1 Redes Biológicas

2 La metáfora de redes

3 Redes metabólicas

4  Metabolismo: metabole (cambio)+ ismo (cualidad) : cualidad de poder cambiar la naturaleza química de ciertas sustancias. anabolismo: ruptura de sustancias, catabolismo: ensamblado de sustancias  Reacciones químicas organizadas en vías metabólicas donde transformaciones secuencialmente en una serie de pasos  Metabolitos: químicos que se producen (productos) y consumen (sustratos) en las reacciones metabolicas. Típicamente se trata de: carbohidratos, lípidos, amino- ácidos y nucleóticos.  Es muy relevante el accionar de enzimas: proteinas con la capacidad de catalizar reacciones.  Las redes metabólicas de diferentes organismos pueden variar, pero en general gran parte de las reacciones metabólicas se conserva entre especies (al menos entre animales)

5 Respiración celular Desensamblado metabolico de glucosa (C 6 H 12 O 6 ) en presencia de oxigeno (O 2 ) para producir energía celular ATP glucose + oxygen --> carbon dioxide + water + ATP

6 Respiración celular Glicolisis:  Glucosa -> Piruvato  Proceso anaerobico  2ATP por glucosa  2 NADH por glucosa (va a la mitocondria) Desensamblado metabolico de glucosa (C 6 H 12 O 6 ) en presencia de oxigeno (O 2 ) para producir energía celular ATP glucose + oxygen --> carbon dioxide + water + ATP

7 Respiración celular: ciclo de Krebs  Tiene lugar en la mitocondria  Es un proceso aerobico (necesita O2)  Produce  2ATP / glucosa  6NADH  2FADH 2 Desensamblado metabolico de glucosa (C 6 H 12 O 6 ) en presencia de oxigeno (O 2 ) para producir energía celular ATP glucose + oxygen --> carbon dioxide + water + ATP

8 Respiracion celular C 6 H 12 O 6 + 6O 2 -->6 CO 2 + 6H 2 O + 36 ATP

9 Cartografia de Redes metabólicas

10

11 Redes metabólicas: representación Red bipartita dirigida  Reaccion  metabolito Red tripartita mixta  Reaccion  Metabolito  enzimas

12 Redes metabólicas: relevamiento  Uso de isótopos radioactivos en substratos de vías metabólicas de interés para identificar productos relacionados  Metodos de ingeniería inversa: perturbaciones a la red metabolicas  Aumento de sustratos determinados (productos aumentan)  Estrangulamiento de ciertas vías (típicamente sustratos se acumulan)  Se inhiben enzimas químicamente  Alteración genética del organismo (gene knock-out)

13 Redes metabólicas: relevamiento  Uso de isótopos radioactivos en substratos de vías metabólicas de interés para identificar productos relacionados  Metodos de ingeniería inversa: perturbaciones a la red metabolicas  Aumento de sustratos determinados (productos aumentan)  Estrangulamiento de ciertas vías (típicamente sustratos se acumulan)  Se inhiben enzimas químicamente  Alteración genética del organismo (gene knock-out)  Recursos on-line

14 Redes de regulación génica (RRG)

15 RRG E.coli

16 Computando con RRGs Hasty 2002 Toggle switch Reprissilator Autorepression

17 RRG: relevamiento 1 2 3 4  Métodos de ingeniería inversa + relevamiento transcripcional  ChIP-seq

18 Redes de interacción proteina-proteina

19 Tipos de interacciones biológicas

20 Y2H – relevando interacciones binarias Wikipedia Fenotipo Crecimiento selectivo Cambio de color en ensayo colorimetrico

21 Y2H – relevando interacciones binarias Wikipedia

22 Y2H Wikipedia Pros Y2H  Test en organismo vivo  Detecta interacciones putativas  Alta resolución  Alcanza con conocer el gen que codifica a la proteina de interes Contras Y2H  Test en organismo vivo, pero no necesariamente el de interés bajo las condiciones fisiológicas de interés  Detecta interacciones binarias  Interacción ocurre dentro del núcleo de la célula de levadura:  Falsos Positivos: interacciones que no tienen lugar en realidad por falta de correlación espacial (compartimentalización) o temporal  Falsos Negativos: Interacciones que no se dan dentro del núcleo, o cambios conformacionales del pray o bait  Factores de transcripcion dificiles de estudiar con esta tecnica.

23 Y2H

24 Affinity purification + Mass Spectrometry  La proteina predadora (bait) se inmobiliza en una matriz  Se hace pasar una mezcla con sopa proteica, las proteinas presas (prey) son retenidas  Las proteinas capturadas son digeridas  Peptidos son analizados con espectrometria de masas

25 Co-inmunoprecipitacion + Mass Spectrometry Pros TAP-MS  Detecta complejos proteicos (no solo interacciones binarias)  Detecta interacciones en condiciones fisiológicas de interés  Se altera con un tag una única proteina, minimizando cambios conformacionales que puedan arruinar la interaccion Contras TAP-MS  Sobreexresión de proteina taggeada puede llevar a detectar Falsos Positivos  Problemas de reconocimiento MS  Proteinas de baja abundancia pueden no ser detectadas (Falsos Negativos)  Pueden ocurrir cambios conformacionales en la proteina taggeada que arruinen la formación de complejos  Interacciones debiles o transcientes pueden no ser detectadas  Problema de contexto in-vivo

26 Del experimento a la red

27 RIPP Desafios: Datos de diferentes tecnicas experimentales. Diferentes contextos Interacciones reportadas en diferentes organismos. Propuestas Integracion en BD y metaBDs Asignacion de score de confianza basado en quality score tecnica exp # de estudios donde se reporta la interaccion Filtrado Tejido Funcional http://wodaklab.org/iRefWeb/ http://blog.openhelix.com/?p=6896

28 Redes de Interés Biológico Tipo de RedInteracción Protein Interacción física MetabolicMetabolic and transport reactions Red Regulacion Genica Protein / DNA interactions Modificaciones Postraduccionales Fosforilacion kinasa/sustrato Redes moleculares que ¨soportan¨ a la funcionalidad biológica celular Datos, datos…y mas datosRedes, redes….y mas redes

29

30 Niveles interactuando I - Estructura y organización del genoma (e.g. relaciones de cercanía u homología entre genes) II – Patrones de expresión génica III – Patrón de interacciones físicas: proteina- proteina, proteina-DNA, proteina-RNA IV – Relaciones funcionales entre biomoléculas (e.g. redes de interacción genética, redes de señalización, vías metabólicas) V – Relaciones funcionales de más alto nivel entre biomoléculas VI – Relaciones entre biomoléculas y fenotipos o enfermedades [Boucher & Jenna 2013 Frontiers In Genetics ]

31 Niveles interactuando II – Patrones de expresión génica II– Patrón de interacciones físicas: proteina- pproteina, proteina-DNA, proteina-RNA [Boucher & Jenna 2013 Frontiers In Genetics ]  Proteinas interactuantes suelen presentar patrones de expresión similares  Perfiles transcripcionales suelen utilizarse para caracterizar modos de interacción

32 Niveles interactuando II – Patrones de expresión génica I – Patrón de interacciones físicas: proteina- proteina, proteina-DNA, proteina-RNA I– Relaciones funcionales entre biomoléculas (e.g. redes de interacción genética, redes de señalización, vías metabólicas) V – Relaciones funcionales de más alto nivel entre biomoléculas [Boucher & Jenna 2013 Frontiers In Genetics ]  Vías metabólicas y de señalización enriquecidas en PPI/PDI [Vidal 2011] y expresión

33 En la era de grandes datos Visión global obtenida gracias al acceso experimental a omas: GenomaTranscriptomaProteomaMetaboloma InteractomaFenoma Biblioma…. https://www.oxfordjournals.org/our_journals/nar/database/c/

34 Metabolic/Signalling Pathways En la era de grandes datos Phenomics Protein Interactions RIKEN Arabidopsis Phenome Information Database Ontologies/Standarizations PATO -Human Phenotype Ontology SNOMED – UMLS - MeSH Exp Factor Ontology Disease Ontology Gene Expression Prot/DNA Chip-Chip db Chip-Seq db Others DB PharmaGKB

35 Redes de coexpresión génica Estímulo Genes funcionalmente relacionados generalmente presentan perfiles de expresión correlacionados

36 Redes Genéticas de deleción única Gen A Gen B Gen C WT

37 Redes de Interacción Génica Horn 2011, Nature Methods Cuantificando efectos de deleción doble:

38 Redes de Interacción Génica alleviating buffering

39 Interacción Génica a escala global Costanzo (2010) Science The genetic landscape of the cell  IG para 5000000 de pares de genes en levadura (fitness asociado a tamaño de colonia)  Identificación de 170000 interacciones gen1 gen2 genN … gen1 gen2 gen M Perfiles de interacción génica:

40 gen1 gen2 … gen1 gen2 gen N Interacción Génica a escala global Costanzo (2010) Science The genetic landscape of the cell  Red de correlación de perfiles IG.  Enlace entre genes de perfile de interaccion similar (PCC>0.2)

41 Text mining Redes ¨soporte¨ Redes fenomenológicas

42 Redes de Interés Biológico Tipo de RedInteracción Protein Interacción física MetabolicMetabolic and transport reactions Red Regulacion Genica Protein / DNA interactions Modificaciones Postraduccionales Fosforilacion kinasa/sustrato Datos, datos…y mas datosRedes, redes….y mas redes Coexpresión Genica Correlacion en patrones de expresion GenéticasDelecion Unica - Fenotipo Interacciones Genéticas Deleciones dobles - Fenotipo Redes ¨soporte¨ Redes fenomenológicas