Biophysics of Systems

Dieter BraunSystems Biophysics

Master Program Biophysics:http://www.physik.uni-muenchen.de/studium/studiengaenge/master_physik/ma_phys_bio/curriculum.html

Lecture + SeminarDo 14.15-17.30 Uhr

Website of Lecture:http://www.physik.uni-muenchen.de/lehre/vorlesungen/wise_09_10/Biophysics_of_Systems/index.html

Inhalte : Biophysik der Systeme

1. Einleitung

2. Evolution + Nichtlineare Dynamik

3. Raumzeitliche Strukturbildung

4. Biologische Netzwerke

5. Beispiel: Chemotaxis

6. Genetische Netzwerke

7. Zelluläre Netzwerke / Neuronale Netze

8. Spieltheorie

9. Methoden der Systembiologie

10. 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

Regulation

Cell-Cell Communication

RNA Interferenz

Protein-Wechselwirkung

Reaktionsnetzwerke

Organellen

Epigenetics

Promotoren,Inhibitoren

Verstärkung

DiffusionRauschen

Kompartimente

Zum Begriff „Bio-System“

InputOut-put

* Komponenten (Spezien)* Netzwerkartige Verknüpfungen (kinetische Raten)* Substrukturen (Knoten,Module, Motive)* Funktionelle Input => Output Relation

* 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

Eigenschaften

Ziel

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,..

b g Ga

Der biochemische Signalpfad in dictyostelium discoideum

PIP2PIP3

CRAC

cAMP

PI3K*b g

PH

PTENRac/Cdc42

Actin polymerization

RAS

Cellpolarization

pleckstrinhomologydomain

+

Acetylcholin-Aktivierung

Abstrakte Darstellung der Signalübertragung

Biochemische Ratengleichung

+ Definition von Reaktionsräumen

+ Diffusionsprozesse Reakt.-Diff- Gl.

+ stochastische Beschreibung

Signal-Netzwerke sind „komplex“

Connection Maps: Signal Transduction Knowledge Environment www.stke.org

Zum Umgang mit Komplexität

Ein klassisches Hilfsmittel für die Analyse Komplexer Systeme

Quantitative Daten Analyse, Mathematischel ModellierungSimulation

System Analyse

Nützliche Analogie zw. Signaltransduktion und elektronischen Schaltkeisen

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 GenesFrom Concentrations to Probabilities

Stochastic Genes

Number of mRNA/cell 4000Number of rRNA/cell 18,000Number of tRNA/cell 200,000Number of all RNA/cell 222,000Number of polysaccharides/cell 39,000Number of lipopolysaccharide/cell 600,000Number of lipids/cell 25,000,000Number of outer membrane proteins 300,000Number of porins (subset of OM) 60,000Number of lipoproteins (OM) 240,000 Number of nuclear proteins 100,000Number of ribosomal proteins 900,000Number of all proteins in cell 2,600,000 Number of external proteins (flag/pili) 1,000,000Number of all proteins 3,600,000

Inventory of an E-coli: do counting molecules matter?

Note the low number of mRNA !

From Concentrations to Probabilities

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:– IPTG (Isopropylthio-ß-galactoside) Lac repressor

– aTc (Anhydrotetracycline) Tet repressor

• Use as a logical Implies gate: (NOT R) OR I

operatorpromoter gene

RNAP

activerepressor

operatorpromoter gene

RNAP

inactiverepressor

inducerno transcription transcription

Repressor Inducer Output

0 0 10 1 11 0 01 1 1

RepressorInducer

Output

Der Effektkleiner Zahlen

e.g. Herabsetzenvon Transkriptionsrateoder Zellvolumen

Proteinlevel konstantFluktuationen erhöht

Unterscheide zwischen intrinsischem (biochem. Prozess der Gen-Expression) und extrinsischem (Fluktuationen anderer Zellkomponenten, z.B. Konzentration von RNA Polymerase) RauschenIdee 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

A: kein intrinsisches Rauschen => Rauschen korreliert rot+grün=gelb

B: intrinsische Rauschen => Rauschen unkorreliert, verschiedene Farben Elowitz, M. et al, Science 2002

intrinsischesRauschen

Extrinsic Noise

Intrinsic Noise

Stochastic Gen-Expression

Elowitz, M. et al, Science 2002

Unrepressed LacI Repressed LacI +Induced by IPTG

Intrinsic NoiseExtrinsic Noise Extrinsic Noise

Stochastic Gen-Expression

Science, 307:1965 (2005)