ИЗУЧЕНИЕ МОЛЕКУЛЯРНО-КИНЕТИЧЕСКИХ ОСНОВ КАНЦЕРОГЕНЕЗА С ПОМОЩЬЮ ДОМЕННО- ОРИЕНТИРОВАННОГО ПОДХОДА Борисов Н.М. Федеральный медицинский биофизический центр. - презентация

1 ИЗУЧЕНИЕ МОЛЕКУЛЯРНО-КИНЕТИЧЕСКИХ ОСНОВ КАНЦЕРОГЕНЕЗА С ПОМОЩЬЮ ДОМЕННО- ОРИЕНТИРОВАННОГО ПОДХОДА Борисов Н.М. Федеральный медицинский биофизический центр им. А.И. Бурназяна ФМБА России

2 Международная коллаборация Thomas Jefferson University (Philadelphia, USA): Boris Kholodenko, Anatoly Kiyatkin, Edita Aksamitiene, Nikolai Markevich, Jan Hoek, Marc Birthwitsle et. al. Humboldt-University (Berlin, Germany): Stefan Legewie University of Freiburg (Germany): Thomas Maiwald University of Pittsburgh (USA): Jim Faeder RIKEN (JAPAN): Mariko Hatakeyama et al. Институт биофизики клетки РАН (Пущино, Россия): Н.П.Каймачников, М.Цыганов ФМБЦ им. А.И.Бурназяна (Москва, Россия): Н.М.Борисов, А.С.Чистопольский и др.

3 Зачем радиобиологу изучать сигнальные пути? Судьба клетки определяется временнóй зависимостью активации белка- эффектора Marshall, 1995: Временная зависимость активации ERK определяет судьбу клетки. Быстро убывающий сигнал приводит к пролиферации с риском злокачественных трансформаций, а продолжительный сигнал способен инициировать экспрессию генов, отвечающих за дифференцировку клеток. Клетка Дифференцировка Пролиферация Апоптоз

4 Проблема комбинаторной сложности при математическом моделировании сигнальных путей У сигнальных белков имеется множество сайтов связывания, каждый из которых может быть в множестве состояний Каждой комбинации состояний сайтов соответствует переменная в системе ОДУ Пример: ErbB- рецепторы L Ligand Binding СайтСостояние Bound or Not 12 Kinase Domain 1 Active or Inactive 2 Y Y Y Y Y Y Y Y Y Docking (pY) 10 Y, pY, Bound 3 Y Число переменных: 2 1 *5 1 *2 1 *3 10 = 1,180,980 Dimer- ization 1 None or 1,2,3,4 5 Yarden and Sliwkowski, Nat. Rev. Mol. Cell Biol. 2:127 (2001) p p p p p A1A1 A2A2

5 PH: Pleckstrin Homology MBS: Met Binding Sequence P: Proline Rich Domains GBS: Grb2 Binding Sequence Пример: Многосайтовый белок GAB1 Schaeper et al., J. Cell Biol., 2000

6 Состояния комплекса из нескольких рецепторов и адапторов

7 BioNetGen 2, среда для программирования кинетических систем (Jim Faeder, UPitt) Step 1: Model specification ( BNGL -file) Step2: Network generation (net-file) Step3: ODE solving Species (seed) Reaction rules Parameters Observables (patterns) Blocks: Species (list of all species ) Reactions Parameters Groups (species and their weights for each observable) Blocks:

8 Два предельных случая Абсолютно конкурентное связывание партнеров на многоцентровых белках. Удобно для моделирования: нет комбинаторной сложности Абсолютно независимое связывание партнеров на многоцентровых белках. Необходимы методы уменьшения числа переменных! Промежуточный случай – наличие аллостерических взаимодействий между партнерами (с точки зрения моделирования самый неудобный): основной метод – ограничение числа молекул в комплексе.

9 Доменно-ориентированный подход к сокращению числа переменных Механистическое (микро-) описание: 18 переменных, 33 реакции Borisov et al., Biophys J, 2005; BioSystems, 2006: S – многосайтовый адаптор, R – рецепторная тирозин-киназа, A 1 and A 2 – партнеры белка S Если связывание A 1 and A 2 происходит независимо, то: Доменно-ориентированное (макро-) описание: 12 переменных и 14 реакций

10 Суть ДОП: замена «полных» (исходных) белков «вспомогательными» белками, которые имеют меньше сайтов Полная (микро-) модель Сокращенная (макро-) модель

11 Модуль автоматического доменно- ориентированное сокращения моделей в среде BioNetGen 2 Borisov et al., IET Systems Biol, 2008

12 Результат работы доменно-ориентированного модуля для BioNetGen 2 Число пермен- ных в микро-/ макро- модели Число реакций в микро-/ макро- модели Время генерации сигнального пути, сек, для микро-/ макро- модели Время интеграции системы ОДУ, сек, для микро-/ макро- модели EGFR- подобный димер Рецептор с 2 тирозиновы ми сайтами 708/ / / /0.22 Рецептор с 2 тирозиновы ми сайтами 6000/ / / /0.76 FcεRI- подобный димер Рецептор с 2 тирозиновы ми сайтами 213/ / / /0.15 Рецептор с 2 тирозиновы ми сайтами 1599/ / / /0.12

13 Сочетанное воздействие инсулином и ЭФР Borisov et al, 2009, Mol Syst Biol, 2009 (submitted)

14 Сравнение «независимого» и «конкурентного» подход в больших моделях МодельСигнальный путь ЭФР: независимая модель с ДОП, Kiyatkin et al, JBC, 2006 Сочетанный путь ЭФР- инсулин: конкурентная модель, Borisov et al, MSB, 2009 (submitted) Число переменныхОколо Число реакцийОколо

15 «Подгонка» параметров системы: сочетанный ЭФР-инсулиновый сигнал

16 Предсказание поведения системы: деплеция GAB1 c помощью миРНК

17 Предсказание поведения системы: ингибирование SHP2

18 Предсказание поведения системы: деплеция Src

19 Философский вопрос: нужны ли большие модели в биологии 1. Вычислительная математика «выросла» из «прямых» задач (таких, как задача Коши и др.), для решения которых «законы природы» были известны и просты (законы Ньютона в физике, закон действующих масс в химии). 2. В биологии «законы природы» сложнее и не всегда известны, поэтому для их исследования почти всегда приходится решать «обратные» зачади вычислительной математики.

20 Проблема свободных параметров 4. Астрономия началась с неверной гипотезы о «законах природы» (геоцентризм). Она, тем не менее, укладывалась в тогдашние наблюдения. 5.К эпохе Возрождения возникла проблема несоответствия наблюдаемых данных и птолемеевского геоцентризма. 6.В эпоху Возрождения было предложено два подхода к астрономии – пересмотр парадигмы (Коперник- Кеплер-Ньютон) и подгонак свобюодных параметров под геоцентризм (Тихо Браге.

21 Проблема свободных параметров 7. Любую математическую модель можно «втиснуть» в совокупность экспериментальных данных за счет свободных параметров, но ценность такой модели сомнительна. 8. Значит, ценная математическая модель должна давать нетривиальные экспериментально проверяемые предсказания после подгонки свободных параметров