Biophysics of Systems Dieter Braun Lecture + Seminar Systems Biophysics Lecture + Seminar Do 14.15-17.30 Uhr Website of Lecture: http://www.physik.uni-muenchen.de/ lehre/vorlesungen/wise_09_10/ Biophysics_of_Systems/index.html Master Program Biophysics: http://www.physik.uni-muenchen.de/studium/ studiengaenge/master_physik/ma_phys_bio/curriculum.html

Inhalte : Biophysik der Systeme Einleitung Evolution + Nichtlineare Dynamik Raumzeitliche Strukturbildung Biologische Netzwerke Beispiel: Chemotaxis Genetische Netzwerke Zelluläre Netzwerke / Neuronale Netze Spieltheorie Methoden der Systembiologie Synthetische Biologie

Makrophage jagt E.coli Bakterium

A physical view of the (eukaryotic) cell Macromolecules 5 Billion Proteins 5,000 to 10,000 different species 1 meter of DNA with Several Billion bases 60 Million tRNAs 700,000 mRNAs Organelles 4 Million Ribosomes 30,000 Proteasomes Dozens of Mitochondria Chemical Pathways Vast numbers Tightly coupled How is a useful approach possible? www.people.virginia.edu/~rjh9u/cell1.html

Biosystems: Rückkopplungen

Biosystems: Rückkopplungen Promotoren, Inhibitoren Protein-Wechselwirkung Regulation RNA Interferenz Kompartimente Epigenetics Reaktionsnetzwerke Organellen Verstärkung Cell-Cell Communication Rauschen Diffusion

Zum Begriff „Bio-System“ Input Out- put Eigenschaften * Komponenten (Spezien) * Netzwerkartige Verknüpfungen (kinetische Raten) * Substrukturen (Knoten,Module, Motive) * Funktionelle Input => Output Relation Ziel * Erforschung der „Bauprinzipen“ (reverse engineering) Vorsicht : Bauprinzip nicht „rational“ sondern Ergebnis eines Evolutionprozesses Erstellung quantitativer Modelle zur Beschreibung des Systems Überprüfen der Modelle mit experimentellen Daten Vorhersagen von Systemverhalten

Systems Biology Definition Systems Biology integrates experimental and modeling approaches to study the structure and dynamical properties of biological systems It aims at quantitative experimental results and building predictive models and simulations of these systems. Current primary focus is the cell and its subsystems , but the „systems perspective“ will be extended to tissues, organs, organisms, populations, ecosystems,..

Der biochemische Signalpfad in dictyostelium discoideum cAMP + b g Ga PIP2 PIP3 b g PI3K* PTEN RAS pleckstrin homology domain Rac/Cdc42 Cell polarization PH CRAC Actin polymerization Acetylcholin- Aktivierung

Abstrakte Darstellung der Signalübertragung Biochemische Ratengleichung + Definition von Reaktionsräumen + Diffusionsprozesse Reakt.-Diff- Gl. + stochastische Beschreibung

Signal-Netzwerke sind „komplex“ The purpose of the above enumeration is not to showthat it is complex—this is something that all biologists know. The point is to showthat biology has finally reached a stage where it is conceptually possible to describe, define, and analyze cellular signaling at a molecular level. Connection Maps: Signal Transduction Knowledge Environment www.stke.org

Zum Umgang mit Komplexität

Ein klassisches Hilfsmittel für die Analyse Komplexer Systeme System Analyse Quantitative Daten Analyse, Mathematischel Modellierung Simulation

Nützliche Analogie zw. Signaltransduktion und elektronischen Schaltkeisen G-protein cascades are routinely regarded as amplifiers, cooperative interactions as thresholding operations, and feedback inhibition is a classical analog configuration to introduce stability and linearity in a circuit response (Horowitz and Hill, 1989). Many of these concepts have been reviewed by Bray (1995). An important conceptual result of this kind of study is that the basic building block of signaling and genetic networks should be considered in terms of feedback loops rather than individual molecules. As expected from systems analysis, negative feedback gives rise to homeostasis or oscillations. Positive feedback loops can give rise to multistability, and this defines the possible states of the system. Feedback loops can be nested to give rise to a multitude of possible states. The process of development, for example, involves many sequential choices between alternative states, each maintained through its own feedback process.

Biologische Signalnetzwerke sind kombinatorisch bzgl. Ein- und Ausgabe

Modular view of the chemoattractant-induced signaling pathway in Dictyostelium Peter N. Devreotes et al. Annu. Rev. Cell Dev. Biol. 2004. 20:22

Hierarchische Struktur biologischer Organismen (Z. Oltvai, A.-L. Barabasi, Science 10/25/02)

Modular Biology as advocated in the influential paper (Nature 402, Dec 1999)

Stochastic Genes From Concentrations to Probabilities

Stochastic Genes From Concentrations to Probabilities Inventory of an E-coli: do counting molecules matter? Note the low number of mRNA !

Wiederholung: Gen-Expression Erbgut ist fixiert, wie kann eine bakterielle Zelle sich an ihre Umgebung anpassen? Antwort: Regulation der Gen-Expression

Repressors & Inducers Inducers that inactivate repressors: operator promoter gene RNAP active repressor inactive inducer no transcription transcription Inducers that inactivate repressors: IPTG (Isopropylthio-ß-galactoside)  Lac repressor aTc (Anhydrotetracycline)  Tet repressor Use as a logical Implies gate: (NOT R) OR I Repressor Output Inducer

Der Effekt kleiner Zahlen e.g. Herabsetzen von Transkriptionsrate oder Zellvolumen Proteinlevel konstant Fluktuationen erhöht

Stochastic Gen-Expression Extrinsic Noise intrinsisches Rauschen Unterscheide zwischen intrinsischem (biochem. Prozess der Gen-Expression) und extrinsischem (Fluktuationen anderer Zellkomponenten, z.B. Konzentration von RNA Polymerase) Rauschen Idee für Experiment: Gen für CFP (grün fluoreszierendes Protein) und YFP (rot fluoreszierendes Protein) werden durch den gleichen Promotor kontrolliert, d.h. mittlere Konzentration von CFP und YFP in einer Zelle gleich => Wahrscheinlichkeit für Expression sollte sich in einer Zelle nur durch intrinsisches Rauschen unterscheiden Intrinsic Noise A: kein intrinsisches Rauschen => Rauschen korreliert rot+grün=gelb B: intrinsische Rauschen => Rauschen unkorreliert, verschiedene Farben Elowitz, M. et al, Science 2002

Stochastic Gen-Expression Unrepressed LacI Repressed LacI +Induced by IPTG Extrinsic Noise Intrinsic Noise Extrinsic Noise Elowitz, M. et al, Science 2002

Science, 307:1965 (2005)