Systems Biology: una scienza integrativa e multidisciplinare BIOINGEGNERIA ED INFORMATICA MEDICA

Transcript

1 Systems Biology: una scienza integrativa e multidisciplinare BIOINGEGNERIA ED INFORMATICA MEDICA 1

2 What is Systems Biology? To understand complex biological systems requires the integration of experimental and computational research - in other words a systems biology approach. (H. Kitano, Computational systems biology, Nature 420: , 2002) Systems biology is the analysis of the relationships among the elements in a system in response to genetic or environmental perturbations, with the goal of understanding the system or the emergent properties of the system (A.D. Weston, L. Hood, Systems Biology, proteomics, and the future of health care: toward predictive, preventative, and personalized medicine, J. Proteome Research 3: , 2004) 2

3 What is Systems Biology? Systems biology studies biological systems by systematically perturbing them (biologically, genetically, or chemically); monitoring the gene, protein, and informational pathway responses; integrating these data; and ultimately, formulating mathematical models that describe the structure of the system and its response to individual perturbations (T. Ideker, T. Galitski, L. Hood, A new approach to decoding life: Systems Biology, Ann. Rev. Genomics Hum. Genet. 2:343 72, 2001) 3

4 What is Systems Biology? I am not sure what is meant by systemic approaches but if we agree that a system, in its most general definition, is a collection of interrelated objects, we may think of macromolecules making up a cell, or cells interacting in the formation of multicellular complexes, as the systems under consideration. Most important to me is however that cells and proteins are interacting in space and time, that is, we are dealing here with (nonlinear) dynamic systems. If you ask me then, systems biology is a merger of systems theory with cell biology. (O. Wolkenhauer, Why Systems Biology is (not) called Systems Biology, BIOforum Europe 4/2007) 4

5 Systems biology s big questions Come interagiscono le componenti della cellula, al fine di costituire la struttura cellulare e di portarne avanti la funzionalità? (dinamica intracellulare) Come interagiscono le cellule, in modo da sviluppare e mantenere livelli più alti di organizzazione strutturale e funzionale? (dinamica inter cellulare) Come possono semplici regole dare origine a fenomeni biologici complessi? Quali sono le leggi nascoste della complessità biologica? Come fa una cellula a mantenere intatti i suoi processi in condizioni fisiologiche in continua evoluzione? (adattamento) Come fa un organismo a gestire e maneggiare l informazione biologica presente a diversi livelli di complessità e a diversi ordini di grandezza? 5

6 Il concetto di sistema Sistema complesso: insieme di numerosi elementi semplici (identici o differenziati) che, interagendo in modo coordinato, producono un comportamento complesso non linearità sistema aperto sistema dinamico la funzionalità del sistema emerge dalle proprietà dell intera struttura che gli elementi formano, e non è determinata dalla specifica funzionalità di ogni singolo elemento architettura interna sottosistemi (moduli funzionali) 6

7 Il concetto di sistema in Biologia Sistema biologico: insieme di molti elementi con funzionalità diverse (o multifunzionali) che, interagendo in modo selettivo e non lineare, producono un comportamento coerente comunicazione auto organizzazione capacità di evoluzione e adattamento comportamento globale (emergente) difficilmente prevedibile 7

8 Il concetto di sistema - Esempi Espressione genica Il funzionamento degli organismi viventi è controllato dall espressione genica, ossia da come l informazione contenuta nel DNA è usata per guidare la sintesi delle proteine. Essa consta di due fasi, trascrizione (produzione di mrna a partire dal DNA) e traduzione (sintesi di proteine a partire da mrna Nel DNA esistono anche delle particolari sequenze (dette sequenze non codificanti, la maggior parte in verità!!) che permettono il legame di particolari proteine, dette fattori di trascrizione. Essi regolano l espressione genica 8

9 Il concetto di sistema - Esempi 9

10 Il concetto di sistema - Esempi 10

11 Il concetto di sistema - Esempi 11

12 Il concetto di sistema - Esempi 12

13 Il concetto di sistema - esempi Trasduzione del segnale 13

14 Il concetto di sistema - esempi 14

15 La complessità in Systems Biology La complessità nello studio dei sistemi biologici nasce da: difficoltà nel gestire numerose variabili che sono collegate fra loro in modo non lineare, all interno di reti multi livello e gerarchiche (problema dell osservabilità) difficoltà nel generare dati sperimentali quantitativi e dinamici, quali serie temporali basati su stimolo risposta (problema della misurabilità) difficoltà nel gestire le incertezze che derivano dalla carenza o dall assenza di osservazioni e misure 16

16 Riduzionismo e olismo in Biologia Approccio riduzionistico: studio delle singole componenti di un sistema biologico (un gene, una proteina, ) progettazione e realizzazione in serie di numerosi esperimenti, ognuno corrispondente ad una specifica perturbazione Approccio olistico: studio di tutte le componenti di un sistema biologico, del loro comportamento e delle relazioni reciproche progettazione e realizzazione di un numero ridotto di esperimenti integrazione, rappresentazione e modellazione dei dati riguardanti il sistema nel suo complesso 17

17 L approccio olistico Per comprendere la funzionalità di un sistema biologico nella sua completezza non è sufficiente: identificare e classificare tutti i suoi elementi (geni, proteine, ) comprendere la funzione di ogni elemento generare diagrammi statici delle interazioni fra tali elementi E invece necessario: identificare la natura delle varie interazioni capire le dinamiche che governano il sistema prevedere il comportamento del sistema determinare come intervenire sul sistema per controllarlo 18

18 Riduzionismo o olismo? Un approccio integrativo: la complessità dei sistemi molecolari e cellulari rende necessario focalizzare lo studio su sottosistemi (isolati) per comprendere il sistema nella sua interezza necessità di studi a livello molecolare (tecniche di biochimica, biologia molecolare, ecc.) necessità di studi multi livello (tecnologie highthroughput) 19

19 Statico o dinamico? The cell is made up of molecules, like a car is made up from plastic and metal. But a soup of molecules is no more a cell than a heap of plastic and metal is a car. To understand the functioning and function of a cell we need to know the (static) relations and understand the (dynamic) interactions among the components that constitute it. (O. Wolkenhauer, Why Systems Biology is (not) called Systems Biology, BIOforum Europe 4/2007) 20

20 Statico o dinamico? Il comportamento di un sistema dinamico può essere compreso solo se il sistema viene perturbato in modo sistematico definizione del segnale di input e mantenimento delle altre variabili a livello costante osservazione dell evoluzione nel tempo del segnale di output Requisito: effettuare esperimenti ripetuti di analisi stimolo risposta 21

21 Le discipline omiche 22

22 Le discipline omiche 23

23 From wet to dry and back NEW KNOWLEDGE NEW DATA NEW DATA HYPOTHESIS IN SILICO EXPERIMENT (SIMULATION) MATHEMATICAL MODEL IN VITRO/IN VIVO EXPERIMENT (SIMULATION) EXPERIMENTAL DATA, KNOWLEDGE OF STRUCTURES, FUNCTIONS AND INTERACTIONS BIOLOGICAL PHENOMENON 26

24 Systems Biology cycle 27

25 Systems Biology cycle Metodologia standard in Systems Biology: un (idealizzato) ciclo iterativo di integrazione fra analisi computazionale e analisi sperimentale data driven modeling model driven experiment Scopo: acquisire conoscenza biologica sulle relazioni funzionali fra tutti gli elementi del sistema generare ipotesi che siano verificabili sperimentalmente prevedere il comportamento del sistema 29

26 Hypothesis driven science Nello studio di un sistema biologico complesso, è possibile che dall analisi dei dati sperimentali vengano generati diversi modelli molecolari sul funzionamento del sistema riflette mancanza di informazioni sufficienti Un ciclo ideale di ricerca in Systems Biology prevede: 1. La selezione di informazioni biologicamente rilevanti (potenzialmente contraddittorie) per il sistema in analisi 30

27 Hypothesis driven science 2. La definizione (automatica o manuale) di un modello che descrive il sistema, basato su dati ed ipotesi (verificate o da verificare sperimentalmente) 3. L esecuzione di simulazioni (esperimenti computazionali dry ) del modello per rivelare: adeguatezza delle ipotesi su cui il modello è basato consistenza del modello con i dati reali eventuale correzione o rifiuto del modello 4. L analisi approfondita del sistema biologico selezione del modello più adeguato fra modelli alternativi 31

28 Hypothesis driven science 5. La generazione di previsioni relative al comportamento e alle proprietà del sistema 6. La progettazione e l esecuzione di esperimenti di laboratorio ( wet ) verifica delle ipotesi generazione di nuovi dati perturbazioni ripartire dal punto 1 32

29 Multidisciplinarietà 33

30 relativi vantaggi L integrazione fra analisi computazionale e ricerca sperimentale può portare a: potenzialità predittive identificazione di target molecolari cruciali progettazione di esperimenti mirati migliore delucidazione dei meccanismi cellulari e delle dinamiche emergenti (anche in presenza di rumore ) 34

31 La misurazione dei dati Necessità di un numero esauriente di dati sperimentali quantitativi come punto di riferimento per la modellazione, la simulazione e l analisi: controllo della qualità delle misure automazione standardizzazione condivisione Requisiti ottimali per la misurazione dei dati: Precisione ampiezza sistematicità 35

32 La misurazione dei dati requisiti Ampiezza: a livello dei target ->numero di geni e proteine nel sistema di interesse, oltre a geni e proteine correlati su scala temporale -> misure dei target a intervalli di tempo costanti per catturare la dinamica del sistema non solo prima/dopo evento, non solo punti campione su scala funzionale/spaziale -> livelli di trascrizione, interazione fra proteine, modificazioni posttraduzionali, localizzazione 36

33 La misurazione dei dati requisiti Sistematicità: perturbazione sistematica misure simultanee di diversi fattori per lo stesso campione biologico, nelle stesse condizioni sperimentali integrazione di dati consistenti fra di loro e misurati a livelli diversi (mrna, proteine, ecc.) 37

34 La misurazione dei dati esempio Costruzione di una rete di regolazione genica: precisione: misura del sistema in vivo scelta dei parametri (binding constants, transcription /translation rates, degradation rate, diffusion rate, ecc.) -> forte dipendenza dalle caratteristiche del sistema, che può mostrare risposte diverse a diverse perturbazioni (concetto di robustezza) sistematicità: misura a livello di espressione genica e a livello di proteine sullo stesso identico campione (es. interazione proteina proteina con yeast 2 hybrid method) 38

35 La misurazione dei dati esempio ampiezza a livello di target: dati di espressione wild type + delezione/sovraespressione di tutti i geni (costoso ) misurazione massiccia di tutti i geni, o mirata per i geni più rilevanti (misure casuali introducono ambiguità nella ricostruzione della rete di regolazione) ampiezza su scala temporale: misura della variazione (sincronizzata) dei livelli di espressione genica a intervalli di tempo ridotti (fine grain time series) -> conoscenza più precisa del sistema, creazione di ipotesi più corrette, eliminazione di interazioni non consistenti validazione dei modelli e dei parametri tramite confronto con i dati sperimentali 39

36 Applicazione nelle scienze mediche Scopo: mettere in luce la natura dei funzionamenti e dei malfunzionamenti delle cellule nello sviluppo e nella progressione di una malattia 40

37 Applicazione nelle scienze mediche Difficoltà: presenza di diverse scale temporali e spaziali dall evento cellulare (secondi, minuti, ore) alla progressione della malattia (giorni, mesi, anni) dalla cellula (μm) all organismo (m) 41

38 Applicazione nelle scienze mediche Potenziale contributo: facilitare diagnosi precoci (identificazione di biomarcatori) comprendere l eziologia, la progressione e la sintomatologia di varie malattie raffinare i protocolli di trattamento identificare nuovi farmaci e terapie progettare nuovi dispositivi medici migliorare la prognosi e definire terapie personalizzate 42

39 Applicazione nelle scienze mediche P4 medicine : predittiva: consapevolezza dei rischi di sviluppare una malattia prima che si manifesti (utilizzo di biomarcatori molecolari e analisi genomiche) preventiva: sviluppo e somministrazione di terapie efficaci e mirate prima che insorgano i sintomi della malattia personalizzata: diagnosi e trattamento terapico individuale, basato sul proprio profilo molecolare partecipatoria: attiva partecipazione del paziente nelle scelte relative al proprio stato di salute e alla malattia Leroy Hood 43

40 Applicazione nelle scienze mediche Un sistema complesso: il cancro fallimento dell approccio riduzionistico nella comprensione dello sviluppo di un tumore e nel perfezionamento dei trattamenti approcci olistici per l identificazione di biomarcatori precoci e per l integrazione di dati di espressione genica, epigenomica, metabolomica collegare i dati sperimentali con modelli dei processi cellulari fondamentali (controllo del ciclo cellulare, apoptosi, crescita tumorale) 44

41 Applicazione nelle scienze mediche Un sistema complesso: il cancro sviluppare modelli multi livello (espressione genica, trasduzione, regolazione, reti metaboliche) e multiscala (angiogenesi tumorale) effettuare studi comparativi e integrare le conoscenze acquisite da diversi sistemi sperimentali modello (linee cellulari, modelli animali, campioni di pazienti) 45

42 Conclusioni: a che punto siamo? Condizioni favorevoli per lo sviluppo di Systems Biology: disponibilità di attrezzature tecnologiche ad alte prestazioni per l analisi globale dei sistemi biologici integrazione dei diversi livelli di informazione biologica integrazione della ricerca biologica con metodi computazionali ed analitici integrazione dell approccio riduzionistico ed olistico, statico e dinamico formazione di gruppi di ricerca multidisciplinari (medici, biologi, biotecnologi, matematici, fisici, informatici, ecc.) sviluppo di collaborazioni fra università ed industria (?) 46

43 Conclusioni: a che punto siamo? Cosa manca ancora: dati sperimentali quantitativi adeguati (serie temporali, perturbazioni sistematiche, precisione, accuratezza) sviluppo di un linguaggio comprensibile e condiviso fra le diverse discipline scientifiche standardizzazione internazionale di protocolli sperimentali, di procedure computazionali e di metodi per la gestione/memorizzazione/ condivisione dei dati istruzione multidisciplinare 47

44 Riferimenti Systems Biology: a grand y gy g challenge for Europe Pubblicato da European Science Foundation ( ), 2007 B.B. Aldridge, J.M. Burke, D.A. Lauffenburger, P.K. Sorger, Physicochemical modelling of cell signalling pathways, Nature Cell Biology 8(11): , 2006 N.A.W. van Riel, Dynamic modelling and analysis of biochemical networks: mechanism basedmodels and model based experiments, Briefings in Bioinformatics 7(4): , 2006 H. Kitano, Systems biology: toward system level understanding of biological systems. In: Foundations of Systems Biology, MIT Press, 2001 T. Ideker, T. Galitski, L. Hood, A new approach to decoding life: systems biology, Annual Reviews Genomics Hum. Genet. 2: , 2001 H. Kitano, Systems biology: a brief overview, Science 295: ,