Системная биология – сети М.Гельфанд «Сравнительная геномика» БиБи 4 курс, ШБ 2 год, ПФУ(КГУ) весна 2015 разные сети • • • • • метаболические регуляторные сети (фактор-ген) белок-белковые взаимодействия синтетические летали … свойства сетей • N = количество вершин • распределение степеней вершин P(k) = вероятность того, что у случайно взятой вершины будет k ребер • средняя длина пути между вершинами L случайная сеть • пуассоновское распределение P(k) = exp(-λ) λk / k! • Теорема Эрдеша-Реньи: фазовый переход – возникновение гигантской компоненты • средняя длина пути ~ log N scale-free network (сеть, свободная от масштаба) • • • • P(k) ~ k–γ γ>3 – ничего особенного 2<γ<3 – hubs, иерархия γ=2 большой hub, соединенный с большой долей вершин • При γ<3 удаление случайной вершины не разрушает сеть, удаление hub’а – разрушает • средняя длина пути (при 2<γ<3) ~ log log N Случайные и scale-free графы: P(k) (линейная и лог. шкалы) Коэффициент кластеризации • Мера связи между соседями данной вершины Метаболическая сеть с птичьего полета В деталях Один путь (метаболизм аргинина и пролина) Ранг vs. степень вершины для метаболитов и реакций в H. pylori Transcription regulatory network in baker’s yeast Downloaded from the YPD database: 1276 regulations among 682 proteins by 125 transcription factors (10 regulated genes per TF) Part of a bigger genetic regulatory network of 1772 regulations among 908 proteins Positive to negative ratio 3:1 Broader distribution of out-degrees (up to 72) and more narrow of indegrees (up to 21) регуляция транскрипции (дрожжи, ChIP-chip) • • A: in-degree (относительно регулируемых генов): гистограмма (в полулогарифмических координатах) количества промоторов с заданным числом регуляторов– экспоненциальное распределение (у большинства генов мало регуляторов). Пустые кружки – случайный граф В: out-degree (относительно факторов): гистограмма количества факторов, связывающих заданное количество промоторов – scale-free Transcription regulatory network in Homo sapiens Data courtesy of Ariadne Genomics obtained from the literature search: 1449 regulations among 689 proteins Positive to negative ratio is 3:1 (again!) Broader distribution of out-degrees (up to 95) and more narrow of in-degrees (up to 40) Transcription regulatory network in E. coli Data (courtesy of Uri Alon) was curated from the Regulon database: 606 interactions between 424 operons (by 116 TFs) Positive to negative ratio is 3:2 (different from eukaryots!) Broader distribution of out-degrees (up to 85) and more narrow of in-degrees (only up to 6 !) Yeast protein interaction network • Data from the highthroughput two-hybrid experiment (T. Ito, et al. PNAS (2001) ) • The full set containing 4549 interactions among 3278 yeast proteins • 87% nodes in the largest component • The highest connected protein interacts with 285 others! •Figure shows only nuclear proteins Гигантская компонента в графе белокбелковых взаимодействий в дрожжах • Красный – летальная мутация • Оранжевый – медленный рост • Желтый – неизвестно • Зеленый – нелетальная мутация Белок-белковые взаимодействия в дрожжах: P(k) и размеры связных компонент Синтетические летали в дрожжах Предостережения • Экспериментальный шум (узлы и ребра) – Пропуски (не удается экспрессировать) – Лишнее (липкие белки, комплексы) • Дискретизация • Динамика, специфичность – время • Клеточный цикл • Условия – место • Компартменты • Ткани Что смотрят • Биологическая интерпретация положения белка/гена в сети • Глобальные топологические свойства сетей • Интересные подсети – «графушки», модули • Эволюция – Моделирование – Сравнительный анализ (пока почти нет) Глобальные свойства сетей Свобода от масштаба / степенное распределение – ой ли? Khanin R, Wit E. How scale-free are biological networks (J Comput Biol. 2006): … Here we study 10 published datasets of various biological interactions and perform goodness-of-fit tests to determine whether the given data is drawn from the power-law distribution. Our analysis did not identify a single interaction network that has a nonzero probability of being drawn from the power-law distribution. зависимость физиологических и геномных свойств от топологии • дрожжи: – ~10% genes with <5 links are essential – >60% genes with >15 links are essential • гены с большим числом связей – с большей вероятностью имеют ортологов в многоклеточных эукариотах – ближе к ортологам из C. elegans Пьянки и свиданки • Бимодальное распределение корреляций уровня экспрессии – Красный: hubs – Голубой: non-hubs – Черный: случайный граф • Party hubs: сам и соседи ко-экспрессируются (комплексы) • Date hub: нет корреляции в уровнях экспрессии (сигнальные пути) Устойчивость к атаке (распадение гигантской компоненты) основа сети – party hubs • Красный: атака на party hubs • Коричневый: атака на все хабы • Голубой: атака на date hubs • Зеленый: атака на случайные белки мотивы • клики – много в графах белок-белковых взаимодействий (масс-спек. анализ комплексов – по определению) • подграфы фиксированной структуры, встречающиеся существенно чаще, чем в случайном графе (с теми же свойствами) Graphlets / motifs Przulj Регуляторный каскад • R – транскрипционная регуляция • Х – ко-экспрессия ? • R – транскрипционная регуляция • Р – белок-белковое взаимодействие • Н – гомология Субъединицы факторов транскрипции • R – транскрипционная регуляция • Р – белок-белковое взаимодействие • Н – гомология ? • • • • R – транскрипционная регуляция Р – белок-белковое взаимодействие Х – ко-экспрессия Н – гомология Регулоны • • • • R – транскрипционная регуляция Р – белок-белковое взаимодействие Х – ко-экспрессия Н – гомология ? • Р – белок-белковое взаимодействие • Х – ко-экспрессия Ко-экспрессия в комплексах • Р – белок-белковое взаимодействие • Х – ко-экспрессия ? • S – синтетические летали (слабость) • Н – гомология Взаимозаменяемость паралогов (?) • S – синтетические летали (слабость) • Н – гомология Четверные мотивы: взаимозаменяемость Регуляция транскрипции в E.coli • Почти все “bi-fan” мотивы связаны друг с другом Прямые петли (Feed-forward loops) Динамический ответ • Продолжающийся ответ после снятия стимула • Немонотонный ответ • Ответ на увеличение стимула (в разы), независимо от начального уровня Метаболизм сахаров в E. coli Ответ зависит от цАМФ (глюкоза) и сахара Uri Alo Разложение на две функции ответа Немонотонный ответ Модули – существуют ли они? • Клики в графе белок-белковых взаимодействий – комплексы (по построению) • Много алгоритмов для поиска плотных подграфов. Вычислительные и содержательные сложности • Если хабы слабо связаны друг с другом, естественный модель – звезда с центром в хабе • Модули в сети регуляции транскрипции • Заходящие и выходящие степени не коррелируют • Сильная негативная корреляция между выходящей степенью фактора и заходящей степенью регулируемого белка – Глобальные регуляторы действуют на гены, на которые мало кто действует • Потому большие регуляторные модули слабо взаимодействуют друг с другом Maslov S, Sneppen K. Стратификация сигнальных путей (человек) B-cell EGRF1 Ребра, ведущие назад (красные) – дефосфорилирование, убиквинизация – перезарядка сети Маслов-Исполатов Человек: 732 белков (71 рецептор), 1671 взаимодействий (фосфорилирование, дефосфорилирование, гидролиз, и т.п.) 208 «обратных» связей Маслов-Исполатов Модульность метаболической сети отражает стиль жизни бактерий Q = ∑s [ls/L – (ds/2L)2] max s номер модуля, s = 1 … K ls количество ребер в модуле L количество ребер в графе ds сумма степеней вершин модуля Мотивировка: минимизировать количество ребер между модулями (весь граф как модуль даст Q=0; для К несвязанных клик Q~1–1/К) Доля факторов транскрипции Размер гигантской компоненты Obligate / Specialized / Aquatic / Facultative / Multiple / Terrestial Kashtan - Alon Модульность Kashtan - Alon Функциональная однородность модулей Escherichia coli Buchnera aphidicola Kashtan - Alon Пример: параллельный синтез пуринов и пиримидинов уменьшает модульность Kashtan - Alon Динамика в сети белок-белковых взаимодействий • Увеличение концентрации белка влияет на концентрации других белков – – – – Сеть: дрожжи, эксперимент Концентрации белков – эксперимент Константа диссоциации – одна на всех Удвоим концентрацию одного белка и посмотрим, что получится • Обычно возмущение не распространяется далеко (экспоненциальный спад) – Поэтому модули имеют смысл, несмотря на высокую связность сети Маслов-Исполатов Распространение возмущений доля белков с изменением концентрации >20% как функция расстояния до измененного белка (для разных констант диссоциации) примеры чередование уменьшения (красный) и увеличения (зеленый) концентраций Маслов-Исполатов эволюция • rich get richer (preferential attachment) – Internet, линии электропередачи • Дупликации – зависит от начального графа • случайные рождения/исчезновение ребер Прибежали в избу дети, Второпях зовут отца: «Тятя! тятя! наши сети Притащили мертвеца». А.С.Пушкин