Post on 06-Apr-2016
transcript
10. Vorlesung WS 2004/05
Softwarewerkzeuge 1
Bereich 3: V10 - Integrative Biologie
1 Protein-Netzwerke: topologische Graphen-Netzwerke
2 Analyse von Stoffwechselwegen (metabolic pathways): Konzentration auf Metabolite, enzym. Reaktionen
3 Zell-Simulationen: dynamische Simulation auf Sekunden-Zeitskala, t = 0.01 s (V10 und V11)
Systems Biology: Integration von genomischen und proteomischen Analysen (V12)
www.systemsbiology.org
Kom
plex
ität,
Leve
l an
Ver
stän
dnis
10. Vorlesung WS 2004/05
Softwarewerkzeuge 2
Protein-Netzwerke: Cytoscape
The screenshot left shows the main window of Cytoscape 2.0, displaying a network of protein-protein and protein-DNA interactions among 332 yeast genes.
http://www.cytoscape.org/
10. Vorlesung WS 2004/05
Softwarewerkzeuge 3
Protein-Wechselwirkungsnetzwerke: Cytoscape
You can flip through different visual styles by making a selection from the Visual Style pull down menu. "Sample2" will give gene expression values for each node will be colored along a color gradient between red and green.
http://www.cytoscape.org/
10. Vorlesung WS 2004/05
Softwarewerkzeuge 4
Protein-Wechselwirkungsnetzwerke: Cytoscape
With the Cytoscape Visual Style feature, you can easily customize the visual appearance of your graph. Cytoscape can also map values such as probabilities, confidence levels, and expression values to the visualization of networks.
http://www.cytoscape.org/
10. Vorlesung WS 2004/05
Softwarewerkzeuge 5
Protein-Wechselwirkungsnetzwerke: Cytoscape
The attributes window displays a summary of Gene Ontology (GO) information and expression ratios for each of ten seleted genes.Hyperlinks to the GO database are also provided.
http://www.cytoscape.org/
10. Vorlesung WS 2004/05
Softwarewerkzeuge 6
Protein-Wechselwirkungsnetzwerke: Cytoscape
Cytoscape implements an algorithm for finding "active pathways", i.e., subnetworks of genes that jointly show significant differential expression over a set of experimental conditions observed by microarray experiment. The image right show the results of a run of this algorithm. Several active paths have been found; the highest scoring one has 22 genes identified as being active in three of the 20 experimental conditions. From here, one can view a graph with only these genes, display the expression data for any of the conditions, and examine Gene Ontology (GO) information available to assess the biological significance of this network.
http://www.cytoscape.org/
10. Vorlesung WS 2004/05
Softwarewerkzeuge 7
Features of Cytoscape v2.0 (July 2004)
InputInput and construct molecular interaction networks from raw interaction files (SIF
format) containing lists of protein-protein and/or protein-DNA interaction pairs. For yeast and other model organisms, large sources of pairwise interactions are available through the BIND and TRANSFAC databases. User-defined interaction types are also supported.
Load and save previously-constructed interaction networks in GML format (Graph Markup Language).
Input mRNA expression profiles from tab- or space-delimited text files. Load and save arbitrary attributes on nodes and edges. For example, input a set
of custom annotation terms for your proteins, create a set of confidence values for your protein-protein interactions.
Import gene functional annotations from the Gene Ontology (GO) and KEGG databases.
http://www.cytoscape.org/
10. Vorlesung WS 2004/05
Softwarewerkzeuge 8
Features of Cytoscape v2.0 (July 2004)
VisualizationCustomize network data display using powerful visual styles. View a superposition of gene expression ratios and p-values on the network.
Expression data can be mapped to node color, label, border thickness, or border color, etc. according to user-configurable colors and visualization schemes.
Layout networks in two dimensions. A variety of layout algorithms are available, including cyclic and spring-embedded layouts.
Zoom in/out and pan for browsing the network. Use the network manager to easily organize multiple networks. Use the bird’s eye view to easily navigate large networks.
http://www.cytoscape.org/
10. Vorlesung WS 2004/05
Softwarewerkzeuge 9
Features of Cytoscape v2.0 (July 2004)
AnalysisPlug-ins available for network and molecular profile analysis. E.g.: Filter the network to select subsets of nodes and/or interactions based on the current
data. For instance, users may select nodes involved in a threshold number of interactions, nodes that share a particular GO annotation, or nodes whose gene expression levels change significantly in one or more conditions according to p-values loaded with the gene expression data.
- Find active subnetworks / pathway modules. The network is screened against gene expression data to identify connected sets of interactions, i.e. interaction subnetworks, whose genes show particularly high levels of differential expression. The interactions contained in each subnetwork provide hypotheses for the regulatory and signaling interactions in control of the observed expression changes.
- Find clusters (highly interconnected regions) in any network loaded into Cytoscape. Depending on the type of network, clusters may mean different things. For instance, clusters in a protein-protein interaction network have been shown to be protein complexes and parts of pathways. Clusters in a protein similarity network represent protein families. http://www.cytoscape.org/
10. Vorlesung WS 2004/05
Softwarewerkzeuge 10
Analyse von Stoffwechselwegen: Beispiel E. coli
verwende Daten aus Datenbank EcoCyc(siehe auch MetaCyc: Stoffwechsel von > 150 Organismen)
EcoCyc enthält 905 Reaktionen für E.coli davon gehören 161 nicht zum Stoffwechsel kleiner Moleküle, z.B. DNA Replikation,von den verbleibenden 744 wurden 569 mindestens einem Pfad zugeordnet
Dagegen gibt es 607 Enzyme.
Es gibt also keine 1:1 Zuordnung zwischen Enzymen und Reaktionen, denn(1) Manche Enzyme katalyiseren mehrere Reaktionen,
und manche Reaktionen werden von mehreren Enzymen katalysiert(2) nicht zu allen Reaktionen sind die Enzyme bekannt, die sie katalysieren.
Ouzonis, Karp, Genome Research 10, 568 (2000)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 11
Beispiel: Stoffwechsel von E. coli
Von den 3399 Reaktionen der Enzym-Nomenklatur (ENZYME Datenbank, Bairoch 1999) wurden in E.coli 604 gefunden.
Dies bedeutet, dass 301 Reaktionen in E.coli keine E.C. Nummer besitzen.
Problem bei auf E.C. Nummern basierender Bioinformatik ...
Ouzonis, Karp, Genome Research 10, 568 (2000)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 12
Beispiel: Stoffwechsel von E. coli
Die 744 Reaktionen enthalten791 verschiedene Substrate.
Ouzonis, Karp, Genome Research 10, 568 (2000)
Im Mittel enthält jede Reaktion4 Substrate.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 13
Beispiel: Stoffwechsel von E. coli
EcoCyc enthält 131 Stoffwechsel-Pfade.Die Länge der Pfade variiert von1 bis 16. Im Mittel 5.4.
Von den 607 Enzymen sind100 multifunktional.Purin-Nukleosid-Phosphorylaseund Nukleosid-Diphosphatkinasekatalysieren 7 bzw. 9 Reaktionen.
483 Reaktionen gehören zu einemPfad, 99 Reaktionen gehören zumehreren Pfaden.
Ouzonis, Karp, Genome Research 10, 568 (2000)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 14
Fazit
Stoffwechsel-Netzwerke von einfachen Organismen sind mittlerweilefast vollständig bekannt.
Ist die Beschreibung mit einzelnen Stoffwechsel-Wegen adäquat?
- Reaktionen, Enzyme und Substrate gehören oft zu mehreren Pfaden.
- Die Einteilung in einzelne Stoffwechsel-Pfade ist nicht immer eindeutig.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 15
Metabolische Pfade in der post-genomischen Ära
(a) klassische Biochemiebestimmt Stöchiometrieneinzelner Reaktionen
(b) Katalogisierung vielerReaktionen, Gruppierung nachgemeinsamen Metaboliten führtzu traditionellen Pfaden wieGlykolyse, Pentose-Phosphat-Pfad
(c) Durch komplette Information können nun die komplettenmetabolischen Pfade zugeordnetwerden.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 16
Metabolische Pfade in der post-genomischen Ära
Traditionelle metabolische Pfade dienen als konzeptioneller Rahmen für Forschung und Lehre.
Man kann dadurch Metabolismen verschiedener Organismen vergleichen.
Jedoch sind sie nicht für quantitative, systemische Bewertungen biologischerReaktionsnetzwerke geeignet, da sie nur Teile der Netzwerke darstellen.
Sie wurden oft in Zelltypen entdeckt, in denen sie wichtige metabolischeFunktionen übernehmen (z.G. Glykolyse in Hefe).
Man kann diese Pfade jedoch nicht einfach auf andere Zelltypen mit anderenEnzymleveln und metabolischen Profilen übertragen.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 17
3 Vorgehensweisen
1 konstruiere alle Transformationswege, die von einem gegebenen
Substrat zu einem gegebenen Produkt führen
2 verwende Satz von linear (systemisch) unabhängigen Basisvektoren im Raum der Reaktionsflüsse, durch Linearkombination sollen sich alle möglichen Flußverteilungen darstellen lassen.Allerdings ist die Wahl dieser Basisvektoren nicht eindeutig.
3 Konzept der elementaren (Fluss-) Moden
Eine Elementarmode ist ein minimaler Satz von Enzymen, die im Gleichgewicht operieren können. Minimal heisst: falls nur die
Enzyme dieser Mode operieren, führt Inhibition jedes einzelnen seiner Enzyms zum Stop aller Gleichgewichtsflüsse im System
10. Vorlesung WS 2004/05
Softwarewerkzeuge 18
Beschreibung vernetzter metabolischer Pfade
(a) aus genomischen, biochemischen, physiologischen Daten wird einReaktionsnetzwerk aufgestellt. Es gibt interne Flüsse innerhalb der Systemgrenzen und externe Flüsse mit der Umgebung.(b) Dieses Netzwerk wird durch eine stöchiometrische Matrix dargestellt,in der Metaboliten durch Reaktionen miteinander verbunden werden.(c) Mögliche Zustände der Zelle aufgrund dieser Matrix werden mit Techniken wie „elementary modes“ oder „extreme pathways“ identifiziert.Die möglichen Zustände liegen innerhalb eines Konus im durch dieverschiedenen Flüsse aufgespannten Koordinatensystem.
Papin et al. TIBS 28, 250 (2003)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 19
Analyse der stöchiometrischen Matrix
Analyse der Matrix S Pathway-Darstellung P.Deren Zeilen enthalten den Reaktionen entsprechende Flüsseund die Spalten die sichergebenden Pfade.
Darstellung des Reaktions-netzwerks mit stöchiometrischerMatrix S.
Metabolite
stöchiometrischeKoeffizienten der einzelnenReaktionen.
Darstellung derPfade ist möglichfür einfache Netzwerke.
Papin et al. TIBS 28, 250 (2003)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 20
Netzwerk-Analyse
(a) welche Substrate (A-E) sind zurProduktion der Biomasse erforderlich (B,E), welche nicht?
(b) Aufspüren von nicht genutztenReaktionen (F E), Refinementder Annotation von Genomen.
(c) quantitative Beschreibung vonPathway-Redundanz bzw. Robustheitdes Netzwerks: P1 und P2 führen beide
von A nach D.
(d) Reaktionen RA, RB und RC werden
stets gemeinsam benutzt. Ihre Genewerden daher vermutlich koordiniertreguliert.
Papin et al. TIBS 28, 250 (2003)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 21
Welche Rolle spielt Pathway-Analyse?
Die auf Netzwerken basierende Analyse von Pfaden stellt eine gute Basis darum die heutige Flut an experimentellen Daten ohne vorgefasste Meinungenin biologische Modelle zu übersetzen.
Papin et al. TIBS 28, 250 (2003)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 22
konkretes Beispiel:Glykolyse
http://biotech.icmb.utexas.edu/glycolysis/pathway.html
Stoffwechselpfadin Lehrbuch.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 23
Glykolyse
Glucose G6PHexokinase
F6PPgi
FP2
PfkGAP
Fba
DHAP
TpiA
1,3BPG
3PG
PgkGap
Gpm
2PG
Eno
PEP
Pyk
Pyr
Schematische Darstellung.Metabolite sind blau,Enzyme rot dargestellt.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 24
Pentose-Phosphat-Stoffwechsel
G6P
Zwf
GO6P
Pgl
6PG
Gnd
Ru5P
Rpe Xyl5P
R5P GAP
Sed7P
TktI
F6P
Ery4P
Tal
G6PF6P
TktII
Analoge Darstellung für PPP.G6P und F6P tauchen je zweimal auf!
10. Vorlesung WS 2004/05
Softwarewerkzeuge 25
Konkretes Beispiel: Monosaccharid-Stoffwechsel
Benötigter Input: Deklaration interner und externer Substanzen,Enzymreaktionen und ihre Richtung
Schuster, Fell, Dandekar, Nature Biotech 18, 326 (2000)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 26
Reaktionsschema für Monosaccharid-Stoffwechsel
Schuster, Fell, Dandekar, Nature Biotech 18, 326 (2000)
Kopplung von Glykolyse undPentose-Phosphat-Pfad:15 Metabolite, 19 Reaktionen
Daher besitzt diestöchiometrische Matrixdie Dimension 15 19.
Welche Reaktionen müssen notwendigerweisegemeinsam ablaufen?
Offensichtlich{Gap, Pgk, Gpm, Eno, Pyk}und {Zwf, Pgl, Gnd}.Weiterhin auch {Fba, TpiA}und {2 Rpe, TktI, Tal, TktII}.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 27
Reduktion(I): Reduziertes Schema
Schema wurde aus vorherigem Schema erhalten indem all Enzyme kombiniert wurden, die immer gemeinsam operieren.
Schuster, Fell, Dandekar, Nature Biotech 18, 326 (2000)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 28
Reduktion (II): Elementarmoden
Identifizierung der Moden:(1) ursprünglicher Glykolyse-Stoffwechsel. Die Moden (3)-(6) stimmen mit den 4 Moden des Pentose-Phosphat-Stoffwechsels aus Stryer überein.
Eine Elementarmode ist ein minimaler Satz von Enzymen, die im Gleichgewichtoperieren können. Minimal heisst: wenn nur die Enzyme einer Mode aktiv sind,führt Inhibition jedes einzelnen Enzyms zum Stop aller Gleichgewichtsflüsse.
Schuster, Fell, Dandekar, Nature Biotech 18, 326 (2000)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 29
Elementarmoden
Graphische Darstellung von 7 Elementarmoden. Die Moden beinhalten unterschiedliche Anzahl an Enzymen und überlappenteilweise miteinander. Die Zahlen entsprechen den relativen Flüssen.
Jeder Systemzustand im Gleichgewicht lässt sich als Linearkombination dieser Elementarmoden darstellen.
Schuster, Fell, Dandekar, Nature Biotech 18, 326 (2000)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 30
Software: FluxAnalyzer, setzt auf Matlab auf
Steffen Klamt.
Klamt et al. Bioinformatics 19, 261 (2003)
10. Vorlesung WS 2004/05
Softwarewerkzeuge 31
Software: FluxAnalyzer, setzt auf Matlab auf
Links: Network composer of the FluxAnalyzer facilitating the definition of the network structure. Mitte: Input mask for defining a new network element of type reactionRechts: Pull-down menu of the FluxAnalyzer providing an interactive use of the various functions of the toolbox.
http://pinguin.biologie.uni-jena.de/bioinformatik/
10. Vorlesung WS 2004/05
Softwarewerkzeuge 32
Fazit
Stoffwechselpfade sind nicht isoliert voneinander,besitzen in verschiedenen Organismen verschiedene Komponenten bzw.Bedeutung.
Oft sind mehrere alternative Reaktionspfade möglich.Das Program BIOMINER (Prof. Lenhof) wählt z.B. den Pfad/Graphen der geringsten Länge.
Komplexe metabolische Netzwerke sind daher für uns schwer zu durchschauen.
Man benötigt intelligente und robuste Algorithmen um daraus biologischeModelle abzuleiten.
Diese biologischen Modelle sehen jedoch vermutlich nicht so einfach auswie in heutigen Lehrbüchern.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 33
E-cell: Software Umgebung zur Simulation ganzer Zellen Institute for Advanced Biosciences der Keio University (existiert seit 1996)Dr. Masaru Tomita, Team enthält > 50 Mitglieder!
weitere Programme für integrative Zellsimulationen:
GEPASI (1993, 1997) – Simulation von Stoffwechselpfaden
KINSIM (1983, 1997)
METAMODEL (1991)
SCAMP (1993)
DBSolve (1997)
V-Cell (1999)
es gibt auch separate Programme, mit denen man Genregulation und –expression,
sowie Signaltransduktion und Zellteilung untersuchen kann.
Das allgemeine Problem sind fehlende experimentelle Daten.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 34
Implementation des E-cell SystemsE-CELL wurde in C++ geschrieben, existiert nun in der Version 3.
Das Modell besteht aus 3 Listen, die bei Programmstart geladen werden:
substance list definiert alle Objekte, die die Zelle und das Kulturmedium enthalten
rule list definiert alle Reaktionen, die in der Zelle stattfinden
system list definiert die räumliche und/oder funktionelle Struktur der Zelle und ihrer Umgebung
Der Zustand der Zelle zu jedem Zeitpunkt wird als Liste von Konzentrationen und globalen Parametern wie Zellvolumen, pH und Temperatur angegeben.
Das Programm (simulation engine) erzeugt neue Zustände der Zelle nach Iterationsschritten von jeweils z.B. t = 1 ms.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 35
Erstes Modellsystem: Mycoplasma genitalium
1996 Veröffentlichung des Genoms von Mycoplasma genitalium
Dies ist eines der kleinsten bisher bekannten Genome (580 kb).
Es enthält die kleinste bisher bekannte Anzahl von Genen (ca. 480) von allen bisher bekannten lebenden Organismen.
Genom ist 10 kleiner als E.coli
ca. 80% der Gene sind homolog zu Proteinen mit bekannter Funktion.
Intensive Gene-Knockout Untersuchungen zeigten, dass viele der 480 Gene für das Überleben von M. genitalium nicht notwendig sind.
Es wurde ein minimaler Satz von 127 Genen als notwendig und hinreichend für das Überleben und einen stabilen Zustand der Zelle ausgewählt.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 36
Large-scale Organisation von metabolischen NetzwerkenModell einer Zelle, die aus eigener Kraft lebt. Diese minimale Zelle besitzt 127 Gene, gerade ausreichend um Proteingehalt und Membranstruktur aufrecht zu erhalten.
Glukose wird aus der Umgebung als Energiequelle aufgenommen; ATP wird durch den Glykolyse-Pfad produziert und wird hauptsächlich zur Proteinsynthese verbraucht.
Proteine und Phospholipide werden mit der Zeit spontan abgebaut.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 37
127 Gene der überlebensfähigen Zelle
Anzahl der Gene in wichtigen Pfaden der hypothetischen Zelle.
‚Other‘ sind solche Gene, die in der Genliste von M. genitalium nicht gefunden wurden und daher von anderen Organismen übernommen wurden, wie z.B. E.coli.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 38
Für Proteine kodierende Gene in der hypothetischen Zelle
10. Vorlesung WS 2004/05
Softwarewerkzeuge 39
Enzyme in der hypothetischen ZelleDie Information über Pfade wurde aus 2 Datenbanken übernommen
KEGG (Kanehisa, 1996):
enthält eine grosse Sammlung von diagrammatischen Stoffwechselpfaden, die nicht für bestimmte Spezien spezifisch sind
EcoCyc (Karp et al. 1996):
Datenbank mit Pfaden mit vielen Links auf Literaturstellen sehr nützlich um kinetische Daten für Reaktionen zu finden.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 40
KEGG: Stoffwechsel-Datenbank
enthält metabolische Pfade für viele
sequenzierte Organismen
10. Vorlesung WS 2004/05
Softwarewerkzeuge 41
Substanzen
Kleine Moleküle in der hypothetischen Zelle:
Metabolite
Aminosäuren
Nukleotide
Kationen
andere Substanzen:Proteine, DNA, RNA,
Multi-Protein-Komplexe
Protein-DNA Komplexe
Protein-RNA Komplexe
10. Vorlesung WS 2004/05
Softwarewerkzeuge 42
Reaktionsregeln
495 Reaktionsregeln
(1) enzymatische Reaktionen:
erhöhen und verringern die Mengen von Substraten und Produkten
(2) Komplexbildungen, bei denen mehrere Substrate Komplexe bilden
(3) Transportvorgänge, bei denen Substanzen zwischen verschiedenen Kompartments ausgetauscht werden (keine Diffusion innerhalb der Kompartments)
(4) stochastische Prozesse wie die Bindung eines Transkriptionsfaktors
Die Reaktionen (1) – (3) werden als einfache Ratengleichungen formuliert.
Alle Reaktionen werden parallel simuliert.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 43
ReaktionsregelnChemische Reaktionen können verallgemeinert werden als:
Sn ist die Konzentration der n ten Substanz, und n deren stöchiometrischer
Koeffizient. Die Geschwindigkeit jeder Reaktion kann als Funktion von Sn und n
dargestellt werden.
Die meisten nicht-enzymatischen Reaktionen sind erster Ordnung. D.h. ihre Geschwindigkeiten v hängen direkt von den Konzentrationen der Substrate ab:
Enzymatische Reaktionen mit einem Substrat und einem Produkt können durch die Michaelis-Menten-Gleichung dargestellt werden:
mKS
SVv
max
1
vj
i
vi
iSk
nnjj SvSvSvSv ......2211
10. Vorlesung WS 2004/05
Softwarewerkzeuge 44
graphische Kontrolle
Mit Hilfe von verschiedenen graphischen Oberflächen kann der
Benutzer dynamische Änderungen der Substanzmengen und Reaktionsflüsse überwachen.
Die Mengen jeder Substanz können während der Simulation ausserdem jederzeit von aussen verändert werden.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 45
Ontologische Structur des E-CELL SystemsEs gibt drei fundamentale Klassen: Substanzen, Reaktor und System.
Reaktoren und Zellkomponenten sind die vom Benutzer zu definierenden Klassen.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 46
Transcriptions-Stoffwechsel in der ModellzelleKomplexe Reaktion wie Transkription und Translation werden als detaillierte Abfolge von Reaktionen modelliert.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 47
Was bewirken Änderungen des Mediums?Ein überraschendes Ergebnis ist: wenn man Glukose aus dem Kulturmedium nach 20 Sekunden völlig entfernt, steigt der ATP-Gehalt kurzzeitig bevor er schnell absinkt.
y-Achse zeigt die Anzahl an ATP Molekülen (×1000) im Zytoplasma
x-Achse zeigt die Zeit in Sekunden
Erklärung: in ersten Teil der Glykolyse
werden 2 ATP Moleküle verbraucht
bevor im zweiten Teil 4 ATP-Moleküle
synthetisiert werden.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 48
Aushungern der ZelleZeitlicher Verlauf des Gehalts an mRNA bevor und nachdem die Zelle zur Zeit
t = 1000 s zu Hungern beginnt. Vorher sind Synthese durch Transkription und spontaner Abbau fast im Gleichgewicht. Durch Abfall der ATP-Konzentration nach Eintritt in den Hungerzustand hört die Transkription auf und der Level an mRNA fällt schnell ab.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 49
Modell des menschlichen ErythrozytenEnthält drei grosse Stoffwechselwege: (1) Glykolyse; (2) Pentose-Phosphat-Stoffwechsel; and (3) Nukleotid-Stoffwechsel.
Abbreviations: ADA; adenosine deaminase; ADE, adenine; ADPRT, adenine phosphoribosyl transferase; AK, adenosine kinase; ALD, aldolase; AMP; adenosine monophosphate; AMPDA, adenosine monophosphate deaminase; APK, adenylate kinase; CAH, carbonic anhydrase; DHAP, dihydroxy acetone phosphate; DPG, diphosphogrycerate; DPGase, diphosphogrycerate phosphatase; DPGM, diphosphogrycerate mutase; EN, enolase; E4P, erythrose 4-phosphate; FDP, fructose 1,6-diphosphate; F6P, fructose 6-phosphate; G6P glucose 6-phosphate; GA3P, glyceraldehyde 3-phosphate; GAPDH, glyceraldehyde phosphate dehydrogenase; GLC, glucose; GLCtr, glucose transport process; GO6P, gluconate 6-phosphate; GSH, glutathione; GSHox, glutathione turnover;GSSGR, glutathione reductase (NADPH); Hb, hemoglobin; HGPRT, hypoxanthanine-guanine phosphoryl transferase; HK, hexokinase; HX, hypoxanthine; HXtr, hypoxanthine transport process; IMP, inosine monophosphate; IMPase, inosine monophosphatase; INO, inosine; LAC, lactate; LACtr, lactate transport process; LDH, lactate dehydrogenase; mOsm, osmolarity; 2PG, 2-phosphogrycerate; 3PG, 3-phosphogrycerate; 6PGLase, 6-phosphogluconolactonase; 6PGODH, 6-phosphogluconate dehydrogenase; PEP, phospho-enolpyruvate; PFK, phosphofructokinase; PGI, phosphoglucoisomerase; PGM, phosphoglyceromutase; Pi, inorganic phosphate; PNPase, purine nucleotide phosphorylase; PRM, phosphoribomutase; PRPP, 5-phosphoribosyl 1-phosphate; PRPPsyn, phosphoribosyl pyrophosphate synthetase; PYRtr, pyruvate transport process; PYR, pyruvate; R5P, ribose 5-phosphate; RIP, ribose 1-phosphate; Ru5P, ribulose 5-phosphate; S7P, sedoheptulose 7-phosphate; TA, transaldolase; TK1, transketolase I; TPI, triose phosphate isomerase; VOL, volume; X5P, xylulose 5-phosphate; X5PI, xylulose 5-phosphate isomerase
10. Vorlesung WS 2004/05
Softwarewerkzeuge 50
menschlicher Erythrozt mit Aldolase-Mangel
Sowie mit jedem Simulationspaket kann man auch E-CELL benutzen um durch Änderung von Enzymparametern virtuelle Experimente durchzuführen.
Aldolase wandelt Fruktose-1,6-
bis-phosphat (X12) in
Glyceraldehyd-3-Phosphat (X14)
und Dihydroxy-Aceton-Phosphat
(X13) um.
Durch einen Mangel an Aldolase
steigt der Level des Reaktanden X12
deutlich an und die
Reaktionsprodukte X14 and X13
deutlich abgesenkt.
10. Vorlesung WS 2004/05
Softwarewerkzeuge 51
Ausblick
Zusätzlich zu der „virtuellen, überlebensfähigen Zelle“ und zum Modell des menschlichen Erythrozyten werden in Keio andere Modelle konstruiert:
- ein Modell eines Mitochondriums
- ein Signaltransduktionsmodell für Chemotaxis in E.coli
Ein allgemeines Problem von umfangreichen Zellmodellen ist derzeit der
Mangel an quantitativen experimentellen Daten:
- Konzentrationen von Metaboliten und Enzymen
- Flussraten
- kinetische Parameter und Dissoziationskonstanten
Das Institute of Advanced Biosciences in Keio besteht aus 3 Zentren:
Metabolom-Forschung, Bioinformatik, Genom-Engineering.
Ziel: Entwicklung von custom-made Bakterien.