotes Modellering /simulering in silico Prediktera Verifiera in vivo / in vitro Acceptera Förkasta Förbättra

6 Kinetisk modellering Modellerar flöden, metabolism och förändringar Ordinära differentialekvationer (ODE) Guldberg & Waage (1864-1879): massverkans lag  =stökiometriska matrisen v=vektor med reaktionshastigheter

7 Enzymkinetik Reaktanter ->enzym-> produkter Michaelis-Menten-ekvation (MME) Gäller för flera enzym och singelsubstratreaktioner [enzym]<<[substrat] [ES] konstant (stationärtillstånd)

8 MME

9 Verktyg SBML, CellML SBW MATLAB: SimBiology, SBToolbox SimCell (cellulär automata) http://wishart.biology.ualberta.ca/SimCell/ E-cell http://www.e-cell.org/ Virtual Cell http://www.vcell.org/ Gepasi (ODE) http://dbkgroup.org/softw/gepasi.html

10 Simuleringstekniker Differentialekvationer -Ordinära -Partiella -Stokastiska Cellulär automata Petrinät Bayesiska nätverk Booleska nätverk Biokemiska, hög komplexitet Statistiska, ”icke- fysio-kemiska”

11 ODE Vid signaltransduktion, metabolism Linjära system dx/dt=Ax+z Analytiskt lösbara Stationärtillstånd Ax+z= 0 Runge-Kutta, t.ex. MATLABs ode15 Komplexitet, parameterkänslighet -> kräver detaljerad systemkunskap

12 Petrinät – grafisk representation Gennätverk och signaltransduktion (t.ex. apoptos) Platser (cirklar) och transitioner (rektanglar) Bågar (arcs) för inkommande/utgående flöden Prickar (tokens): aktiva objekt för systemets tillstånd Utvidgningar: färgade, stokastiska och hybrida nät

13 Booleska nätverk Används speciellt vid genreglernätverk Gener med två tillstånd: on eller off (1/0) 2^ k input 2^2^ k möjliga booleska funktioner Genererar ändlig serie output-tillstånd (trajektor) System antingen i stationärtillstånd (punktattratkor) eller i cyklisk rörelse (dynamisk attraktor) Speciell betydelse vid stora nätverk, dock approximativt

14 Apoptos – programmerad celldöd Signaltransduktionmekanism på cellnivå Kontrollerad celldöd genom yttre och inre signaler Avvikelser påträffas bl.a. i cancer och Alzheimer

15 BENTELE ODE, bl.a. MME 41 molekyler, 32 reaktioner, 60 kinetiska para- metrar samt två ”black boxes” Input: CD95-R:L Output: PARP

16 Simulering av modifierad modell Tröskel för apoptosaktivering med små input-värden Introducerar normalfördelade parametervärden Existerar tröskelmekanismen? Robusthet? Simulerar apoptostidernas fördelning med CD-95-L- koncentrationerna 200, 100,50, 40, 32, 26, 14, 10 och 6 ng

17 Ligandkoncentration 200 ng, 100% apoptos

18 Ligandkoncentration 100 ng, 100% apoptos

19 Ligandkoncentration 40 ng, 100% apoptos

20 Ligandkoncentration 14 ng, 89% apoptos

21 Ligandkoncentration 6 ng, 36% apoptos

22 Sammanfattning Utveckling av datorer och numeriska metoder har möjliggjort framsteg inom systembiologin Möjliggör sammanställning av delresultat och ger en övergripande förståelse för biologiska system Viktigt redskap t.ex. vid utvecklingen av mediciner Systembiologisk problemlösning har här illustrerats med simulering av programmerad celldöd