1、生物網絡的結構和動力學穩定性青島理工大學樊嶸引言細胞中調控網絡的特性，研究方法和領域酵母細胞周期和生命周期網絡的動力學穩定性細胞中的蛋白質,DNA,和RNA之間的相互作用網絡執行著并決定了細胞中的生物功能.相對于較為穩定的基因組,細胞調控網絡針對不同的環境信號,通過不同的蛋白質的狀態不斷變化產生反應,完成細胞生長,繁殖,分化,發育等生理功能,即通過動力學過程完成生物學功能.1 引言在20世紀末到21世紀初的十多年里, 分子生物學發生了令世人矚目的變化:1,由于基因組測序,蛋白質組學的快速發展,生物學積累了大量的數據,如何挖掘出大量試驗數據所蘊藏的生物基本規律成為生命科學研究的焦點;2,研究生物

2、學系統的信息處理過程開始從單一信號傳導通路的定性描述轉移到對復雜蛋白質與基因調控網絡的定量刻畫.在此基礎上產生出一個研究細胞調控網絡整體性質的交叉學科:系統生物學系統生物學的研究可以分為以下幾個層次:數據收集,分析;生物網絡的建立;基于生物網絡的理論模型建立;生物網絡的拓撲與動力學性質;生物網絡行為的預測與控制;生物網絡的演化,設計原則,新網絡或人工基因調控回路的設計細胞調控網絡的系統生物學研究細胞調控網絡的系統生物學研究方法:把細胞內基因,mRNA,蛋白質,生物小分子等不同組分和它們之間的復雜相互作用整合簡化為網絡;建立理論模型,研究網絡的結構與動力學性質及其間的關系,以及網絡作為整體所呈現

3、的協同作用;提出理論預言,進行科學假設驅動下的實驗研究細胞調控網絡的系統生物學研究意義: 在了解生物網絡基本規律的基礎上可以開展基于網絡的疾病機理研究和藥物設計等相關應用研究. 生物分子醫學:基因診斷,基因治療等2 細胞調控網絡的特性,研究方法和研究領域 細胞通過其中的DNA,RNA,蛋白質和蛋白質復合物之間的復雜相互作用,應對環境的變化,完成新陳代謝,細胞增殖,生長,發育等各種生理學功能.基因組中的遺傳信息通過中心法則,從DNA轉錄RNA,由RNA翻譯成蛋白質,最終通過蛋白質起作用,蛋白質是完成各種生物學功能的執行者.在活細胞中,不同種類蛋白質的數量和活化狀態始終處于不斷變化的動態過程中.2

4、.1 蛋白質網絡和基因調控網絡及其整體特性生物網絡主要研究以下四個基本性質:結構性質(network structure):包括基因調控網絡,生物化學反應途徑和網絡的連接結構性質,網絡中的基本結構模塊(module)或模式(motif);動態特征(system dynamics):即在不同條件下,生物系統隨時間的演化過程和動態性質;對于連續變量的網絡模型,可以利用非線形動力學中的相圖,敏感性分析,分叉點分析等方法研究系統的動力學規律,以理解生物系統的內在動力學機制;控制方法(control method):研究正反饋,負反饋和時間延遲等控制機制在生物調控網絡中的作用;設計方法(design m

5、ethod)生物系統的網絡表示生物網絡:把基因,蛋白質簡化為節點,其間相互作用簡化為節點之間的連線.在蛋白質-蛋白質相互作用網絡中,常用無向連線表示兩個蛋白之間存在物理相互作用.圖2.1 a 海膽endo16基因的調控網絡在基因調控網絡中,A蛋白對B蛋白的調控作用常用A節點指向B節點的箭頭來表示,還可以對箭頭加上不同的權重或者顏色來表示不同強度的抑制或者激活作用圖2.1 b 海膽endo16基因調控邏輯圖2.1 a 海膽endo16基因調控序列的蛋白質- DNA相互作用圖譜2.1 b 模塊A和模塊B之間的調控邏輯模型圖2.2 b 調控芽殖酵母生命周期過程的調控 網絡圖2.2 a 芽殖酵母蛋白質

6、-蛋白質物理相互 作用網絡2.2 a 蛋白質-蛋白質相互作用圖譜2.2 b 細胞周期調控網絡利用圖2.2 a 中酵母細胞的蛋白質-蛋白質相互作用數據,A.L.Barabasi小組研究了酵母蛋白質作用網絡的整體結構性質,發現其中蛋白質的連接度服從無尺度分布(scale-free distribution),越是重要的蛋白與它連接的線段數目越多.對該網絡中的節點進行隨機敲除,發現網絡具有穩定性;但如果敲除網絡中的關鍵高連接度節點,網絡很容易被破壞.進一步研究發現,越是古老的蛋白,越具有高的連接度,這說明蛋白質網絡結構上的無尺度網絡分布性質可能與基因調控網絡的形成和進化存在著一定的聯系復雜網絡的構建

7、原則-網絡基元(network motif)U.Alon等科學家對基因調控網絡中的基本結構單元(motif)進行了研究.對于隨機網絡而言,基因調控網絡中出現頻率非常高的連接子圖被稱為網絡基元(network motif),網絡基元是基于網絡的拓撲連接特征提出來的,被認為是構造網絡的基本”磚塊”. 是網絡中具有簡單結構的單元,它表示的是轉錄因子和靶基因之間相互調控關系的特定小規模模式, 通常由少量的基因按照一定的拓撲結構構成。Three chain motifFeed Forward Loop Motif Bi-parallel Motif Bi-fan Motif 食物網食物網,神經元網絡神經

8、元網絡,基因調控網絡神經元網絡,基因調控網絡大腸桿菌有3種調控網絡motif: 前饋回路(Feed Forward Loop, FFL) 單輸入motif (Single Input Motif , SIM) 密集重疊調控(Dense Overlapping Regulon, DOR); 而對于啤酒酵母轉錄調控網絡, 人們提出了6種網絡motif: 自調控(Auto- regulation)多組件回路(Multi- Component Loop) 前饋回路(Feed Forward Loop, FFL) 單輸入motif (Single Input Motif , SIM) 多輸入motif(

9、Multi-Input Motif) 調控鏈(Regulator Chain)。啤酒酵母轉錄調控網絡的6種motif網絡基元是搭建網絡的基本磚塊,而自然界中的復雜網絡是自組織形成的,那么自然界中的網絡基元是怎樣產生的,又是怎樣被自然界選擇并保留下來的呢?W.Banzhaf等認為基元的產生可能與基因的復制/分歧(duplication/divergence)有關.細胞調控網絡具備的整體性質魯棒性和穩定性生物網絡演化過程的可進化性生物網絡演化過程的適應性細胞生活在復雜多變的內外環境中,某些基因可能出現突變或缺失,各種營養物質及溫度,ph值會變化,細胞內部mRNA和蛋白的合成也存在著隨機漲落.這就要

10、求細胞在環境擾動的情況下,甚至某些基因缺失的情況下,重要的生物學狀態和基本的生物學過程應該還是穩定的.那么生物調控網絡如何實現這種魯棒性和穩定性的呢?通過網絡的結構性質來實現魯棒性基因的冗余性(gene redundancy).對于重要的生物學過程,網絡結構中常常出現具有相近功能的多備份節點.功能模塊化(functional module)生物網絡中執行某一生物功能的子網絡會出現模塊化,也就是子網絡相對獨立,模塊內部聯系密切,模塊之間相互作用較少.這樣可以避免局部的失效可能導致的系統整體的崩潰.生物網絡的功能模塊化可能與網絡的進化有關.網絡中的反饋機制,尤其是負反饋可以提供穩定性.通過網絡的動

11、力學性質來實現穩定性 環境中溫度和酸堿度的變化都可能引起生化反應速率即相互作用強度的變化.生物網絡常常通過正反饋,負反饋及其間相互耦合來實現以上的動力學穩定性.狀態穩定性:研究網絡中不同蛋白的數量濃度發生變化時,網絡所執行的生物學過程是否能繼續完成.結構穩定性:研究網絡中相互作用強度發生變化時,生物學狀態和過程的穩定性.生物網絡的動力學性質相對于較為溫度的基因組,蛋白質調控網絡是通過不同的蛋白質的狀態對各種環境信號的不斷變化產生反應來實現的,即通過動力學過程來完成生物學功能.2.2 生物網絡的動力學性質及研究方法動力學研究方法參見圖2.3 the different levels of des

12、cription in models of genetic networks圖 2.3動力學研究方法連續變量微分方程組模型離散模型隨機過程模型流平衡分析法 Whereas single genes can be modeled in molecular detail with stochastic simulations (left column), a differential equation representation of gene dynamics is more practical when turn-ing to circuits of genes (center left c

13、olumn).Approximating gene dynamics by switchlikeON/OFF behavior allows modeling of midsizedgenetic circuits (center right column) and still faithfully represents the overall dynamics of the biological system. Large genetic networks are currently out of reach for predictive simulations. However,more

14、simplified dynamics, such as percolating flows across a network structure, can teach us about the functional structure of a large network (right column)動力學研究方法連續變量微分方程組模型離散模型隨機過程模型流平衡分析法連續變量微分方程組模型適用條件:當參加反應的分子個數較多,在1001000量級以上時,可以忽略分子個數的漲落,把蛋白質數目或者濃度變化作為連續變量.常用方法:利用反應動力學,建立連續變量的微分方程組.通過蛋白質的產生率,轉移率和

15、降解率,建立蛋白質濃度隨時間變化的微分方程模型.優點:缺點:優點:利用反應動力學,較容易建立動力學模型;利用非線性動力學中的相圖,敏感性分析,分叉點分析等方法,研究系統的動力學規律和內在動力學機制;得到的理論結果可以與實驗結果直接相比較,并用實驗結果修改理論模型中的反應項和參數進一步提出基于調控網絡整體結構的,適合實驗檢驗的定量理論預言缺點:現有的大量生物學實驗研究集中在調控網絡的穩態結果而非動態過程;大量的實驗數據都是定性的,很少有定量的實驗結果可以與理論模型相比較,這就使得連續模型中大量的參數估計和取值存在較大的不確定性,即模型的結果穩定性問題;細胞中的生化反應具有隨機性,會受到細胞內外環

16、境噪聲的影響,相互作用也具有很強的非線性.對于非線性問題,尤其是網絡的全局性,穩定性問題,非線性動力學中只有線性穩定分析和中心流形分析等局部分析手段,沒有一個有效的全局穩定性的一般方法.離散模型適用條件:細胞調控過程中,蛋白質的作用常常處于激活或者未活化兩種狀態,類似于開關的開啟和關閉狀態.常用方法:布爾網絡模型優點缺點離散模型的優點不需要定量的蛋白質濃度和反應速率參數,只需要”粗粒化”的蛋白質活性和相互調控關系能夠方便的研究調控網絡的全局動力學穩定性,包括狀態穩定性和結構穩定性.即在演化規則下遍歷不同的初始狀態的演化過程,并得到最終的穩定態,可以了解網絡的狀態穩定性改變網絡的相互作用強度或者

17、權值,又可以得到網絡的結構穩定性.成功案例離散模型的缺點 由于離散模型把蛋白質狀態,生化反應過程和反應時間都進行了粗粒化描述,所以得到的動力學性質常常只能定性地與實驗結果相比較,比較難于提出定量或者精確的,可以被實驗驗證的理論預言.隨機過程模型適用條件:當研究少量轉錄因子與DNA相結合引起的mRNA轉錄和蛋白質翻譯過程,就不得不考慮其中的隨機漲落效應,這時就需要利用隨機過程模擬生化反應.優點:利用隨機過程研究細胞中內外噪聲(intrinsic and external noise)可以得到基因轉錄,調控過程的動力學細節.流平衡分析法(flux balance analysis FBA)和最小端

18、路徑適用條件:對于包括上百個節點的新陳代謝網絡,現在還沒有一種有效的可以描述其動力學過程的方法,只有一些研究新陳代謝網絡穩定狀態的方法流平衡分析法和最小端路徑法3 酵母細胞周期和生命周期網絡的動力學穩定性主要內容: 細胞內外環境的變化和漲落要求細胞調控網絡具有動力學穩定性.本節從動力學穩定性的研究出發,忽略基因網絡的分子水平細節,利用離散變量的Boolean網絡模型研究酵母細胞周期網絡的動力學穩定性.3.1 芽殖酵母細胞周期蛋白質網絡在所有生物個體生長發育過程中,細胞周期是細胞增殖的最基本和普遍的過程.細胞周期包含了遺傳物質的復制和分開兩個基本過程:在S期DNA的復制和M期復制好的染色質等分到

19、兩個子細胞.從簡單的單細胞真核生物酵母到類似人類的多細胞真核生物,細胞周期的分子調控機制都是高度保守的.其中檢查點(checkpoint),周期性活化的周期蛋白(cyclins)和轉錄調控(transcriptional regulation)起著關鍵作用.由細胞周期過程轉化而成的用于生成配子的減數分裂周期(meiotic cycle),增加了進化過程中遺傳物質的可變性.基本表達譜的研究發現,在酵母細胞周期過程中,酵母的6000多個基因中的800多個基因出現明顯的周期振蕩現象.也就是說酵母細胞周期過程與這800多個基因相關聯.問題的提出:對于如此復雜的細胞周期過程,如何得到簡化的能反應細胞周期

20、主要過程并可以進行理論模型研究的調控網絡?對于網絡全局動力學穩定性研究,選擇什么動力學模型?生物學家分析總結近年來細胞周期的實驗研究進展,包括多種不同突變體結果,基因表達譜結果,細胞周期轉錄因子的轉錄調控關系,得到圖3.1所示的在細胞周期過程中起關鍵作用的轉錄因子的轉錄調控關系圖,正是這些周期蛋白,轉錄因子和檢查點及其間的相互作用調控了復雜而又高度有序的細胞周期過程.圖 3.1 a) The budding yeast ranscription cycle is a continuous cycle of interdependent waves of transcription. 10 to

21、 20% of yeast genes are transcribed at a specific interval of the cell cycle. This diagram shows the current understanding of the transcription factors responsible for this regulation and some of their target genes that encode important cell cycle regulators. All but two of these transcription facto

22、rs are known to be periodically transcribed. Periodically expressed transcription factors are shown as colored ovals, with the color designating the time of peak transcription: G2 (purple), M (red), M/G1 (green), late G1 (dark blue) and S (light blue). Constitutively transcribed factors are indicate

23、d with black ovals. Arrows connect transcription factor complexes to the genes they activate; T-bars denote targets of repression. All targets are color coded as above. Promoter elements are denoted as black boxes. ECB elements activate transcription of CLN3, MCM27 and SWI4. Swi4 associates with Swi

24、6 in a complex called SBF for SCB binding factor that binds to SCB elements. A second complex of Mbp1 and Swi6 called MBF for MCB binding factor binds a related sequence called an MCB element. These two complexes induce an overlapping set of genes in late G1, including CLN1, CLN2, CLB5 and CLB6. SWI

25、4, YOX1 and NDD1 are also targets for activation by these late G1-specific transcription complexes. This positive feedback upon the SWI4 promoter may sustain Swi4 activity through late G1. Yox1 initiates repression of ECB activity, which is also carried out by Yhp1 later in the cell cycle. Ndd1 comb

26、ines with Mcm1 and Fkh2 in a complex that is often referred to as SFF, for Swi5 factor. This complex activates M phase-specific transcription of CLB1, CLB2, CDC5, SWI5 and ACE2. Swi5 and Ace2 activate an overlapping set of M/G1-specific genes, including SIC1, RME1 and ASH1. The products of the last

27、two genes can serve as activators or repressors, depending upon the context and conditions (see text). FKH1, FKH2 and YHP1 all encode periodic transcripts that peak in late S and G2 and have forkhead binding sites in their promoters. There is evidence that Fkh1 and Fkh2 activate FKH2 transcription .

28、 The regulation of YHP1 and FKH1 has not been investigated. 圖3.1 b)為了研究細胞周期動力學過程而分析建立的細胞周期調控網絡.圖3.1 b)說明:節點:某類蛋白質或蛋白質復合物;Cell Size節點:細胞大小的周期啟動信號;綠色箭頭:激活;紅色箭頭:抑制;自指的箭頭:蛋白質的自降解作用.圖3.1 b)中簡化的細胞周期調控網絡有11種重要蛋白質,可以分為3類:周期蛋白:Cln2,3,Clb5,6,Clb1轉錄因子:SBF,MBF,Mcm1/SFF,Swi5抑制蛋白:Sic1,Cdn1,Cdc20/Cdc14等3.2 芽殖酵母細胞周

29、期網絡具有狀態和演化路徑的雙重動力學穩定性為了研究蛋白質網絡的全局動力學性質,我們選擇簡單的離散動力學模型:每類蛋白只有兩種狀態0與1,分別表示該蛋白質處于未活化與活化狀態.下一個時刻蛋白質的狀態是由當前蛋白質狀態按照以下規則決定的:首先把激發G1作為初始態,我們觀察到系統逐步演化到G1基態,蛋白質狀態的時間演化過程見表3.1網絡的動力學吸引點的研究:遍歷所有可能的2048個初始態(11個節點網絡),該蛋白質最后演化到12個穩定的狀態,其中1925個初始態(約94%)演化到靜息的G1態(圖3.2)細胞周期的生物學穩定態,是唯一的全局吸引點表3.1 激發的G1態作為初始態,細胞周期網絡中蛋白質狀

30、態的時間演化過程(路徑)圖3.2 激發的G1態作為初始態,細胞周期網絡中蛋白質狀態的時間演化過程(路徑)圖中深色路徑為生物學路徑,下部最大的藍色節點為G1基態.細胞周期路徑成為最可幾的路徑:大部分的網絡初始態首先被吸引到細胞周期路徑上來,然后沿著細胞周期路徑逐步到達穩態G1基態.這意味著不僅G1基態是一個全局性的穩定點,而且從G1激發態到G1基態的細胞周期路徑同樣是一個全局性的穩定的動力學路徑細胞周期調控網絡的動力學性質具有很強的穩定性:生物學G1基態的穩定態是唯一的全局吸引點,約94%的初態將演化到G1態;細胞周期路徑是全局性的”吸引”路徑,絕大多數的初態經過演化路徑都通過細胞周期演化路徑.正是調控網絡的整體結構和全局動力學性質,使得細胞周期網絡具有以上的雙重穩定性.3.3