Biologia systemowa: Integracja złożoności w żywych organizmachach

Wprowadzenie do Biologii Systemowej

Biologia systemowa jest zintegrowanym podejściem badającym systemy biologiczne jako całości, a nie pojedyncze komponenty oddzielnie. Łącząc dane wysokoprzepustowe omiczne (genomikę, transkryptomikę, proteomikę, metabolomikę) z modelowaniem matematycznym, analizą obliczeniową i teorią sieci, biologia systemowa dąży do zrozumienia, jak złożone zachowania biologiczne – decyzje dotyczące losów komórek, rytmy okołodnień, odporność na sygnały, homeostaza metaboliczna – wyłaniają się z sieci interakcji molekularnych. Biologia redukcjonistyczna identyfikuje części; biologia systemowa rekonstruuje, jak te części oddziałują, aby tworzyć emergentne właściwości.

Dziedzina ta powstała wraz z erą sekwencjonowania genomu, dostarczającą pełnych list części dla organizmów: dzięki znajomości około 20 000 genów u ludzi następnym pytaniem było, jak one oddziałują i w jaki sposób topologia sieci wpływa na zachowanie systemu. Motyfy sieci – powtarzające się wzorce interakcji (pasywne pętle sprzężenia zwrotnego, pętle prostej fazy) wykonujące specyficzne funkcje obliczeniowe w sieciach regulacji genów – ujawniają zasady projektowania zachowane na przestrzeni ewolucji. Współczesna biologia systemowa coraz bardziej integruje dane wieloskaliowe od cząsteczek do tkanek i organizmów, umożliwione przez technologie jednowłóknikowych komórek i omiki przestrzenne, które dostarczają bezprecedensowej rozdzielczości.

Biologia sieciowa

Sieci regulacji genów opisują, w jaki sposób czynniki transkrypcyjne, cząsteczki sygnałowe i regulatorzy chromatyny kontrolują wzorce ekspresji genów. Sieć regulacji genów u morskich bezowoców specyfikujących endodermę została zmapowana z niezwykłą dokładnością przez Erica Davidsona – dostarczając mechanistyczne wyjaśnienie przyczynowe tego, jak decyzje o przeznaczeniu komórki embrionalnej są podejmowane za pomocą około 50 czynników transkrypcyjnych w precyzyjnym układzie logicznym. Analiza sieci regulacji genów ujawnia kluczowe węzły regulacyjne (regulatory główne), wyjaśnia, jak niewielkie zaburzenia mogą radykalnie zmienić przeznaczenie komórki i pokazuje, w jaki sposób odporność na szumy jest osiągana dzięki redundantnym połączeniom regulacyjnym. Wnioskowanie sieci regulacji genów z danych sekwencjonowania RNA pojedynczych komórek jest ważnym celem biologii obliczeniowej.

Sieci interakcji białkowych

Kompletny interaktywny sieć białkowa (interaktoom) u człowieka szacuje się na ponad 600 000 interakcji. Wysokoprzepustowe badania z wykorzystaniem metod yeast two-hybrid i AP-MS (affinity purification-mass spectrometry) zmapowały dużą część tej sieci. Analiza topologii sieci ujawnia cechy skale-free (niewielka liczba węzłów centralnych jest bardzo mocno połączona) i modułową organizację (białka grupują się w modułach funkcjonalnych). Węzelowe białka są często niezbędne, wysoce konserwatywne i preferencyjnie celowane przez białka wirusowe wykorzystujące sieci interakcji białkowych gospodarza. Geny związane z chorobami klastrują się w modułach sieciowych – modułach chorobowych – umożliwiając przewidywanie kandydatów na geny chorobowe poprzez bliskość sieci do znanych genów chorobowych.

Modelowanie Matematyczne w Biologii

Modele równań różniczkowych zwykłych opisują sieci reakcji biochemicznych jako równania różniczkowe śledzące zmiany stężeń w czasie. Modele ekspresji genów (dynamiki mRNA i białek), kaskad sygnalizacyjnych (kaskady MAP kinazy), postępu cyklu komórkowego i szlaków metabolicznych ujawniają, jak właściwości na poziomie całego systemu (oscylacje, dwustany, adaptacja) wyłaniają się z parametrów kinetycznych. Oscylator Goodwin – prosta pętla sprzężenia zwrotnego ze wystarczającym opóźnieniem – pokazuje, jak oscylacje powstają dzięki minimalnym obwodom regulacyjnym, wyjaśniając zasady generowania rytmów okołodożywczych. Analiza rozszczepień identyfikuje zakresy parametrów tworzące różnie rodzaje zachowania (monostany, dwustany, oscylacje), mapując krajobraz fenotypowy.

Analiza przepływu

Analiza przepływu (FBA) modeluje sieci metaboliczne w warunkach stałego przepływu, wykorzystując programowanie liniowe do przewidywania rozkładów przepływów metabolicznych optymalizujących funkcję celu (zwykle produkcja biomasy). FBA umożliwiła modele metaboliczne na poziomie genomu (GEM) dla *E. coli*, *Saccharomyces cerevisiae* i komórek ludzkich – kompleksowe rekonstrukcje wszystkich znanych reakcji metabolicznych. GEM przewidują cechy wzrostu z mutacji genowych w sposób rozsądnie dokładny i identyfikują pary syntetycznie śmiertelnych genów. Modele metaboliczne nowotworów identyfikują podatności metaboliczne specyficzne dla podtypów nowotworów. FBA jest podstawą inżynierii metabolicznej – systematyczne identyfikowanie modyfikacji genowych w celu maksymalizacji produkcji pożądanych metabolitów w mikroorganizmach przemysłowych.

Integracja wieloomicznych

Badania oparte na pojedynczym omice rejestrują jeden poziom molekularny; integracja wieloomicznych łączy genomikę (mutacje, liczba kopii), epigenomikę (metylacja, oznaczniki histonowe), transkryptomikę (wyrażanie mRNA), proteomikę (poziomy białek) i metabolomikę (koncentracje metabolitów) w celu stworzenia kompleksowych portretów stanu molekularnego stanów biologicznych. Atlas nowotworowy TCGA (The Cancer Genome Atlas) zintegrował wieloomiczne dane w 33 typach nowotworów, ujawniając między-nowotworowe podtypy molekularne, które czasami wykraczają poza pochodzenie tkanki – informując o terapii niezależnej od nowotworu. ENCODE (Encyclopedia of DNA Elements) mapował elementy regulacyjne w setkach typów komórek. Metody integracji, takie jak wieloomiczna analiza czynników (MOFA) i DIABLO, identyfikują współzwiązkowe czynniki molekularne napędzające cechy patologiczne.

Przykłady i Zastosowania

Przykład 1: Rekonstrukcja Metabolizmu E. coli Model metaboliczny E. coli K-12 (iJO1366) zawiera 1366 genów, 2251 reakcji i 1136 metabolitów. Prognozy FBA dotyczące szybkości wzrostu na różnych źródłach węgla oraz prognozy dotyczące niezbędności genów zgadzają się z danymi eksperymentalnymi w ponad 90% testów – imponująca zdolność predykcyjna dla złożonego systemu biologicznego. Model ten został wykorzystany do zaprojektowania E. coli produkujących biopaliwa (sukcinian, 1-butanol) i leki. Iteracyjne prognozowanie modelu z danymi eksperymentalnymi identyfikuje luki w modelu, prowadząc zarówno do inżynierii metabolicznej, jak i podstawowych odkryć biochemicznych. Przykład 2: System Biologii Hodzycznego Hodgkinowy zegar biologiczny to pętla sprzężenia zwrotnego translacji-transkrypcji: heterodymery CLOCK-BMAL1 aktywują transkrypcję genów Per/Cry; kompleksy PER/CRY hamują CLOCK-BMAL1; degradacja PER/CRY resetuje cykl w ciągu około 24 godzin. Modele ODE zegara molekularnego reprodukują odporność okresu, kompensację temperatury i entrainment przez światło. Analiza wrażliwości parametrów ujawnia reakcje (degradacja CRY1), które najbardziej wpływają na długość okresu. Warianty genetyczne w CRY1, spowalniające degradację, powodują zaburzenie fazy snu (DSPD) z wydłużonymi okresami 24,5 godziny, potwierdzone zarówno badaniami genealogicznymi, jak i prognozowaniem za pomocą modeli ODE. Przykład 3: Analiza Sieci Sygnałowania Nowotworowego Modele sieciowe Boolean dróg sygnalizacyjnych nowotworowych (EGFR, WNT, Notch, Hedgehog, TGF-beta) reprezentują węzły jako stany włączone/wyłączone, a krawędzie jako interakcje aktywujące/hamujące. Analiza przyciągaczy w sieciach Boolean identyfikuje stany fenotypowe (proliferacja, apoptoza, EMT) odpowiadające stanom stabilnym. Mutacje przesuwają krajobraz przyciągaczy – mutacje onkogenne zwiększają basen przyciągaczy stanów proliferacyjnych. Takie modele wyjaśniają, dlaczego pojedyncze ukierunkowane terapie powodują przekierowywanie sygnału przez alternatywne ścieżki (mapowanie oporności na leki w topologii sieci) i przewidują, które terapie kombinacyjne pokonują kompensacyjne przekierowania. Przykład 4: Multi-Omika Jednocelowa Technologia multi-omiki jednocelowa jednocześnie profiluje wiele warstw molekularnych w pojedynczych komórkach. CITE-seq mierzy transkryptom i białka powierzchni komórki razem; SNARE-seq profiluje dostępność chromatyny i transkryptom; Spatial Transcriptomics mapuje ekspresję genów w koordynatach przestrzennych w sekcjach tkankowych. Te technologie ujawniają, jak stany komórek w tkankach korelują z warstwami molekularnymi i jak kontekst sąsiedztwa komórkowego kształtuje tożsamość komórki. Inicjatywa Human Cell Atlas wykorzystuje multi-omikę jednocelową do stworzenia kompleksowej mapy odniesienia wszystkich ludzkich typów komórek i stanów – fundamentalna mapa odniesień do zrozumienia biologii komórkowej i mechanizmów chorób w rozdzielczości komórkowej. Przykład 5: Obwody Genetyczne Syntezy Biologia syntetyczna stosuje zasady inżynierii do projektowania sztucznych obwodów genowych z określonymi funkcjami. Przełącznik genetyczny (Gardner et al. 2000) – dwa wzajemnie hamujące transkrypcje czynników, które mają stabilność—demonstrowały programowalne pamięć komórkową. Represor—trzy represory w okrągłej pętli hamującej—generowały oscylacje z okresem około 150 minut, demonstrując zegary biologiczne syntetyczne. Obwody oscylacyjne są teraz stosowane w czujnikach i terapii komórkami. CRISPR-oparte obwody syntezy (CRISPRi i CRISPRa kontrolujące jednocześnie wiele genów) umożliwiają konstrukcję złożonych bram logicznych Boolean w komórkach, prowadząc do programowalnych terapii komórkowych. Przykład 6: Modelowanie Całkowite W 2012 roku Karr et al. opublikowali model całego komórki Mycoplasma genitalium obejmujący 28 wzajemnie połączonych podmodeli obejmujących wszystkie znane procesy komórkowe – regulację genów, replikację, translację, metabolizm, podział komórek. Model ten odtworzył większość znanych danych fenotypowych i dokonał weryfikowalnych prognoz dotyczących niezbędności genów. Choć ograniczony przez uproszczenia modelu i intensywność obliczeniową, stanowi kamień milowy w kierunku

in silico

komórek. Zaktualizowane wersje zintegrowały modele stochastyczne uchwycające zmienność jednowłóknikową. Modelowanie całych komórek bardziej złożonych bakterii i ostatecznie ludzkich typów komórek przekształciłby odkrywanie leków poprzez umożliwienie wirtualnych eksperymentów zaburzających poprzedzających walidację laboratoryjną. Przykład 7: Medycyna Sieciowa Medycyna sieciowa stosuje analizę interakcji białkowych w sieciach, aby zrozumieć mechanizmy chorób i działanie leków. Geny chorobowe klastrują się w modułach sieci; bliskość modułów przewiduje współwystępowanie chorób – choroby z nakładającymi się modułami współwystępują. Repozycjonowanie leków wykorzystuje bliskość modułów chorobowych do modułów celujących, aby zidentyfikować nowe wskazania. Prognozowano i weryfikowano metforminę dla różnych typów nowotworów na podstawie bliskości sieci do modułów chorobowych nowotworowych. Polyfarmakologia – projektowanie leków ukierunkowanych na wiele węzłów sieci jednocześnie – może skuteczniej zakłócać moduły chorobowe niż podejścia ukierunkowane na pojedyncze cele, szczególnie w przypadku złożonych chorób wielogiennych. Przykład 8: Cyfrowe Kopie w Biologii Cyfrowe kopie biologiczne to modele obliczeniowe dla indywidualnego pacjenta skalibrowane z danymi pacjenta, które przewidują odpowiedzi na leczenie. Modele cyfrowego serca – szczegółowe modele serca skalibrowane z danymi MRI, EKG i elektrofizyologii pacjenta – przewidują miejsca arytmii i optymalne cele ablacji; badania kliniczne pokazują, że cyfrowe kopie poprowadzone w ablacjach poprawiają wyniki. Modele cyfrowego nowotworu zbudowane z danych omiki nowotworowego pacjenta i historii leczenia przewidują odpowiedzi na chemioterapię i optymalizują spersonalizowane plany leczenia. Zbieżność biologii systemowej, uczenia maszynowego i medycyny spersonalizowanej w cyfrowych kopii stanowi granicę precyzyjnej medycyny, wymagającą ram regulacyjnych dla wdrażania klinicznego.

Wypróbuj na żywo

Wszystko powyżej działa w Twojej przeglądarce — otwórz Systemowe Biologia: Eksplorator Sieci Genowych i zmieniaj parametry podczas działania. Nic nie jest instalowane, nic nie jest przesyłane, cały model istnieje w jednym zakladkowie.

Wypróbuj na żywo

Wszystko powyżej działa bezpośrednio w Twojej przeglądarce — otwórz Systems Biology: Gene Network Explorer i zmieniaj parametry podczas działania. Nic nie jest instalowane ani przesyłane na serwer, cały model działa w jednej karcie.