Redes de regulación génica. David Ochoa García

Transcripción

1 Redes de regulación génica David Ochoa García

2

3

4

5

6 1RUN

7 1RUN

8

9 1LBG

10 1LBG

11

12 Redes de regulación génica Represor Activador

13 RegulonDB BPP evidences 2012

14 RegulonDB BPP evidences 2012

15 Obteniendo Evidencias

16 Evidencias experimentales (genome-wide)

17 Evidencias experimentales (genome-wide) Chip-on-Chip / Chip-Seq

18 Evidencias experimentales (genome-wide) Chip-on-Chip / Chip-Seq STAGE/SABE

19 Evidencias experimentales (genome-wide) Chip-on-Chip / Chip-Seq STAGE/SABE DNA arrays

20 SABE

21 DNA arrays

22 Predicciones computacionales

23 Predicciones computacionales Pattern Discovery

24 Predicciones computacionales Pattern Discovery Pattern Matching

25 Reverse engineering (genome-wide)

26 Reverse engineering (genome-wide)

27 Reverse engineering (genome-wide) Hartemink, A. J. Reverse engineering gene regulatory networks. Nat Biotechnol 23, (2005).

28 Bases de Datos

29 Bases de Datos

30 Bases de Datos transcription-factor-binding-sites

31 Propiedades topológicas de las Redes de Regulación génica

32 Degree distribution

33 Degree distribution Genes regulados Guelzim, N., Bottani, S., Bourgine, P. & Képès, F. Topological and causal structure of the yeast transcriptional regulatory network. Nat Genet 31, (2002)

34 Degree distribution Genes regulados Distribución exponencial p(k)=ce k Guelzim, N., Bottani, S., Bourgine, P. & Képès, F. Topological and causal structure of the yeast transcriptional regulatory network. Nat Genet 31, (2002)

35 Degree distribution Genes regulados Distribución exponencial p(k)=ce k Genes reguladores Distribución Ley de Potencias p(k)=ck - g Guelzim, N., Bottani, S., Bourgine, P. & Képès, F. Topological and causal structure of the yeast transcriptional regulatory network. Nat Genet 31, (2002)

36 Autoregulación El 70% de los reguladores de E.coli regulan su propia expresión Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007).

37 Autoregulación El 70% de los reguladores de E.coli regulan su propia expresión Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007).

38 Autoregulación El 70% de los reguladores de E.coli regulan su propia expresión Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007).

39 Motivos

40 Motivos

41 Motivos Milo, R. et al. Network motifs: simple building blocks of complex networks. Science 298, (2002).

42 Motivos Milo, R. et al. Network motifs: simple building blocks of complex networks. Science 298, (2002).

43 Motivos en redes de regulación

44 Motivos en redes de regulación Milo, R. et al. Network motifs: simple building blocks of complex networks. Science 298, (2002).

45 Motivos solapantes

46 Motivos solapantes FFL Dobrin, R., Beg, Q. K., Barabasi, A.-L. & Oltvai, Z. N. Aggregation of topological motifs in the Escherichia coli transcriptional regulatory network. BMC Bioinformatics 5, 10 (2004).

47 Motivos solapantes FFL Bi-fan Dobrin, R., Beg, Q. K., Barabasi, A.-L. & Oltvai, Z. N. Aggregation of topological motifs in the Escherichia coli transcriptional regulatory network. BMC Bioinformatics 5, 10 (2004).

48 Motivos en otros tipos de redes

49 Motivos en otros tipos de redes Milo, R. et al. Network motifs: simple building blocks of complex networks. Science 298, (2002).

50 Perfiles de Motivos

51 Perfiles de Motivos Milo, R. et al. Superfamilies of evolved and designed networks. Science 303, (2004)

52 Tipos de FFLs

53 Tipos de FFLs FFL coherentes Mangan, S. & Alon, U. Structure and function of the feed-forward loop network motif. Proc Natl Acad Sci USA 100, (2003).

54 Tipos de FFLs FFL coherentes FFL incoherentes Mangan, S. & Alon, U. Structure and function of the feed-forward loop network motif. Proc Natl Acad Sci USA 100, (2003).

55 Operators

56 Operators AND OR SUM Mangan, S. & Alon, U. Structure and function of the feed-forward loop network motif. Proc Natl Acad Sci USA 100, (2003).

57 Propiedades de los motivos

58 Propiedades de los motivos Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007) Shen-Orr, S. S., Milo, R., Mangan, S. & Alon, U. Network motifs in the transcriptional regulation network of Escherichia coli. Nat Genet 31, (2002)

59 Propiedades de los motivos Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007) Shen-Orr, S. S., Milo, R., Mangan, S. & Alon, U. Network motifs in the transcriptional regulation network of Escherichia coli. Nat Genet 31, (2002)

60 Propiedades de los motivos

61 Propiedades de los motivos AND operator Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007)

62 Propiedades de los motivos OR operator AND operator Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007)

63 Propiedades de los motivos

64 Propiedades de los motivos FFL incoherentes Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007)

65 Propiedades de los motivos FFL incoherentes Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007)

66 Propiedades de los motivos FFL incoherentes Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007)

67 Motivos importantes en el desarrollo

68 Motivos importantes en el desarrollo Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007).

69 Motivos importantes en el desarrollo Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007).

70 Motivos importantes en el desarrollo Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007).

71 Motivos SIM (Single Output Models)

72 Motivos SIM (Single Output Models) Alon, U. Network motifs: theory and experimental approaches. Nat Rev Genet 8, (2007).

73 Optimización temporal

74 Optimización temporal Kalir, S. et al. Ordering genes in a flagella pathway by analysis of expression kinetics from living bacteria. Science 292, (2001).

75 Optimización temporal Kalir, S. et al. Ordering genes in a flagella pathway by analysis of expression kinetics from living bacteria. Science 292, (2001).

76 Optimización temporal Kalir, S. et al. Ordering genes in a flagella pathway by analysis of expression kinetics from living bacteria. Science 292, (2001).

77 Optimización temporal Kalir, S. et al. Ordering genes in a flagella pathway by analysis of expression kinetics from living bacteria. Science 292, (2001). Kalir, S. & Alon, U. Using a quantitative blueprint to reprogram the dynamics of the flagella gene network. Cell 117, (2004).

78 Optimización en gasto

79 Optimización en gasto Zaslaver, A. et al. Just-in-time transcription program in metabolic pathways. Nat Genet 36, (2004).

80 Dinámica de las Redes de Regulación

81 Dinámica de la red

82 Dinámica de la red Luscombe, N. M. et al. Genomic analysis of regulatory network dynamics reveals large topological changes. Nature 431, (2004).

83 Dinámica de la red

84 Dinámica de la red Luscombe, N. M. et al. Genomic analysis of regulatory network dynamics reveals large topological changes. Nature 431, (2004).

85 Dinámica de la red - Hubs

86 Dinámica de la red - Hubs

87 Evolución de las redes de regulación

88 Evolución convergente?

89 Evolución convergente? van Noort, V., Snel, B. & Huynen, M. A. The yeast coexpression network has a small-world, scale-free architecture and can be explained by a simple model. EMBO Rep 5, (2004).

90 Evolución convergente?

91 Evolución convergente? van Noort, V., Snel, B. & Huynen, M. A. The yeast coexpression network has a small-world, scale-free architecture and can be explained by a simple model. EMBO Rep 5, (2004).

92 Evolución por duplicación

93 Evolución por duplicación Teichmann, S. A. & Babu, M. M. Gene regulatory network growth by duplication. Nat Genet 36, (2004).

94 Simulando la evolución

95 ... Simulando la evolución 100 x A B C Genome initiation Genome evolution Network determination A A A 1 1 Gene duplication 2 3. A 2 Gene deletion. etc. 25 A A B 3 TFBS duplication B... A 4 TFBS deletion A Teichmann, S. A. & Babu, M. M. Gene regulatory network growth by duplication. Nat Genet 36, (2004).

96 Simulando la evolución

97 Simulando la evolución van Noort, V., Snel, B. & Huynen, M. A. The yeast coexpression network has a small-world, scale-free architecture and can be explained by a simple model. EMBO Rep 5, (2004).

98 Conclusiones

99 Conclusiones Las redes de regulación son redes dirigidas

100 Conclusiones Las redes de regulación son redes dirigidas El número de genes regulados por un FT sigue una distribución de potencias

101 Conclusiones Las redes de regulación son redes dirigidas El número de genes regulados por un FT sigue una distribución de potencias Presenta Motivos específicos FFL y Bi-Fan

102 Conclusiones Las redes de regulación son redes dirigidas El número de genes regulados por un FT sigue una distribución de potencias Presenta Motivos específicos FFL y Bi-Fan Los motivos se seleccionan por sus propiedades cinéticas

103 Conclusiones Las redes de regulación son redes dirigidas El número de genes regulados por un FT sigue una distribución de potencias Presenta Motivos específicos FFL y Bi-Fan Los motivos se seleccionan por sus propiedades cinéticas Los sistemas de regulación están optimizados para la mejor expresión temporal y el menor gasto energético

104 Conclusiones Las redes de regulación son redes dirigidas El número de genes regulados por un FT sigue una distribución de potencias Presenta Motivos específicos FFL y Bi-Fan Los motivos se seleccionan por sus propiedades cinéticas Los sistemas de regulación están optimizados para la mejor expresión temporal y el menor gasto energético La red cambia para adaptarse a el tipo de estímulo, y esto se consigue mediante el uso combinatorio de FT.

105 Conclusiones Las redes de regulación son redes dirigidas El número de genes regulados por un FT sigue una distribución de potencias Presenta Motivos específicos FFL y Bi-Fan Los motivos se seleccionan por sus propiedades cinéticas Los sistemas de regulación están optimizados para la mejor expresión temporal y el menor gasto energético La red cambia para adaptarse a el tipo de estímulo, y esto se consigue mediante el uso combinatorio de FT. El modelo de evolución mediante duplicación y deriva parece el más plausible