Genetikai kölcsönhatások rendszerbiológiája

Átírás

1 Genetikai kölcsönhatások rendszerbiológiája Papp Balázs MTA Szegedi Biológiai Kutatóközpont Biokémiai Intézet Szintetikus és Rendszerbiológiai Egység

2 Mikrobiális rendszerbiológia főbb kérdései Melyek a kórokozók sebezhető pontjai? Mekkora a legkisebb működő genom? Milyen mechanizmusokon alapulnak a mikrobák közötti ökológiai kölcsönhatások? Hogyan tervezhetünk új, iparilag hasznos törzseket?

3 Rendszerbiológia: leképezés genotípus és fenotípus között Genotípus Molekuláris hálózatok Fenotípus

4 Anyagcserehálózati modellezés Bemenő adatok: biokémiai reakciók listája, transzportfolyamatok, biomassza-alkotók Ami számolható: optimális biomassza-termelés, génkiütés és környezetváltozás hatása

5

6 Anyagcserehálózati modellezés Nem tartalmaz enzimkinetikai részleteket Dinamikát nem képes kezelni De több száz gén együttes működését írja le kevés adatra támaszkodva rekonstruált hálózat (>1000 reakció) in silico modell

7 Több tucat fajra elérhető, főleg mikrobákra

8 A modell predikciós ereje Növekedési jellemzők kvantitatív predikciója (E. coli) 1 Esszenciális gének azonosítása 80-90% pontossággal (élesztő, E. coli) 2,3 1 Edwards et al. (2001) Nature Biotech 19: Kuepfer et al. (2005) Genome Res. 15: Feist et al. (2007) Mol Sys Biol 3: 121.

9 Biotechnológiai alkalmazások Termelő törzsek in silico tervezése Pl. Megnövelt etanoltermelés élesztőben 1, szukcináttermelés E. coli-ban 2 1 Bro et al. (2006) Metab Engineering 8: Lee et al. (2008) Appl Microbiol Biotech 79: 11.

10 Genetikai kölcsönhatás: két mutáció hatása nem független Két mutáció együtt Vad típus 1. mutáció 2. mutáció szinergizmus vártnál erősebb hatás külön-külön gyenge hatás antagonizmus vártnál gyengébb hatás

11 vad típus 1. mutáció 2. mutáció A X B Y A X A X C Z B Y B Y funkció C Z C Z funkció funkció A B X Y C Z funkció

12 A genetikai kölcsönhatások rávilágítanak a gének közötti funkcionális kapcsolatokra

13 Ismert kölcsönhatások száma A feltárt genetikai kölcsönhatások száma rohamosan nő Példa: eddig génpár között írtak le genetikai kölcsönhatást az egysejtű sörélesztőben Év BioGrid adatbázis

14 Kérdések Mennyire írhatók le a genetikai kölcsönhatások jelenlegi biokémiai ismereteink alapján? Hogyan nyerhetünk ki új biológiai ismereteket génkölcsönhatási adatsorokból?

15 Célunk a kísérleti és elméleti megközelítések ötvözése Genetikai kölcsönhatások kísérletes feltérképezése az anyagcserehálózatban Anyagcserehálózati modellezés A modell predikcióinak tesztelése Automatizált hipotézis-generálás a modell segítségével

16 Genetikai kölcsönhatások kísérletes feltérképezése Nagyléptékű, robotizált genetikai vizsgálatok a Boone-laborban (Toronto): Génkölcsönhatások kimérése az élesztő génpárja között

17 SGA lemez wt Telepméret 1 Képfeldolgozás a b Telepek felismerése ab szinergisztikus nincs kölcsönhatás antagonisztikus

18 A genetikai kölcsönhatások többsége útvonalak között fordul elő ~3500 szinergisztikus és 1900 antagonisztikus kölcsönhatást találtunk A B C X Y Z Szappanos et al. (2011) Nat Genet

19 Genetikai kölcsönhatások in silico térképezése Élesztő anyagcserehálózati modellezése: a kísérletben használt táptalajt utánoztuk Minden lehetséges egyes és kettős génkiütés fitneszhatását számoltuk

20 Le tudja-e írni a modell a génkölcsönhatási hálózatok nagyléptékű sajátságait?

21 A nagy fitneszhatást mutató gének sok génkölcsönhatást mutatnak Costanzo et al. (2010) Science 327:425

22 Az anyagcseremodell visszaadja ezt a mintázatot Spearman s rho = -0.66, P < Spearman s rho = -0.89, P < Szappanos et al. (2011) Nat Genet

23 Hipotézis: magas pleiotrópia miatt mutatnak egyes gének sok genetikai kölcsönhatást

24 A modell alapján a nagy fitneszhatású gének magas pleiotrópiát mutatnak Pleiotrópia: a gén hány biomassza-alkotó termelését befolyásolja mutáns fitnesz pleiotrópia + Kölcsönhatások száma Spearman s rho = -0.78, P < 10-7

25 Mennyire jósolja megbízhatóan a modell az egyedi génkölcsönhatásokat? A modell által jósolt kölcsönhatások közel 50%-a helyes (ez 100-szor magasabb a véletlennél) De a kísérletesen látott szinergisztikus kölcsönhatásoknak csak 3%-át magyarázza a modell! Erős valódi kölcsönhatásokat már jobban prediktálja (17%) Szappanos et al. (2011) Nat Genet

26 Modell javítása a kísérletes és prediktált kölcsönhatások eltérései alapján Genetikai kölcsönhatási adatsor

27 Már néhány változtatással is jelentősen javítható a modell Genetikai algoritmuson alapuló eljárás keres olyan módosításokat, amelyek növelik a modell illeszkedését az adatokhoz < 10 módosítás is kb. duplájára növeli a modell által megtalált kölcsönhatások számát Szappanos et al. (2011) Nat Genet

28 Példa egy javasolt módosításra Több genetikai kölcsönhatás is prediktálhatóvá válik, ha eltávolítunk a modellből egy NAD-termelésben részt vevő útvonalat

29 Predikció ellenőrzése I. Nem találtunk bioinformatikai bizonyítékot a kinolinát szintetáz és aszpartát oxidáz jelenlétére az élesztőgenomban

30 Predikció ellenőrzése II. Kísérleti megerősítés: bna1, bna2, bna4 és bna5 nikotinsav hiányában nem nő Szappanos et al. (2011) Nat Genet

31 Következtetések Egy egyszerű anyagcseremodell képes visszaadni a génkölcsönhatási hálózatok csomópontjait De az anyagcserehálózat szerkezetének ismerete önmagában nem képes megmagyarázni a konkrét genetikai kölcsönhatások többségét A modell nagyléptékű genetikai adatsorok segítségével javítható, amely növelheti biotechnológiai alkalmazhatóságát (pl. genetikai manipulációk előrejelzése)

32 A modell-javítási eljárásunk hozzájárulhat a funkcionális genomikai kutatások automatizálásához háttértudás gépi tanulás kísérleti eredmények végső hipotézis kísérlet kiválasztása robot kísérlet végrehajtása

33 Hogyan tovább? Genetikai kölcsönhatások környezetfüggése Génkiütést követő transzkripciós átrendeződés: milyen génszabályozási folyamatok zajlanak a mutánsokban?

34 Köszönetnyilvánítás Papp and Pál labs (Szeged): Balázs Szappanos Károly Kovács Béla Szamecz Ferenc Honti Csaba Pál Toronto: Michael Costanzo Anastasia Baryshnikova Brenda Andrews Charles Boone Minnesota: Chad Myers Cambridge: Steve Oliver Düsseldorf: Gabriel Gelius-Dietrich Martin Lercher University of Szeged: Márk Jelasity

35

36 Kényszer alapú modellezés elve Tekintjük a rendszer összes lehetséges állapotát Ismert fizikai és biológiai kényszerek beépítése Az állapottér egyre szűkebb tartományában tudjuk elhelyezni a rendszert Kényszerek kizárnak olyan állapotokat amelyekben nem lehet a rendszer (fluxus: biokémiai reakció sebessége)

37 Kényszerek hozzáadásával szűkíthetjük a megoldási teret, de általában nem tudjuk 1 pontra leszűkíteni Optimalizációs eljárásokkal olyan pontot keresünk a térben, amely valamely szempontból optimális (pl. a leghatékonyabban termel ATP-t, vagy biomassza-összetevőket)

38

39

40