Rendszerbiológia és evolúció Papp Balázs h9p://www.brc.hu/sysbiol/ MTA Szegedi Biológiai Kutatóközpont Biokémiai Intézet
Az evolúcióbiológia Jpikusan a múltban lezajlo9 eseményekre következtet
De vajon jósolható- e az evolúció??
Előrejelezhető- e, hogy szelekció hatására mely gének változnak meg? Jósolható- e az evolúció által bejárt útvonal? mutációs lépések
Miért fontos az evolúció jósolhatósága? Az evolúció ismételhetőségéről ad információt GyakorlaJ szempontból: pl. egy új anjbiojkum ellen milyen gyorsan alakulhat ki rezisztencia
Az evolúciót nehéz előrejelezni Véletlenszerű események mia9: mutációk megjelenése és elterjedése részben sztochaszjkus Ismernünk kellene az elérhető mutációkat és hatásukat
AdapYv tájkép GenoYpus fenoypus leképezés A tájkép alakja megszabja az evolúció számára elérhető útvonalakat fitnesz genotípus
Egyes fehérjék adapyv tájképe már Példa: ismert Béta- laktamáz enzim: anjbiojkumrezisztenciát befolyásolja 5 mutáció 100 000- szeresére növeli a rezisztenciát
A fehérjeevolúció menete jórészt megismételhető A 120 lehetséges mutációs útvonalból 102 elérhetetlen A 10 legvalószínűbb útvonal * Weinreich et al. 2006 Science 312: 111
Több génből álló génhálózatok adapyv tájképeiről még keveset tudunk Hogyan működnek együ9 a gének az élőlények jellegeinek kialakításában?? fitnesz genotípus adaptív tájkép
Válasz: rendszerbiológia Molekuláris összetevők és kölcsönhatásaik alapján próbálja leírni az élőlény viselkedését MatemaJkai modellezést használ Eszköz a genoypus + környezet fenoypus leképezés felderítésére
Hogyan válik számolhatóvá a sejt működése? 1. Nagyléptékű adatgyűjtés a molekuláris hálózatokról
Nagyléptékű kísérletes vizsgálatok AutomaJzált és minitüarizált biokémiai és genejkai módszerek Példa: az első teljes genomtérképet 1995- ben készíte9ék el (egy baktériumra), de ma már >3000 faj genejkai térképe ismert
A genomszekvenálás költséghatékonysága exponenciálisan növekszik
Hogyan válik számolhatóvá a sejt működése? 2. Molekuláris hálózatok matemajkai modellezése Anyagcseretérkép
Mire jók a matemajkai modellek? A tudásunk precíz leírására ( egy hibás modell is jobb, mintha nem lenne modell ) A kísérlej adatok értelmezésére A rendszer viselkedését lehet felderíteni (pl. melyek a kulcsfontosságú alkatrészek?) Jóslatokat tesznek jövőbeli kísérletek eredményeire
Előrejelzés a mindennapokban: időjárás Légkör és óceánok fizikájának számítógépes modellezése Korlátai: rövid távú előrejelzés jóval pontosabb
Példa egy sikeres rendszerbiológiai modellezésre: anyagcserehálózaj modellek Több fajra elérhető részletes anyagcseretérkép Nagyléptékű modellek (akár >1000 gén) Csak a hálózat szerkezetére van szükség, részletes enzimkinejkai adatokra nem Bernhard Palsson
AnyagcserehálózaJ modellezés Ismertek a biokémiai reakciók, tápanyagfelvételi folyamatok, a sejt felépítéséhez szükséges építőkockák Számolható az építőkockák opjmális termelhetősége Génkiütés és környezetváltozás hatása számolható
Miért vonzódnak a kutatók az egyszerű modellekhez? Hasznosak: a kevés előfeltevéssel élő, de még predikyv modellek segítenek leginkább a bonyolult jelenségek megértésében Egy túlbonyolíto9 modellt ugyanolyan nehéz értelmezni mint a valóságot
Mennyire predikyv egy ilyen egyszerű modell? Kulcsfontosságú gének jóslása élesztőben Élesztő anyagcseremodellje kb. 900 gént tartalmaz Génkiütéses kísérletek elvégezhetők: A modell jóslási pontossága: 80 90%
Hogyan segíj a rendszerbiológiai modellezés az evolúciós megértést? Evolúciós jelenségek mechaniszjkus magyarázata Evolúciós események jóslása
A génkütés paradoxon Legtöbb egyedi génkiütésnek nincs szembetűnő hatása (laboratóriumi környezetben):
Nélkülözhető gének magyarázata a kiütö9 génfunkciót más gének helye9esíjk (kompenzáció) a nélkülözhető géneknek csak más környezetekben van szerepük (környezetspecifikusság)
Génkiütés kompenzációja anyagcserehálózatokban Redundáns génkópia A gén B gén Kerülőútvonal A gén B gén
A környezetspecifikusságot és a kompenzációt is alátámasztják ese9anulmányok. De genomi léptékben melyik a fontosabb? Nagyléptékű anyagcserehálózaj modellezés
Mit árul el a modell a nélkülözhető génekről? A nélkülözhető gének többsége (>50%) inakyv Az aktív reakciók többsége (70%) valójában kulcsfontosságú A nélkülözhető gének nagy része más környezetben fontossá válik! Papp et al. (2004) Nature 429: 661
Kísérletes megerősítés: a gének többsége hozzájárul a túléléshez legalább egy környezetben > 400 környezej körülmény közö9 mérték a sejtnövekedést A génkiütések 93%- a mutato9 valamilyen fitneszcsökkenést! Hillenmeyer et al. (2008) Science 320: 362
Újabb fejlemények többsejtűekben Gének ~70%- a mutat valamilyen fitneszhatást Ramani et al. (2012) Cell 148: 792
Hogyan segíj a rendszerbiológiai modellezés az evolúciós megértést? Evolúciós jelenségek mechaniszjkus magyarázata Evolúciós események jóslása
I. Rövid távú evolúciós alkalmazkodás FenoYpusos és molekuláris változások feltérképezése Előrejelezhető- e A végállapot fenoypusa? A molekuláris szinten bekövetkező változások?
Alkalmazkodás tápanyagforráshoz A vad Ypusú kólibaktérium lassan nő glicerolon, bár jelen van a glicerol felhasználást végző útvonal Javítható- e a növekedés laboratóriumi evolúcióval? Ha igen, vajon az anyagcsere modellezésével előrejelezhető- e az evolúciós változás?
Evolúció a kémcsőben A kólibaktériumot több száz generáción át glicerol jelenlétében növeszte9ék: átoltás friss tápoldatba növesztés növesztés evolvált törzs kiinduló törzs Ibarra et al. (2002) Nature 420: 186
Gyors evolúciós alkalmazkodás glicerolhoz Kb. 700 generáció ala9: Ibarra et al. (2002) Nature 420: 186
Jósolható- e az alkalmazkodás? Az anyagcserehálózaj modellel számítható a hálózat opjmális viselkedése, s így elvileg az evolúciós végállapot is
A jósolt növekedési jellemzők kísérletes tesztelése oxigén felvétel sebessége laboratóriumi evolúció glicerol felvétel sebessége Elérte az opjmális növekedési fenoypust Ibarra et al. (2002) Nature 420: 186
Részben a molekuláris szintű változások is előrejelezhetők Hatékonyabb növekedéshez szükséges útvonalak expressziója megnő9 Szükségtelen gének expressziója lecsökkent - > spórol a sejt Lewis et al. (2010) Mol Sys Biol
II. Jóslás makroevolúciós időskálán: genomegyszerűsödés előrejelzése?
Természetben előforduló egyszerűsödö9 genomok Tápanyaggazdag, sejten belüli környezetben élő baktériumoknál több független leszármazási vonalon is drámai génvesztés következe9 be (400 800 gén maradt) Előnyös és parazita endoszimbionták Rickettsia tsutsugamushi
VizsgálaJ alany: Buchnera aphidicola Életmódja: levéltetvek endoszimbiontája bakteriocita (gazdasejt) Levéltetű glükóz, glutamát esszenciális aminosavak, riboflavin Buchnera
A Buchnera szabadon élő őse kólibaktériumhoz hasonló lehete9: A gének 75%- a elvesze9 ~200 millió év ala9 Szinte minden Buchnera gén megtalálható a kólibaktériumban Előrejelezhető- e kólibaktérium anyagcseréje alapján, hogy mely gének vesztek el?
Minimálhálózatok szimulációja kólibaktériumban 1. Az endoszimbiontára jellemző tápanyagfelvételt állítunk be 2. Véletlenszerűen törlünk egy gént 3. Ha nincs hatása, további gént törlünk 4. Addig folytatjuk amíg több gén már nem törölhető 500 minimálhálózat
Az előrejelzés ellenőrzése A szimulált anyagcserehálózatokat a Buchnera törzsek géntartalmával vete9ük össze: 80% egyezés Szimulált minimál hálózat Genomszekvencia alapján nyert hálózat Pál, Papp et al. (2006) Nature 440:667
Sokféle eltérő minimálhálózat A kapo9 minimálhálózatok génjeinek ~45%- a önmagában nem lé{ontosságú a kólibaktériumban
Hogyan tovább? Kérdések: Előrejelezhető- e az evolúció időbeli lefolyása? Mennyire jósolhatók az evolúció során bekövetkeze9 mutációk? Módszerek: MechaniszJkusan részletesebb modellek Új kísérlej evolúciós módszerek egy- egy géncsoport célzo9 evolválására
Köszönetnyilvánítás Papp és Pál csoport (SZBK): Pál Csaba Lázár Viktória Bogos Balázs Szappanos Balázs Kovács Károly Gajinder Pal Singh Fekete Gergely Bath: Laurence Hurst Cambridge: Steve Oliver Düsseldorf: MarJn Lercher Orsay: Busa- Fekete Róbert Kégl Balázs Budapest, SOTE: Csermely Péter