BIOTECNOLOGIE MOLECOLARI E BIOINFORMATICA Systems Biology Approcci di modellazione per sistemi biologici: considerazioni generali Iniziamo bene Essentially, all models are wrong, but some are useful. (George E.P. Box) 1
meglio darsi all ippica? In fact, all modelers should be prepared to answer the question: what do you know now that you did not know before?. If the answer is that I was correct, it is best to look elsewhere. (J.M.Bower & H. Bolouri (eds.), The MIT Press, 2001) L importanza della modellazione The modelling process itself is more important than the model. The discussion between the experimentalist and the theoretician, to decide which variables to measure and why, how to formally represent interactions in a mathematical form is the basis for successful interdisciplinary research in Systems Biology. In light of the complexity of molecular systems and the available experimental data, Systems Biology is the art of making the right assumptions in modelling. (O. Wolkenhauer, U. Klingmüller, Systems Biology: From a Buzzword to a Life Sciences Approach, BIOforum Europe 4:22-23, 2004) 2
Vantaggi della modellazione L esplicitazione formale delle ipotesi del modello migliora la comprensione del sistema biologico e può svelare gap o punti critici del sistema, per i quali le attuali conoscenze sono insufficienti L analisi dei modelli può rivelare fenomeni biologici nascosti o chiarire meccanismi controintuitivi Diminuzione dei costi (soldi, tempo) e aumento della velocità di esecuzione Potenzialità di rimpiazzare esperimenti di laboratorio non conformi all etica o impossibili da effettuare con esperimenti in silico Modellazione: qualche regola di base Cos è un modello? rappresentazione semplificata, formale e rigorosa di un sistema reale (variabili + operatori) Esempio: Variabile: X (a valori nell insieme dei numeri reali) rappresenta la concentrazione di una specie molecolare Operatore: derivata rispetto al tempo descrive come varia la variabile X Modello: insieme di equazioni differenziali, una per ogni specie molecolare che compare nel sistema biologico 3
Modellazione: qualche regola di base La definizione di un modello matematico va sempre basata sull analisi preliminare di alcuni aspetti: livello di dettaglio/astrazione rilevanza biologica (e scopo) trattabilità computazionale Scelta dell approccio di modellazione A quale domanda si vuole rispondere? Quali sono le ipotesi biologiche/computazionali alla base del modello? Per quali scale temporali/spaziali il modello è valido? Qual è l ordine di grandezza delle quantità molecolari del sistema? Qual è la complessità computazionale del modello risultante? Quanti e quali dati sperimentali sono disponibili o misurabili? Quali comportamenti dinamici è (o non è) in grado di prevedere l approccio scelto? Quali metodi di analisi si possono applicare per lo studio del modello? 4
I diversi approcci di modellazione (dicotomie in Systems Biology) TOD-DOWN vs. BOTTOM-UP QUALITATIVO vs. QUANTITATIVO STATICO vs. DINAMICO DETERMINISTICO vs. STOCASTICO DISCRETO vs. CONTINUO OMOGENEO vs. ETEROGENEO SINGOLO VOLUME vs. MULTICOMPARTIMENTALE Due diversi livelli di analisi Top-down osservazione su larga scala relativo ad esperimenti high-throughput e global profiling (discipline omiche) gestione di numerosissimi dati prospettiva (bio)informatica (metodi e strumenti per l integrazione e la classificazione dei dati) generalmente usato per sistemi a «larga scala» Bottom-up osservazioni a livello molecolare relativo a metodi di biochimica, biologia molecolare, genetica generale carenza di dati quantitativi supportato da modellazione matematica, simulazione ed analisi della dinamica adeguato per sistemi «piccoli» 5
concentrazione 07/10/2014 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) Statico, steady-state, dinamico? t tempo 6
I sistemi biologici sono sistemi dinamici Proprietà principali: Stato (configurazione) del sistema Variabili di stato: valori continui o discreti Transizione fra stati consecutivi (concetto di dinamica o «evoluzione temporale») Tempo: continuo, discreto sincrono, asincrono Sistemi lineari e non lineari stati stazionari (multipli) oscillazioni, periodicità biforcazioni comportamenti caotici Tipologie di modelli: confronto (1/4) Stelling Curr Op Microb 7, 2004 7
Stelling Curr Op Microb 7, 2004 07/10/2014 Tipologie di modelli: confronto (2/4) Tipologie di modelli: confronto (3/4) 8
Tipologie di modelli: confronto (4/4) MECHANISM-BASED INTERACTION-BASED CONSTRAINT-BASED Tenazinha and Vinga IEEE Trans Comp Biol Bioinf 8:4, 2011 Approcci di modellazione: confronto Modello Variabile Tempo Reti (teoria dei grafi) discreta - Reti booleane discreta discreto Modelli constraintbased Equazioni differenziali ordinarie Reazioni mass-action («Gillespie») continua - continua discreta continuo continuo qualitativo statico qualitativo dinamico quantitativo «steady state» quantitativo dinamico quantitativo dinamico - deterministico deterministico deterministico stocastico 9
Approcci di modellazione: confronto Decraene et al. J Univ Comp Science 16, 2010 Approcci di modellazione: confronto (metabolismo) Bordbar et al. Nat Rev Genet 2014 10
Quale approccio scegliere? Radhakrishnan et al. Curr Opin Biotechnol. 21, 2010 Integrazione di approcci di modellazione Non esiste (ancora) una soluzione generale, valida per tutti i sistemi biologici! Goncalves et al. Mol BioSyst 9, 2013 11
Un esempio (notevole) di integrazione Un esempio (notevole) di integrazione 28 sottomoduli interconnessi con 16 funzioni cellulari Ogni sottomodulo viene analizzato (simulato) per un 1 secondo, e fornisce il proprio contributo all aggiornamento delle variabili delle funzioni cellulari in cui è coinvolto Il processo è iterato fino alla divisione della cellula Karr et al. Cell 150, 2012 12
Un altro esempio di integrazione Analisi computazionale di sistemi biologici 1. Struttura del sistema (definizione del modello) 2. Analisi del sistema (proprietà topologiche, distribuzione di flussi, simulazione della dinamica, ecc.) 3. Metodi di controllo 4. Metodi di progettazione 13
Analisi computazionale di sistemi biologici Workflow generale 1. Struttura del sistema elementi base Identificazione della struttura del sistema: componenti del sistema geni, proteine, metaboliti, secondi messaggeri, cellule interazioni fra le componenti del sistema interazioni molecolari (fisiche) meccanismi di regolazione genica (interazioni funzionali/ logiche) strutture intracellulari configurazioni di contatto fra cellule 14
1. Struttura del sistema elementi base Potenziali difficoltà nell identificazione della struttura del sistema: inconsistenza e/o inaccuratezza dell informazione biologica derivante dalla letteratura o dagli esperimenti possono esistere più «strutture» del modello, il cui comportamento riproduce quello del sistema biologico non esistono regole o principi universali per inferire la struttura di un sistema a partire dai dati sperimentali un sistema biologico evolve in modo stocastico e non necessariamente verso lo stato ottimale 1. Struttura del sistema parametri Identificazione dei parametri: concentrazioni/quantità molecolari, velocità di reazione, affinità di legame, costanti di diffusione, valori di altre variabili (temperatura, nutrienti, ), ecc. Stima dei parametri sulla base dei dati sperimentali in vitro (?), in vivo, in silico Struttura + parametri: simulazione della risposta del sistema (analisi quantitativa) confronto dei risultati computazionali con i risultati sperimentali 15
Repository/database per modelli di sistemi biologici BioModels http://www.ebi.ac.uk/biomodels-main/ 16
Systems Biology Markup Language SBML è un formato (machine-readable) per la rappresentazione di modelli di reti di reazioni biochimiche basato su XML (extensible Markup Language) Systems Biology Markup Language Vantaggi nell utilizzo di SBML: permette di servirsi di diversi strumenti software senza dover rendere compatibile il proprio modello o adattarlo ad un software specifico portabilità permette di condividere e pubblicare i propri modelli in un formato che altri ricercatori possono utilizzare con software differenti assicura la sopravvivenza dei modelli costruiti oltre il ciclo di vita del software usato per crearli/analizzarli 17
Systems Biology Markup Language Definizione di modelli in SBML: Compartments Species Reaction Rule Parameter Il modello espresso in SBML viene tradotto automaticamente nel formato utile per l analisi (es. sistema di equazioni differenziali, risolto per integrazione numerica) Vedi esempio SBML in Appendice Systems Biology Graphical Notation Standard per la rappresentazione grafica di vie metaboliche, trasduzione del segnale, reti di regolazione genica, simboli con semantica definita per le specie molecolari (geni, proteine e relative modificazioni, metaboliti) archi di transizione (espressione, catalisi, ecc.) localizzazione spaziale Vedi esempi SBGN in Appendice 18
Systems Biology Graphical Notation SBGN Process Description language Systems Biology Graphical Notation SBGN Entity Relationship language 19
Systems Biology Graphical Notation SBGN Activity Flow language Esperimenti in silico: 2. Analisi del sistema studio delle proprietà topologiche emergenti in una rete a larga scala (geni, proteine) studio della distribuzione di flussi in una rete metabolica simulazione dell evoluzione temporale del sistema e analisi della dinamica emergente Scopo: verificare le ipotesi su cui il modello è basato e prevedere il funzionamento del sistema 20
2. Analisi del sistema Il modello simulato al computer viene confrontato con le osservazioni sperimentali: incongruenze indicano che (nel migliore dei casi) le ipotesi non sono complete la coerenza modello-realtà permette invece di usare il modello per: esaminare questioni non direttamente affrontabili per via sperimentale suggerire previsioni da verificare sperimentalmente Metodi di analisi Parameter sweep analysis Parameter estimation Sensitivity analysis Flux balance analysis Topological (network) analysis Bifurcation/stability analysis Reverse engineering Parameter identifiability Ensemble modeling Control theory Failure analysis Model checking 21
Software in Systems Biology 22
Software & SBML SBML è attualmente supportato da più di 260 software: Software showcase: http://sbml.org/sbml_software_guide/sbml_software_showcase Specifiche e caratteristiche software: http://sbml.org/index.php/sbml_software_guide/sbml_software_matrix Software & SBML 23
3. Metodi di controllo Modulazione dei meccanismi di controllo che determinano lo stato di una cellula Scopo: controllare lo stato del sistema biologico in diverse condizioni ambientali e fisiologiche minimizzare malfunzionamenti nella cellula trasformazione di cellule malate in cellule sane fornire potenziali bersagli terapeutici per il trattamento delle malattie differenziamento di cellule staminali e induzione del tipo di cellula desiderato (ips) B.D. MacArthur, A. Ma ayan, I.R. Lemischka, Systems biology of stem cell fate and cellular reprogramming, Nature Reviews Molecular Cell Biology 10, 672-681, 2009 Vedi info ips in Appendice 4. Metodi di progettazione Sviluppo di strategie per modificare o costruire de novo sistemi biologici che soddisfino particolari proprietà Scopo: progettazione di componenti biologici adatti alla cura delle malattie (bionanotecnologie) tecniche di clonazione di organi dai tessuti del paziente possibilità di autoriparazione o autosostentamento Synthetic Biology 24
Riferimenti J. Stelling, Mathematical models in microbial systems biology, Current Opinion in Microbiology 7:513 518, 2004 B.B. Aldridge, J.M. Burke, D.A. Lauffenburger, P.K. Sorger, Physicochemical modelling of cell signalling pathways, Nature Cell Biology 8(11):1195-1203, 2006 Systems Biology: a grand challenge for Europe Pubblicato da European Science Foundation (www.esf.org ), 2007 H. Kitano, Systems biology: toward system-level understanding of biological systems. In: Foundations of Systems Biology, The MIT Press, 2001 H. Kitano, Systems biology: a brief overview, Science 295:1662-1664, 2002 M. Hucka et al., The systems biology markup language (SBML): a medium for representation and exchange of biochemical network models, Bioinformatics 19 (4):524-531, 2003 Appendice 25
Systems Biology Markup Language Es. sbml.org FAQ: What does SBML look like? Ugly. Don't look at it, unless you're developing software, in which case, you have to look at it, and we feel for you. SBML is really not meant to be edited by hand or exposed to users. But I really want to see an example of SBML You're persistent, aren't you? Alright, then, have a look at the More Detailed Summary of SBML. Don't blame us if it hurts your eyes, though. We warned you, ok? Hucka et al. Bioinformatics 19, 2003 Systems Biology Markup Language Es. Hucka et al. Bioinformatics 19, 2003 26
Systems Biology Markup Language Es. Hucka et al. Bioinformatics 19, 2003 Systems Biology Graphical Notation Es.1 Polymerase Chain Reaction 27
Systems Biology Graphical Notation Es.2 Glycolysis Systems Biology Graphical Notation Es.3 Insulin signaling 28
Systems Biology Graphical Notation Es.4 Plant central metabolism L.Conti, E.Cattaneo, Le Scienze 518, Ottobre 2011 29
L.Conti, E.Cattaneo, Le Scienze 518, Ottobre 2011 ips S.H. Hall, Le Scienze 513, Maggio 2011 30
ips S.H. Hall, Le Scienze 513, Maggio 2011 31