Системна біологія: Інтеграція складності в живі системи

Вступ до системної біології

Системна біологія — це інтегрований підхід, який вивчає біологічні системи як цілі, а не окремі компоненти ізольовано. Поєднуючи високопродуктивні дані оміки (геноміка, транскриптоміка, протеоміка, метаболоміка) з математичним моделюванням, обчислювальним аналізом та теорією мереж, системна біологія прагне зрозуміти, як складні біологічні поведінки — рішення щодо долі клітин, циркадні ритми, стійкість сигналів, метаболічний гомеостаз — виникають із молекулярних мереж взаємодії. Редукціоністська біологія ідентифікує частини; системна біологія відновлює, як ці частини взаємодіють для створення emergentних властивостей.

Це поле з’явилося в епоху секвенування геному, яке надало повні списки частин для організмів: з відомими ~20 000 людськими генів, наступним кроком було те, як вони взаємодіють і як топологія мережі визначає поведінку системи. Мотиви мереж — повторювані шаблони взаємодії (від’ємні зворотні зв’язки, провідні петлі), які виконують певні обчислювальні функції в генах регулювання, — розкривають принципи дизайну, збережені протягом еволюції. Сучасна системна біологія все більше інтегрує багатомасштабні дані від молекул до тканин до організмів, що забезпечується технологіями одноклітинної культури та просторовою омікою, які надають безпрецедентний рівень роздільної здатності.

Біологічні мережі

Мережі регуляції генів, Мережі регуляції генів (GRN) описують, як транскрипційні фактори, сигнальні молекули та регулятори хроматину контролюють закономірності експресії генів. GRN морських ельфів для специфікації ендодерміса були картограмуватися з надзвичайною повнотою Еріком Давидсоном — що надає механістичне причинно-наслідкове пояснення того, як рішення про долю клітин ембріона приймаються за допомогою приблизно 50 транскрипційних факторів у точній логічній схемі. Аналіз GRN виявляє ключові регуляторні вузли (головні регулятори), пояснює, як невеликі порушення можуть кардинально змінити долю клітин, і показує, як стійкість до шуму досягається через надмірну регуляторну зв’язність. Виведення GRN з даних одноклітинного РНК-секуенціювання є основним обчислювальним біологічним завданням.

Мережі взаємодії білків, Комплексна мережа білок-білкових взаємодій людини (інтеомом) оцірюється в понад 600 000 взаємодій. Високопродуктивні скритинги yeast two-hybrid та очищення зв’язками з подальшим мас-спектрометричним аналізом (AP-MS) картограмували значну частину цієї мережі. Аналіз топології мережі виявляє властивості масштабованості (невелика кількість вузлів надзвичайно сильно пов’язана) та модульну організацію (білки групуються у функціональні модулі). Білкові вузли часто є критичними, високо консерватованими та переважно цільовими для вірусних білків, що використовують мережі взаємодії білків господаря. Гени захворювань згруповані в мережеві модулі — хворобонослідні модулі — що дозволяє прогнозувати кандидатів у гени захворювань на основі близькості до відомих генів захворювань.

Математичне моделювання в біології

Моделі диференціальних рівнянь

Моделі диференціальних рівнянь описують біохімічні реакційні мережі як диференціальні рівняння, які відстежують зміни концентрації з часом. Моделі динаміки генного експресування (динаміка мРНК та білків), сигнальних каскадів (каскади MAP-кіназ), прогресування циклу клітин і метаболічних шляхів розкривають, як системні властивості (осарка, бістабільність, адаптація) виникають з кінетичних параметрів. Осцилятор Гудінова – простий негативний зворотний зв’язок із достатнім запізненням – демонструє, як осциляції виникають від мінімальних регуляторних схем, пояснюючи принципи генерації циркадних ритмів. Аналіз розбіжностей визначає режими параметрів, що створюють суттєво різні поведінки (моностабільність, бістабільність, осциляція), відображаючи фенотипову карту.

Аналіз балансу потоків

Аналіз балансу потоків (АБП) моделює метаболічні мережі в стазі, використовуючи лінійне програмування для прогнозування розподілу потоків та оптимізації об’єктивної функції (зазвичай виробництво біомаси). АБП дозволив побудувати масштабні метаболічні моделі (МММ) для *E. coli*, *S. cerevisiae* і людських клітин – всебічні реконструкції всіх відомих метаболічних реакцій. МММ прогнозують фенотипи росту з генних мутацій відносно точно та ідентифікують синтетично смертельні пари генів. МММ для раку ідентифікують метаболічні вразливості, специфічні для підтипів раку. АБП є основою для метабоінженерії – систематичного визначення генетичних модифікацій для максимізації виробництва бажаних метаболітів у промислових мікроорганізмах.

Інтеграція мультиомік

Одноомікові дослідження захоплюють один молекулярний шар; інтеграція мультиоміків об'єднує геноміку (мутації, число копій), епігеноміку (метилювання, відмітки гістонів), транскриптоміку (вираження мРНК), протеомніку (рівні білків) та метаболоміку (концентрації метаболітів), щоб створити всебічні молекулярні портрети станів живих організмів. TCGA (The Cancer Genome Atlas) інтегрував мультиоміки в 33 типи раку, виявляючи міжракові молекулярні підтипи, які іноді переважають над походженням тканини – що впливає на терапію, не орієнтовану на конкретний тип раку. ENCODE (Encyclopedia of DNA Elements) картографував регуляторні елементи в сотнях клітинних типів. Методи інтеграції, включаючи мультиомікову факторну аналізу (MOFA) та DIABLO, ідентифікують коваріантні молекулярні фактори, що визначають фенотипи захворювань.

Приклади та застосування

Приклад 1: Метаболічна реконструкція E. coli Метаболічний модельний комплекс E. coli K-12 (iJO1366) містить 1366 генів, 2251 реакцій та 1136 метаболітів. Прогнози FBA щодо швидкості росту на різних вуглецевих джерелах та прогнози щодо необхідності генів збігаються з експериментальними даними більше ніж у 90% випадків – вражаюча передбачуваність для складної біологічної системи. Модель використовувалася для інженерії штамів E. coli, які виробляють біопаливо (сукцинат, 1-бутанол) та фармацевтичні препарати. Ітерація прогнозів моделі з експериментальними даними дозволяє виявляти прогалини в моделі, що сприяє як метаболітичній інженерії, так і фундаментальним біохімічним відкриттям.

Приклад 2: Системна біологія циркадного годинника Мамлячий циркадний годинник – це петля транскрипції-трансляції: гетеродимери CLOCK-BMAL1 активують транскрипцію генів Per/Cry; комплекси PER/CRY пригнічують CLOCK-BMAL1; деградація PER/CRY скидає цикл приблизно за 24 години. ODE моделі молекулярного годинника відтворюють стійкість періоду, температурну компенсацію та налаштування світлом. Аналіз чутливості параметрів виявляє, які реакції (швидкість деградації CRY1) найбільше впливають на період. Генетичні варіанти людини в CRY1, що уповільнюють деградацію, викликають порушення сну з подовженими 24,5-годинними періодами, підтверджено як генетичними дослідженнями сім'ї, так і прогнозами ODE моделі.

Приклад 3: Аналіз сигнальних мереж раку Логічні мережі моделей ракових сигнальних шляхів (EGFR, WNT, Notch, Hedgehog, TGF-бета) представляють вузли як «увімкнено/вимкнено» стани, а зв’язки – як взаємодію «активує/пригнічує». Аналіз притяжок у логічних мережах ідентифікує стабільні стани, що відповідають клітинним фенотипам (проліферація, апоптоз, EMT). Мутації зміщують ландшафт притягування – онкогенні мутації збільшують базу притягання проліферативних станів. Така модель пояснює, чому цільова терапія змінює сигнальний шлях альтернативними шляхами (маршрути стійкості до ліків, відображені в топології мережі) та прогнозує, які комбіновані терапії можуть подолати компенсаторне перенаправлення.

Приклад 4: Одноклітинний мульти-омікс Одноклітинний мульти-омікс одночасно профілює численні молекулярні шари всередині окремих клітин. CITE-seq вимірює транскриптом та білки на поверхні клітини разом; SNARE-seq профілює доступність хроматину та транскрипт; Просторовий транскриптоминг відображає експресію генів у просторових координатах всередині зразків тканин. Ці технології виявляють, як стани клітин у тканинах корелюють із молекулярними шарами та як контекст сусідства клітин впливає на клітинну ідентичність. Ініціатива «Клітинного атласу людини» використовує одноклітинний мульти-омікс для створення всебійної посилальної карти всіх людських клітинних типів та станів – фундаментальна посилана карта для розуміння клітинної біології та механізмів захворювань на клітинному рівні.

Приклад 5: Синтетичні генні кола Синтетична біологія застосовує принципи інженерії для проектування штучних генних кілець із визначеними функціями. Генний перемикач (Gardner et al., 2000) – два взаємопригнічуючих транскрипційних фактори з біставністю – продемонстрував програмоване клітинне запам’ятовування. Репресорна петля – три репаратори в циклічному пригнічуючому ланцюгу – генерувала коливання з періодом приблизно 150 хвилин, демонструючи синтетичні біологічні годинники. Генні коливання тепер застосовуються в біосенсорах та клітинних терапіях. CRISPR-засновані синтетичні кола (CRISPRi та CRISPRa, які одночасно контролюють кілька генів) дозволяють будувати складні логічні ворота в клітинах, рухаючись до програмованої клітинної терапії.

Приклад 6: Моделювання цілісності клітин Кярр та співавт. (2012) опублікували модель цілісності клітин для Mycoplasma genitalium, яка включає 28 взаємопов’язаних підмоделей, що охоплюють усі відомі клітинні процеси – регуляцію генів, реплікацію, трансляцію, метаболізм, клітинний поділ. Модель відтворювала більшість відомих фенотипових даних і робила перевірені прогнози щодо необхідності генів. Хоча модель обмежена спрощеннями та обчислювальною інтенсивністю, вона представляє собою прорив до «ін silico клітин». Оновлені версії інтегрували стохастичні моделі, що відображають одноклітинну варіативність. Моделювання цілісності клітин для більш складних бактерій та згодом людських клітин трансформує відкриття ліків шляхом можливості проведення «ін silico» експериментів з порушенням перед лабораторною валідацією.

Приклад 7: Мережева медицина Мережева медицина застосовує аналіз мережі взаємодії білків для розуміння механізмів захворювань та дії ліків. Генетичні гени згруповані в мережеві модулі; близькість модулів прогнозує супутні захворювання – захворювання з перекриваючимися модулями часто зустрічаються разом. Перепрофілювання ліків використовує близькість між модулями захворювань та модулями ліків для ідентифікації нових показань. Аналіз передбачив і підтвердив метаформін для різних типів раку на основі близькості до модулів ракових захворювань.

Приклад 8: Цифрові двійники в біології Біологічні цифрові двійники – це обчислювальні моделі, індивідуально калібровані з використанням даних окремих пацієнтів, які прогнозують відповіді на лікування. Цифрові двійники серця – деталізовані моделі серця, калібровані за допомогою даних MRI, ЕКГ та електрофізіології пацієнта, прогнозують місця ураження аритмією та оптимальні цілі для абляції; клінічні випробування показують, що двійники, керовані цифровим способом, покращують результати. Цифрові двійники раку, побудовані на основі даних про онко-оміку пацієнта та історії лікування, прогнозують відповіді на хіміотерапію та оптимізують індивідуальні схеми лікування. Збіг між системами біології, машинним навчанням та персоналізованою медициною у цифрових двійниках представляє собою крайній преріс для точної медицини, що вимагає нормативних рамок для клінічного застосування.

Спробуйте онлайн

Все вище працює у вашому браузері – відкрийте Системну біологію: Дослідник генних мереж і змінюйте параметри під час роботи. Не встановлюється нічого, не завантажується жодного файлу, весь модель живе в одному вікні.

Спробуйте наживо

Усе, що вище, працює прямо у вашому браузері — відкрийте Systems Biology: Gene Network Explorer і змінюйте параметри під час роботи. Нічого не встановлюється, нічого не завантажується на сервер, уся модель живе в одній вкладці.