Molekuláris / Mikrobiális rátermettség tájképek Kun Ádám

Méret: px

Mutatás kezdődik a ... oldaltól:

Download "Molekuláris / Mikrobiális rátermettség tájképek Kun Ádám"

Léna Tamásné
7 évvel ezelőtt
Látták:

1 Molekuláris / Mikrobiális rátermettség g tájkt jképek Kun Ádám

2 Rátermettség g tájkt jkép Minden genotípushoz rendeljünk nk egy fenotípust Minden fenotípushoz rendeljünk nk egy valós számot, ami a rátermettsr termettsége A genotípusok közötti k távolst volság g a Hamming távolság A tájkép magassága maga a rátermettsr termettség

3 Miért jók j k a molekuláris / mikrobiális tájkt jképek? Gyors szaporítás/szaporod s/szaporodás Környezet jobbára állandósítható Nincs (korlátozott) az egyedfejlődési zaj A genotípus és/vagy fenotípus mérhető A rátermettsr termettség g mérhetm rhető

4 Molekuláris rátermettsr termettség g tájkt jkép Enzimek aktivitása kihat az egyed rátermettségére. re. Az enzim aktivitás s könnyen k mérhetm rhető (az egyed rátermettsr termettsége nem) Az enzimek könnyen k mutálhat lhatóak ak és szaporíthatóak Az enzimek fenotípusa a 3D szerkezetük

5 Legegyszerűbb tájkt jkép rátermettség Fentipusos jelleg

6 Fuji hegy tájkt jkép rátermettség Fentipusos jelleg

7 Két t csúcs rátermettség Fentipusos jelleg

8 Mi van ha 3D-t t nézünk? n nk?

9 RNS másodlagos m struktúra ra Neurospora VS ribozim 144 nukleotid hosszú

10 RNS másodlagos m szerkezet Bázispárok számától l függ f a szabadenergia. Dinamikus optimalizáci ció a bázispb zispárok számának maximalizálására (energia minimalizálására) A bázispb zispárok energetikáját t kísérletesen k vizsgálj lják

11 RNS másodlagos m szerkezet meghatároz rozás Szekvencia R=r 1, r 2, r 3,..., r n ; ahol r i {A,C,G,U} Másodlagos szerkezet S = i.j bázispárok rendezett halmaza 1. 1 i < j N 2. j - i>3 3. i.j és k.l bázispárokra (i<k) igaz az egyik: a) i=k és j=l (ugyanaz a bázispár) b) i<j<k<l (egymás után jönnek) c) i<k<l<j (i.j magába foglalja k.l-t) Keressük a legalacsonyabb energiájú (vagy ahhoz közeli) szerkezetet, feltehetően ez a másodlagos szerkezete egy RNS molekulának

12 Másodlagos szerkezet energiája A srtruktúra energiája a hurkok energiájától függ Bármely struktúra egyértelműen felbontható m+1 (m a bázispárok száma) hurokra hajtűkanyar halmozódó bázispár kitüremkedés belső hurok elágazás A struktúra energiája, így az egyes hurkok energiájának összege m e L E S i 0 i

13 Szerkezet a fenotípus A másolm solási si sebesség, vagy az enzimatikus aktivitás s a struktúrától függ. Egy RNS molekula fenotípusa nem a bázissorrend, hanem a struktúra. ra. 4 N szekvencia lehetséges, mennyi struktúra? ra? Hogyan határozzuk meg a struktúrát

14 RNS tájkt jképek Kémiailag és s fizikailag megalapozott genotípus pus-fenotípus térkép Ilyen máshol m még m g nincs a biológi giában

15 RNS tájkt jképek tulajdonságai I Körülbelül l 2.35 N struktúra, ra, azaz egy struktúrához több t szekvencia tartozik. Kevés s mutáci ció (1-3) általában nem változtatja meg a struktúrát Ha van egy kompatibilis szekvenciánk, nk, akkor az átlagosan 7.2 mutáci cióval olyanná alakíthat tható,, hogy kívánt k MFE struktúrája legyen

16 RNS tájkt jképek tulajdonságai II Mesterkópia: AUCGUCUGUCGGCGAU Mutáns: GCAUGACUCAUUAUGC Azonos struktúra Azonos fitness Semleges utak a tájképen Az utak 21.7%-a perkolál

17 Gyakoribb struktúrák (((((...)))))... ((((((...))))))......((((((...))))))...(((((...))))) ((((((...))))))......(((((...))))). (((((((...)))))))......((((((...)))))).(((((...)))))......(((((((...))))))) (((((((...)))))))......(((((((...)))))))...((((((...))))))..((((((...))))))... ((((((...))))))

18 Gyakoribb struktúrák Struktúra osztály gyakoriság (darab) Gyakoriság rang (logaritmikus)

19 RNS tájkt jképek tulajdonságai III Vannak gyakoribb struktúrák A szekvenciák k zöme z gyakori struktúrát vesz fel (evolválódott ribozimek gyakoriak) ribozimek minden bizonnyal A struktúrák k zömét z t csekély számú szekvencia veszi fel Minden szekvencia körüli k kb. 20 mutáci cióval elérhet rhető gömbön n belül l minden gyakori struktúra ra elérhet rhető

20 Ribozimok rátermettsr termettség g tájkt jképe A rátermettsr termettség g tájkt jkép kísérletes adatokra épül Rátermettség g tájkt jképek általános szerkezetének vizsgálata Feltételezz telezzük, hogy az enzimaktivitás arányos a rátermettsr termettséggel (protosejt sejt)

21 Mely ribozimok jöhetnek j szóba? 1. Jól l karakterizált Csak a természetes ribozimok teljesítik ezt a kritériumot 2. Nem túl t l hosszú (pra praktikus ok) Az I-es és II-es csoportbeli intronok kiesnek 3. Nem lehet a transz ható enzim szerkezetben pszeudo eudo-csomó (algoritmus követelménye) Hepatitis Delta Virus kiesik e miatt Neurospora VS Ribozyme, Hairpin, Hammerhead

22 Neurospora Varkund Satellit Ribozim IV V N = c a ugaaauug -U- CguAgCAGU U u g acuuuaac GUaUUGUCA C U ug G A U G 700 C-G U A U C-G III A-U C-GA 660 U-A A gcgguaguaagc AgGA A C-G GCU AA GUG-A-CGGuAuUggc g uaagag cguucg-ccc u GAACACGA CAC GUUaUgAcug a GAC a II A pozíciók 83/144 (57%) mutálva van, mi összesen 183 mutánst vettünk figyelembe VI 750

23 VS Ribozim: mutáci ciós s kísérletekk 144 nukleotidból 87-en végeztek mutációs kísérletet Összesen 183 mutánst vizsgáltak

24 VS Ribozim Elágazások fontosak Aktív hely Hossz nem fontos Hossz nem fontos Kitüremkedés nem lehet a másik száron, de törölhető Szubsztrát kötés

25 Hajtűkanyar ribozimim N = H1 H2 H3 H aaacagagaagucaaccag A G A A 30 A C A CACG loop A loop B AUGGUc C AUUAUAUG GUG u u A pozíciók 39/50 (78%) mutálva van, összesen 142 mutáns vettünk figyelembe

26 Ribozimokkal kapcsolatos általános megfigyelések 1. A szerkezet a fontos, nem az egyedi bázispb zispárok 2. A szerkezet kissé változtatható 3. Vannak kritikus helyek 4. A tájkt jkép multiplikatív (lehet hogy van egy gyenge szinergia)

27 Mutáci ció fajtái Semleges mutáns Kritikus hely Rontó mutáci ció Visszaáll llító

28 Általános funkcionalitás s tájkt jkép Rendeljen minden lehetséges 4 N szekvenciához egy relatív v enzimaktivitást I. Kompatibilis szerkezet II. Hibás s bázispb zispár III.Kritikus helyek IV. Jósolt struktúra ra sequence structure misspair critical energy

29 Többszörös s mutáci ciók k kérdk rdése Legegyszerűbb feltevés, hogy a hatások függetlenekf A kevés s rendelkezésre álló adatból l ez nagyjából l igaznak vehető.. Van egy kis pozitív v hatás s (azaz a 2. mutáci ció negatív hatása kisebb, mint várnánk) nk) Measured activity Equation: y = a*x^b Chi^2/DoF = R^2 = a ± b ± Calculated activity

30 I. Kompatibilis szerkezet A célstruktc lstruktúrának megfelelő bázis-párok mindegyike legtöbbje ki tud-e e alakulni? Néhány hibás s pár p (rosszul párosp rosított bázispár) megengedhető, de Nem lehet kettő ilyen egymás s mellett Nem lehet egy régir gióban kettőnél l többt A structure a szekvenciával val kompatibilis struktúrának megfelelő aktivitás.

31 II. Hibás s bázispb zispárok Minden megengedett hibás s bázisb zis-pár csökkenti az aktivitást Az elhelyezkedésükt ktől l függf ggően más m s hatásuk lehet az egyes hibás s pároknakp misspair misspair, i

32 III. Kritikus helyek Minden lehetséges nukleotidhoz rendelünk nk aktivitást ezeken a helyeken. critical critical, i

33 IV. Jósolt szerkezet A 2D szerkezet meghatároz rozása. Package) sa. (Vienna RNA Elfogadjuk, ha a célszerkezetbe c tekeredik. A MFE nem biztos, hogy a kísérletesen k meghatározott másodlagos m szerkezet

34 A tájkt jkép p tulajdonságai 1 Neurospora VS Ribozyme 1 Hairpin Ribozyme fraction of all mutants E-3 1E-4 1E-5 Perfect ribozyme Functional ribozyme # of mutation from the original sequence fraction of all mutants E-3 1E-4 1E-5 Perfect ribozyme Functional ribozyme # of mutation from the original sequence = 0.26 = 0.22

35 Mozgás s a tájkt jképen

36 Moran folyamat Populáci ció méret állandó. Átfedő generáci ciók Haláloz lozás s véletlenszerv letlenszerű,, szaporodás rátermettségarányos Rátermettség g arányosan kiválasztunk egy egyedet. Ő fog szaporodni. Egy véletlen v szerint választott v egyed meghal, a helyébe szaporodik.

38 Szuboptimális maximum 1 bázispb zispárban van eltérés! Minden lehetséges mutáci ció ebben a párban tovább rontja a másodlagos szerkezetet

39 Rátermettség g tájkt jképek és s populáci ció méret Nagy populáci ció egy sima rátermettségtájképen gyorsan megtalálja lja az optimumot Nagy populáci ciókban nem fog sodródás miatt előnytelen mutáns elterjedni Nagy populáci cióban több t előny nyös s mutáci ció lehet D.E. Rozen, M.G.J.L. Habets, A. Handel, J.AG.M. de Visser Heterogeneous Adaptive Trajectories of Small Populations on Complex Fitness Landscapes. PLoS ONE 3(3): e1715. doi: /journal.pone

40 Kísérletes körülmk lmények E.coli 500 generáci ciónyi evolúci ció sima rátermettség g tájkt jképen (minimális médium) m és rögös tárjépen (komplex médium). m A populáci cióméretet a baktériumkult riumkultúra ra térfogatának változtatv ltoztatásával érték k el (5x10 5 vs. 2.5x10 7 ), ami 50x különbsk nbséget jelent. A relatív v rátermettsr termettséget (és( így az adaptáci ciót) egy máskép p jelölt lt ősi törzzsel t való közvetlen kompetíci ciós kísérletben tesztelték.

41 Eredmény Kis populáci ciókban az adaptáci ció heterogénebb, nagy populáci ciókban nem. Nagy populáci ció gyorsan adaptálódott dott a sima rátermettség g tájkt jképeken Kis populáci ció viszont gyorsabban adaptálódik dik rögös s tájkt jképen.

Eredmény 2 A legmagasabb relatív v rátermettsr termettséget elérőnél eleinte kicsi a rátermettsr termettség g növekedn vekedés s (pontozott görbék) (A kis populáci

42 Eredmény 2 A legmagasabb relatív v rátermettsr termettséget elérőnél eleinte kicsi a rátermettsr termettség g növekedn vekedés s (pontozott görbék) (A kis populáci ció,, B nagy populáci ció) A legmeredekebb lejtőn n felfelé nem biztos, hogy a legmagasabb csúcs találhat lható Sok ki populáci ció nem találta lta meg az optimumot...

Hasonló dokumentumok

AZ ÉLET KELETKEZÉSE egy kis kémia a biológiához

AZ ÉLET KELETKEZÉSE egy kis kémia a biológiához Dr. Kun Ádám, PhD okleveles biológus, okleveles vegyész Növényrendszertani, Ökológiai és Elméleti Biológiai Tanszék ELTE-MTA-MTM Ökológiai Kutatócsoport