Stochastische Prozesse: Biologische Anwendungen Stochastische Mechanismen in der Genexpression Seminar Physik in der Biologie vom 16. Mai 2006 von Kathrin Henschel Aufbau des Vortrags • Betrachtung der Vorgänge bei der Genexpression • Genexpression als stochastischer Prozess • Modellierung der mRNA Synthese in einzelnen E. coli Bakterien • Vergleich mit experimentellen Daten • Umgang mit Rauschen Was bedeutet Genexpression? Information Zellbausteine Strukturen in Form von Proteinen Abfolge von Nucleotidsequenzen Umsetzung zu Die einzelnen Schritte der Genexpression: Initiation: Anbindung eines Transkriptionsfaktors an den Promotor, dann beginnt RNAPolymerase mit Transkription. Die Transkription kann als Anfertigung einer „Abschrift“ der Information verstanden werden. Die Abschrift (mRNA) wird dann weiterverarbeitet. Die mRNA wird im Vorgang der Translation mit Hilfe von Ribosomen in Proteine umgewandelt. Protein kann als wieder Transkriptionsfaktor sein. Anmerkungen Art und Menge der gebildeten Proteine bestimmt den Fortgang der Expression (Proteine als Transkriptionsfaktor). Die Expression des „eigenen“ Gens kann unterdrückt werden. Die Expression weiterer Gene kann unterdrückt oder ausgelöst werden. Was für Folgen haben diese Beobachtungen? Bildung von regulatorischen Netzwerken und Schaltern Ein Ausschnitt aus einem Netzwerk: Schalter: • Kontrolle durch regulatorische Proteine • Entscheidet über Fortgang der Expression. • Umschalten durch Schwellwert- überschreitung Lytischer und lysogener Zyklus Nach einigen Zellzyklen switch Genexpression als stochastischer Prozess Geringe Anzahl an Reaktanden Dauer der Bindung an Promotor ist zufällig Anzahl der entstehenden Transkripte ebenfalls mRNA wird zersetzt Anzahl gebildeter Proteine pro mRNA hängt von der Lebensdauer der mRNA ab Folgerungen • Proteinkonzentration variiert stark von Zelle zu Zelle • Schicksal der Zelle ungewiss • Keine Beschreibung über DGLs Zum Verständnis werden Simulationen benötigt Gillespie-Algorihtmus If you can‘t model it, you don‘t understand it. Erste Frage: Warum schwanken die Proteinkonzentrationen? Idee: Sie sind Folge von mRNA bursts. Suche Modell, das die Transkription beschreibt! Beobachte mRNA- und Proteinkonzentrationen im Zeitverlauf Dazu muss man sich eines Tricks bedienen: Das Experiment Konzentration über 100 Zellen gemittelt Mit Hilfe von fluoreszenten Proteinen und markierter mRNA konnte die Transkription mitverfolgt werden. Betrachtung der mRNA Konzentrationen in einzelnen Zellen: • rot: Rohdaten • cyan: Rohdaten der Tochterzelle • schwarz: Fit Time after induction Ein erster Versuch der Simulation: Annahmen: Verhalten im Mittel: • Jede Zelle kann mit konstanter WSK pro Zeitschritt ein mRNA Molekül generieren. • Die Zellen teilen sich alle 50 min. in zwei identische Tochterzellen. • Die enthaltenen mRNA Moleküle werden auf die Tochterzellen verteilt. Der Vergleich mit dem Experiment: Die Varianz der simulierten Trajektorie ist um den Faktor 4 zu klein. Simulation mit den vorherigen Annahmen Verbesserung der Simulation Einbeziehung der zufälligen Genaktivierung bzw. Inaktivierung. bursts in Poissonverteilten Zeitabständen mit geometrisch verteilter Größe Resultate der Simulation Was wurde gewonnen? Reproduktion experimenteller Ergebnisse mit einfachem Modell Verständnis der Dynamik eines kleinen Bausteins Vorarbeit zum Verständnis der gesamten Dynamik How does order arise from disorder? Unterdrückung von Rauschen • Tiefpassfilter (negative feedback-loop), Bandpassfilter • checkpoints Verwertung von Rauschen • Bessere Überlebenschancen durch Heterogenität • Ermöglichung verschiedener Strategien Quellen: Arkin, A., J. Ross, and H. H. McAdams. "Stochastic Kinetic Analysis of Developmental Pathway Bifurcation in Phage lambda-infected Escherichia Coli Cells." Genetics 149 (1998): 1633-48. McAdams, H. H., and A. Arkin. "Stochastic Mechanisms in Gene Expression." Proc. Natl. Acad. Sci. USA 94 (1997): 814-9. I Golding, J Paulsson, SM Zawilski, EC Cox Real-time kinetics of gene activity in individual bacteria. Cell. 2005 Dec 16;123(6):1025-36. Parameter estimation in stochastic biochemical reactions. Stefan Reinker, Rachel MacKay Altman, Jens Timmer Bilder: wikipedia.de und http://www.lmg.projekte.bb.bw.schule.de/semkurs/ebolap.htm