systems biology - unimi.ithomes.di.unimi.it/besozzi/sysbio/lezioni/modelingx2.pdf · systems...

07/10/2014

1

Systems Biology

Approcci di modellazione per sistemi biologici:

considerazioni generali

Daniela Besozzi - Systems Biology (AA 2014-2015) - LM BMB - Università degli Studi di Milano

BIOTECNOLOGIE MOLECOLARI E BIOINFORMATICA

Iniziamo bene…

“Essentially, all models are wrong, but some are useful.”

(George E.P. Box)


07/10/2014

2

…meglio darsi all’ippica?

“In fact, all modelers should beprepared to answer the question: “whatdo you know now that you did not knowbefore?”.

If the answer is “that I was correct”, it isbest 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)


07/10/2014

3

Vantaggi della modellazione

• L’esplicitazione formale delle ipotesi del modellomigliora la comprensione del sistema biologico e può svelare gap o punti critici del sistema, per iquali le attuali conoscenze sono insufficienti

• L’analisi dei modelli può rivelare fenomeni biologicinascosti o chiarire meccanismi controintuitivi

• Diminuzione dei costi (soldi, tempo) e aumentodella 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


07/10/2014

4

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?

• …


07/10/2014

5

I diversi approcci di modellazione (dicotomie in Systems Biology)

TOD-DOWN vs. BOTTOM-UP

STATICO vs. DINAMICO

QUALITATIVO vs. QUANTITATIVO

DETERMINISTICO vs. STOCASTICO

SINGOLO VOLUME vs. MULTICOMPARTIMENTALE

OMOGENEO vs. ETEROGENEO

DISCRETO vs. CONTINUO


Due diversi livelli di analisi

• 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»

• 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»


07/10/2014

6

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

tempo

?

concentrazione

t


07/10/2014

7

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

07/10/2014

8



Tipologie di modelli: confronto (3/4)St

ellin

gC

urr

Op

Mic

rob

7, 2

00

4


07/10/2014

9


Tenazinha and Vinga IEEE Trans Comp Biol Bioinf 8:4, 2011

INTERACTION-BASED

CONSTRAINT-BASED

MECHANISM-BASED


Approcci di modellazione: confronto

Modello Variabile Tempo

Reti (teoria dei grafi)

discreta -qualitativo

statico-

Reti booleane discreta discretoqualitativo dinamico

deterministico

Modelli constraint-

basedcontinua -

quantitativo «steady state»

deterministico

Equazioni differenziali

ordinariecontinua continuo

quantitativo dinamico

deterministico

Reazioni mass-action(«Gillespie»)

discreta continuoquantitativo

dinamicostocastico


07/10/2014

10

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

07/10/2014

11

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, 2013Daniela Besozzi - Systems Biology (AA 2014-2015) - LM BMB - Università degli Studi di Milano

07/10/2014

12

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

07/10/2014

13

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


07/10/2014

14

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

• …Daniela Besozzi - Systems Biology (AA 2014-2015) - LM BMB - Università degli Studi di Milano

07/10/2014

15

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


07/10/2014

16

Repository/database per modelli di sistemi biologici


BioModels

• http://www.ebi.ac.uk/biomodels-main/


07/10/2014

17

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)



• 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


07/10/2014

18


• 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


07/10/2014

19


• SBGN Process Description language


• SBGN Entity Relationship language

07/10/2014

20


• SBGN Activity Flow language

2. Analisi del sistema

• Esperimenti in silico:

– 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


07/10/2014

21

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• …


07/10/2014

22


Software in Systems Biology


07/10/2014

23

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


07/10/2014

24

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


07/10/2014

25

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 understandingof 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 biochemicalnetwork models, Bioinformatics 19 (4):524-531, 2003


Appendice

07/10/2014

26

Systems Biology Markup Language – Es.

Hucka et al. Bioinformatics 19, 2003

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?



http://sbml.org/More_Detailed_Summary_of_SBML

07/10/2014

27



Systems Biology Graphical Notation – Es.1

Polymerase Chain Reaction

07/10/2014

28


Glycolysis


Insulin signaling

07/10/2014

29


Plant central metabolism

L.Conti, E.Cattaneo, Le Scienze 518, Ottobre 2011

07/10/2014

30

L.Conti, E.Cattaneo, Le Scienze 518, Ottobre 2011

iPS

S.H. Hall, Le Scienze 513, Maggio 2011

07/10/2014

31

iPS

S.H. Hall, Le Scienze 513, Maggio 2011

systems biology - unimi.ithomes.di.unimi.it/besozzi/sysbio/lezioni/modelingx2.pdf · systems...

Documents