Biología Molecular de Sistemas

M. Cánovas
Depto. Bioquímica y Biol. Molec. B e Inmunol. Facultad de Química
Universidad de Murcia. 30100. Murcia. Spain. E-mail. mcanovas@um.es
http://www.um.es/bbmbi/; http://www.sysbiol.net/

Bibliografía.
- Alberghina L. y Westerhoff H. V. (2005). Systems Biology. Definitions and
perspectives. Springer. ISBN 13 978 3 540 22968 1.
- E. Klipp, R. Herwig, A. Kowald, C. Wierling, H. Lehrach. Systems Biology in Practice.
Wiley-VCH. 2005. ISBN-13: 978-3-527-31078-4
- Maly V. I. (2009). Systems Biology. Humana Press. Springer Protocols. Methods in
Molecular Biology. ISBN 978-1-934115-64-0.
-Tomita, M., y Nishioka, T. (2005). Metabolomics. The frontier of Systems Biology.
Springer-Verlag Tokyo. ISBN 4-431-25121-9
- Voit , E.O.. (2000). Computational Analysis of Biochemical Systems. A practical guide
for biochemyst and molecular biologysts. Cambridge University Press. ISBN 0 521
78087 X.
- Stumpf M.P.H., Balding, D.J. y Girolami M. (2011). Handbook of statistical systems
biology. J Wiley and Sons Ltd. UK. ISBN 978 0 470 71086 9.
Profesorado:
M. Cánovas. Catedrático de Bioquímica y Biología Molecular
 INTRO
Tema Biología de Sistemas
e Ingeniería Metabólica

INTRODUCCIÓN A LA BIOLOGÍA DE
SISTEMAS
Y
A LA INGENIERÍA METABÓLICA

M. Cánovas

Dpto. Bioquímica y Biología Molecular B e Inmunología.

Facultad de Química. Universidad de Murcia.
 GENOMICA y
TRANSCRIPTOMICA

PROTEOMICA y
METABOLOMICA

What is Systems Biology?

• The study of the mechanisms underlying complex biological processes as integrated

systems of many interacting components.
Systems biology involves (1) collection of large sets of experimental data (2) proposal of
mathematical models that might account for at least some significant aspects of this data
set, (3) accurate computer solution of the mathematical equations to obtain numerical
predictions, and (4) assessment of the quality of the model by comparing numerical
simulations with the experimental data.
• First described in 1999 by Leroy Hood
 Introducción
Replicación
(ADNADN)

Transcripción
(ADNARN)

Traducción
(ARNProteína)

Dogma central de la Biología Molecular

Crick, F., 1970
 Introducción
Replicación Regulación de
la replicación

Regulación de
Transcripción
la
transcripción

Estabilidad
Traducción del ARN

Regulación
postraduccional
Dogma central de la Biología Molecular
Crick, F., 1970
 Introducción
Regulación transcripcional: aquellos procesos que regulan la síntesis
de ARN a partir de ADN
Para que se lleve a cabo la
Transcripción
se necesita ARN Polimerasa con sus
subunidades unidas
MODULADORES
FACTORES DE
TRANSCRIPCIÓN

α β

α σ70 β´
TF A B C
-35 -10 +1
Different levels in regulation in life
Trancriptome

Enzymome

Glucose
6P
G6P
NADH G Biomass
R5P

NAD+ P vpyr
vprpps

vade
Lact ir Biomass PRPP Ade

For vgprt Pi

vden vpolyam
m SAM
EtO vhprt vaprt

H
ATP
Ac-CoA Acetate vasuc
vtrans
vmat
Metabolome and
2NAD+ ATP vgmps
XMP
vimpd
IMP S-AMP

Fluxome
Pi
GMP Ado
vgmpr vasli
GDP vampd AMP
ADP
GTP
ATP
Biomass vrnag
RNA
vrnaa

AO Pi vgdrnr
vgnuc
vgrna varna vadrnr

A vgprt
dGMP
vdnag vdnaa dAdo
dAMP vada
NADH dGDP
dGTP
DNA dADP
dATP
vgdna vadna
vdgnuc vdada

Mal Gox Iso Pi

vhprt
vinuc
Gua HX
Guo vgua vhxd Ino
dGuo Xa dIno
NADPH vx
vxd

CO2 vhx
FADH2 CO2
UA
vua
Biomass
Succ NADH
 Introduction
Different levels in regulation with more details

Trancription
factors

CRP
cAMP
Genes
caiTA
BCDE ArcA Operons
- + + +
CRP
+ + +
IHF CRP +
CRP fixAB
-41.5 CX
-120.5
-168.5 -69.5 CaiF
-67.5

Metabolites
ATP CaiC
ProU CoA ATP
Enzymes
CBext CBint
ADP+ Pi
CBCoA
CaiB

CoA CaiD
CaiT

CoA ATP CaiC

LCext LCint LCCoA

 Fronteras del Conocimiento biológico
Aproximación Aproximación
Reduccionista Integradora

Biología de Biología de
componentes Sistemas

Alta tecnología: Análisis Integrador:

Bioinformática, modelos
Genoma,
matemáticos, simulación In
transcriptoma,Proteoma, silico y vuelta a la
experimentación

Siglo 20 Siglo 21
Biología,Bioquímica y Biología Molecular,
Microbiología, Matemáticas, etc
 INGENIERIA METABOLICA
OBJETIVO:
DETERMINAR LOS CUELLOS DE BOTELLA A NIVEL
METABOLICO/GENETICO DE UN BIOPROCESO.

• Introducir genes
-Incrementar flujos
-Introducir nuevos sustratos
-Producir mas producto
• Redireccionar flujos
• Optimizar la producción de un producto
 SECUENCIA DE CONOCIMIENTO
Secuencia de
ATGCTATGAATTGACCATTAGTA
DNA Infor
maci
ón
Identificación de ORFs
Gen A Gen B Gen C Gen D
Genes
E
st
Asignación de ORFs r
Productos de Genes u
A B C D ct
u
ra
fracción Coordinada l

P
Fu
nci
Circuitos Geneticos ón
Int
P
egr
al
 Raiz de la Biología
Alta vel.a escala genómica
Alta vel. De
(1990s)
secuenciación
La Biol. se enriquece de
(1980s)
Biología Molecular datos Análisis a escala
crece rápida genómica y crecimiento
Requerimientos de la de la bioinfomática
(1960s-1980s) Biología de Sistemas (1990s)
-Escala genómica 1995
Regulación Feed-
Back (1957) -Conocimientos
Fundament.
Biología de
Operón lactosa
(1961) -Trabajo de grupo y multi-
Sistemas
infraestructura
Simulación Modelos a Escala
analógica -Nuevos CV
genómica y análisis
(1960s) -Evitar pensamiento incre. (finales de 1990s)
Primeros datos de
Simulación de
biología In silico,
redes
modelos de virus,
metabólicas a
globulos rojos (1980s
gran escala
y primeros de 1990s)
(1970s)

Raiz de los Sistemas

 Análisis de Flujos en rutas metabólicas
1. Rutas metabólicas 2. Análisis de balance Flujos
“Metabolismo es el proceso implicado en el Análisis de Flujos metabólicos
mantenimiento de la vida. Implica un gran
Teoría de Sistemas Bioquímicos
repertorio de reacciones enzimaticas y
procesos de transporte utilizados para Análisis de Control Metabólico
convertir miles de compuestos organicos en
las moleculas necesarias para mantener la
vida celular” Kenneth et al. 2003

http://images.google.com/imgres?imgurl=http://www.cs.unc.edu/~walk/models/double_eagle/pieces/pipes.jpg
&imgrefurl=http://www.cs.unc.edu/~walk/models/double_eagle/pieces/&h=1095&w=1156&sz=307&tbnid=1C0
http://bill.srnr.arizona.edu/classes/182/CitricAcidCycle-LowRes.jpeg 069trx90J:&tbnh=142&tbnw=150&hl=en&start=1&prev=/images%3Fq%3D%2Bpipes%2B%26hl%3Den%26lr
%3D
 Fundamentos de la Biología de Sistemas
ANOTACION
Y TRABAJO
COMPONENTES COMPROBA
RECONSTRU
CCION IN SILICO CION

GENOMA TOPOLOGÍA

TRASCRIPTOMA RECONSTRUC
LIMITES
CION
ESPACIO
RUTAS DEL
PROTEOMA METABOLICAS DINAMICA FENOTIPO
BIOQUIMICAS
SEÑALOMA SENSIBILIDAD

METABOLONOMA
RUIDO
 Proyectos Europeos

• The UNICELLSYS project, Grant agreement

no.: 201142, is funded by the European
Commission within the seventh Framework
Programme, theme 1 Health. Horizon 2020
http://www.unicellsys.eu/
• Proyectos ERASysBio Transnational call for
research projects: "Systems Biology of
Microorganisms SysMO1 and SysMO2“.
http://www.sysmo.net/index.php?index=109
 OTRAS DEFINICIONES Y OPINIONES SOBRE
LA BS

. Nothing but an existing science with a new touch.

. Should be nothing but good old physiology…….

. Is molecular biology claiming additional money….

. The explanation by engineers of how biology works

If we know the contents of living organisms, for

sure we must know life……………
Alberghina L. and Westerhoff H. V. (2005). Systems Biology. Definitions and perspectives. Springer. ISBN 13 978 3 540 22968 1
 Modelo cinético Reduccionista de
producción de energía en seres vivos

Glucógeno X11

Glucokinasa X10 Pi X4
Glucosa X5
G1P X1
Fosforilasa a, X6

G6P X2 Fosfoglucomutasa X7

Fosfoglucosa isomerasa X8

F6P X3

Fosfofructoquinasa X9
 ADP ATP
Polysacharydes Glycerol Fats
Monosacharydes Fatty Acids
Glycerol-3P
NAD+
G3P NADH Lactate
Modelo ADP NAD+ NAD+
NADH
Reduccionista ATP NADH
PEP ADP CO2
metabolismo central
PK ATP
de E. coli Formate H2
Pyruvate
PDH PFL Ethanol
2NAD+
2NADH Ppi
Acetyl-AMP ATP
PEPCK ACS ACS
PEPCX CoA
AMP Acetate
Acetyl-CoA
Pi PTA ACK
Oxaloacetate Citrate ATP
CoA Acetyl-P
CS ADP
MDH
Malate
ICL Isocitrate
Glyoxylate
MS
ICDH

Fumarate α-ketoglutarate

Succinate
ATP O2 NADH Biosynthesis
CO2
ETC NADPH
FADH2
HO
 BIOMOLECULAS EN SERES VIVOS Y
TÉCNICAS DE ALTO RENDIMIENTO
GENES (ADN)

TRANSCRIPCION (ARN)

PROTEINAS

METABOLITOS Y MOLÉCULAS SEÑAL Y MOLÉCULAS

PEQUEÑAS (AMPc, ppGpp….), PAPEL DE IONES.

FLUJOS (DINÁMICA DE METABOLITOS)

• CONTROL (Bioindustrias, Biomedicina)

Y
• POSIBILIDAD DE MEJORA CELULAR
 Modelo Carbohydrates V1 Glucose
Reduccionista Glucose-6P
metabolismo central V3
G3P
de E. coli
Avance en idea de
PEP
distribución de V16
flujos metabólicos V2 CO2 CO2
Pyruvate V4 Lipids
CO2

V5 V14
Acetyl-CoA
Oxaloacetate V6 V17
Citrate Citrate
CS V7
V11 V18
Malate
V13 ICL Isocitrate Isocitrate
Glyoxylate
MS v19
V10 V8
Fumarate α-ketoglutarate

V10 V15
v12
Succinate
V9
ATP O2 NADH Protein
CO2
ETC NADPH
FADH2
HO
 Metabolic Flux Analysis
Sevilla et al., 2005.Topological Analysis
• Glycerol assimilation to biomass synthesis:
Sevilla et al., 2006. Metab. Eng.
 Las rutas se regulan: Metabolismo
A B
- X2
X4 X1
V01 - X3
IL1 ¿

X1

¿
IL2
V10 V12 X7
+ -
X2
X4 X1
+
X5 X2
V20 V23
X3 +
X6 X3
V30 C
 In-vivo kinetics of metabolic networks
e1 e2 e3 e4
J1 X1 X2 X3 J2

e5
J3
In-vivo kinetics: why?, and how?
• Why in vivo?
In vitro kinetics do not apply under in-vivo conditions
• Why short perturbations (< 300 seconds)
Enzyme activities can be assumed to remain constant, no need to quantify enzyme levels
(Reuss et al.)
• Intracellular metabolite concentrations (Xi), metabolome.
• 13C-based metabolic flux analysis (Ji), fluxome.
• Gene expression: qRT-PCR and transcriptome.
• Enzyme and proteins, enzymome and proteome,
13C-based MFA Modeling as an example of the CM and PPP

glc CO2, NADPH

p5p

g6p

TK-c2
f6p

TA-c3

g3p e4p
s7p

[Kleijn et al. 2005]

 Metabolite and other cell
components extraction protocol
Chemostat
Sterile feed
stream
Rapid sampling 1mL steady
- aerobic state/dynamic sample
- glucose 30 g/L (Intracellular metabolites)
- D= 0.05 h -1

- Temp 30oC ~15 g/L biomass

- pH 5
- 4L
5 mL 60% v/v
Sterile air Waste
Methanol/wate
r Cryostat (- Centrifuge
40oC) twice (-
30oC) 5 5 mL 75%
minutes boiling ethanol
3 minutes

Concentrate in
Metabolite analysis LC- Rapid Vap 30
Extracts
MS/MS, GC-MS minutes under
centrifuged &
vacuum
Gene expression supernatant frozen
at –80oC
Enzymome & proteome
 ECB12-2005
Copenhague, August 21-24th
SIGNALOME STUDYS

Signal: Presence/Absence
-Oxygen

Genome -Fumarate
Effectors
-Inducers
Signal Response -NaCl

Proteome
Signal

B
Gen I
Response
Signal Response

Proteome A

GENETIC CIRCUITS
 IMPORTANCIA DE LA BIOINFORMÁTICA
• Anotación génica
• Análisis metabolómico
• Análisis estequiométrico y de flujos BASES DE
• Análisis de expresión/proteomico DATOS
• Analisis de la regulación
• Análisis a nivel de sistema completo.
• NECESIDAD DE ESTANDARIZAR LA PRESENTACIÓN DE
DATOS
• Workshop “Storage and Annotation of Reaction Kinetics Data”.May 21-23, 2007. Heidelberg, Germany

Bioindustrias Biomedicina
Microbial genomes and annotation BASES DE DATOS

DIDBJ
EBI http://www.ddbj.nig.ac.jp/
http://www.ebi.ac.uk/
EMBL
http://www.ebi.ac.uk/embl/
GenBank (NCBI) http://www.ncbi.nlm.nih.gov/Genbank/
TIGR annotation software http://www.tigr.org/software/

Comparative genomics
ERGO http://ergo.integratedgenomics.com/ERGO/
The SEED http://theseed.uchicago.edu/FIG/index.cgi
GenDB http://www.cebitec.uni-bielefeId.de/groups/brf/software/gendb_info/index.html
GeneQuiz http://jura.ebi.ac.uk:8765/ext-genequiz/
MBGD http://mbgd.genome.ad.jp/
Pedant http://pedant.gsf.de/
Prolinks http://128.97.39.94/cgi-bin/functionator/pronav
String http://string.embl.de/
PUMA2 http://compbio.mcs.anl.gov/puma2/cgi-bin/index.cgi
Pathway/ Reconstruction tools
INSILICO discovery http://www.insilico-biotechnology.com/f_products.html
MetaFluxNet http://mbel.kaist.ac.kr/mfn
MFAML (Metabolic Flux http://mbel.kaist.ac.kr/mfaml
Analysis Markup Language)
SimPheny http://www.genomatica.com/solutions_simpheny.shtml
Pathfinder http://bibiserv.techfak.uni-bielefeld.de/pathfinder/
PATIKA http://www.patika.org/
 Pathway databases
BASES DE DATOS
BioSilico http://biosilico.kaist.ac.kr or http://blosilico.org
KEGG http://kegg.com/
MetaCyc http://metacyc.org/
MRAD http://capb.dbi.udel.edu/whisler/
Phylosopher http://www.genedata.com/phylosopher.php
PUMA2 http://compbio.mcs.anl.gov/puma2/cgi-bin/index.cgi
EMP
Enzymes http://www.empproject.com/

Brenda http://www.brenda.uni-koeIn.de/
KEGG http://www.kegg.com/
IntEnz http://www.ebi.ac.uk/intenz/
Proteins

HAMAP project http://www.expasy.org/sprot/hamap/

InterPro http://www.ebi.ac.uk/interpro/
E. coli-specific Databases
EcoCyc http://ecocyc.org/
Colibrí http://genolistpasteur.fr/Colibri/
GenProtEC http://genprotec.mbl.edu/
CyberCeff http://redpoll.pharmacy.ualberta.ca/CCDB/index.html
EchoBase http://www.ecoli-york.org/

Yeast-specific Databases
CYGD http://mips.gsf.de/genre/proj/yeast/
Saccharomyces Genome http://www.yeastgenome.org/
Database
H. pylori-specific Databases http://genolist.pasteur.fr/PyloriGene/
PyloriGene http://dpi.nhri.org.tw/protein/hp/ORF/index.php
 Bases de datos
. Secuencia de genes
. Genes
. Funcion de los genes
. Familia de genes

Circuitos Génicos

Energía Procesos
Información celulares

Transporte Transcripción Post-Traduc.

Metabolismo
División celular
Movimiento celular

Traducción Diferenciación Celu.

Adhesión celular

-Los circuitos génicos son:

Robustos
Ingeniería Autonomos
Ingeniería de
Metabólica Ejecutan y toman decisiones (homeostasis)
tejidos
Evolucionan
 BIOLOGÍA DE SISTEMAS
EVOLUCIÓN E INTEGRACIÓN DEL CONOCIMIENTO

GENOMA

TRANSCRIPTOMA

PROTEOMA

METABOLOMA Y SEÑALOMA

FLUJOMA

DESCRIPCIÓN BASADA EN LOS OMAS

Y PRINCIPALMENTE LA DESCRIPCIÓN CELULAR DE LA ACCIÓN
COORDINADA DE TODOS LOS ELEMENTOS QUE LA FORMAN.
 Circuitos génicos y BS

-Funcionamiento de un ser vivo

-Taxonomia de circuitos génicos, clasifica a los
seres vivos
-Evolución como cambio de circuitos génicos
-Enfermedades y circuitos génicos alterados
-Optimización de bioprocesos no es mas que
mejora de circuitos génicos
Identificación de ORF y
homologia y función

DNA INTERACCIONES
Uniones/Interacciones
-1
Interac.
Reguladoras
-1
1
-1 Productos
De genes
-1
1
B
A A -1 Efectos
sobre otros
compuestos
B 1
Palsson (2004). Nature Biotech. 22, 1218
MATRIZ
 Balance de masa dinámico y matriz estequiométrica
Vector Matriz Vector de
Concentracion estequiometrica Flujo

dx
= S ⋅v
dt

Límites del
sistema

. Descripción escala metabólica (matríz estequiomet.)

También necesaria
. Descripción a escala genómica y de señalización
 HERRAMIENTAS
Para el estudio y control se hace uso de la:

• Bioquímica
• Microbiología
• Ingeniería genética,
• Bioinformática,
• Modelación matemática,
• Ingeniería bioquímica
• Etc.

Con ello se mejora bioprocesos celulares mediante la:

• Determinación de los genes diana,

• Introducción de nuevos genes,
• Eliminación de genes para re-direccionar rutas metabólicas
• Nuevas distribuciones de flujos
• Conocimiento
• Etc.
Componentes, relaciones y flujos: Porqué?
½ Glucosa

V1
NADH NADH
CO2
NADH V2

PEP Ooxaloacetato Aspartato Fumarato

V3 NADH Succinato
ATP

Lactato
PIR
V4
V5 V6

Formiato CO2
Ac-COA
NADH
H2

V7 V8
Acetil-P Acetaldehido

NADH
ATP

Acetato Etanol
Necesidad del conocimiento de la Cinética In-vivo
½ Glucosa

V1
CO2 NADH NADH
NADH
V2
PEP Ooxaloacetato Aspartato Fumarato
V3 NADH
ATP

PIR Lactato
V4
V5 V6

Formiato CO2
Ac-COA NADH
H2

V7 V8
Acetil-P Acetaldehido

Componentes:
• Concentrationes intracelulares de los metabolitos
implicados (Xi) (METABOLOMA) Porqué
cinéticas In-
• Análisis flujos metabolicos 13C-based vivo?,
(Vi)(FLUJOMA) dinamismo

• Genes implicados (CIRCUITOS GÉNICOS)

• Redes reguladoras (REGULOMA)
 Porqué cinéticas In-vivo?

• Porqué cinéticas?
Modelos matematicos del metabolism  rediseño
 Dianas para la optimización de flujos
• Porqué cinéticas In-vivo?
La cinética In vitro no es aplicable en conditiones in-
vivo
• Porqué perturbaciones In-vivo(< 300 segundos)
Las actividades Enzimáticas se pueden asumir
constantes, no se necesita cuantificar niveles
enzimaticos (Reuss et al. 2005)
 Jerarquia en función de las redes metabólicas
Glucose Glucose
G6P
NADH G6P 6PG Biomass

NAD+
Lact Biomass
Pir T3P
Form
ATP
EtOH Ac-CoA
ATP Acetate PEP
2NAD+
Level 4
Biomass
AOA

NADH
Glucose
Level 1
Mal Gox Iso
CO2 NADPH
FADH2 CO2
NADH
Biomass
Succ
Waste
Level 2
Level 3
 Rutas metabolicas a escala Genómica (Genome
scale metabolic networks reconstruction)

SE NECESITAN:
. Datos bioquímicos

. Datos de asignaciones de los ORF a funciones

celulares (annotated DNA sequence or Genome
annotation)

. Datos fisiológicos, pe. Presencia de acetato

implica incluir metabolismo del acetato (Gap
analysis)

. Desarrollo del modelo In silico

GSMNR (Genome scale metabolic networks reconstruction), Covert et
al., (2001). Trends Biochem Sci. 26:179-186.

Organism Biología Molecular y celular

Anotación genómica Bioquímica Fisiología Celular

metabólica

Reconstrucción
de rutas Métodos
analíticos
nuevos

Modelo
Técnicas de Modelización
metabólico celular

Nueva información independiente experimental

Regulation of Glucose
metabolic networks
G6P 6PGn

X5P R5P
S7P E4P

IclR
Θ
T3P

PEP

mRNA .Piruvate

mRNA
mRNA AcCoA Acetate
OAA

Icl
Icdh-
Malate Glyoxylate Isocitrate K/P
Ms
Icdh
Icdh
℗
Succinate
Regulation of Glucose
metabolic networks
G6P 6PGn

Necesitamos: X5P
S7P
R5P
E4P
-Ensayos de knock outs
IclR
Θ
-Ensayos de sobreexpresión
T3P
Transcriptoma
PEP
Proteoma
Metaboloma
mRNA Flujoma
.Piruvate

mRNA Señaloma
mRNA AcCoA Acetate
OAA

Icl
Icdh-
Malate Glyoxylate Isocitrate K/P
Ms
Icdh
Icdh
℗
Succinate
Regulación en E. coli: proteínas que se unen a DNA
• Empaquetaminto a DNA Nucleoides (OmpH)

• DNA recombinación Intercambio de hebra, prot. Renatur. (RecA)

• Reparación DNA Uracil-DNA glicosilasas(Ung), DNA endo

(Vsr)

• Replicación DNA Prot. Unión Origen (Rob), DNA pol. (Pol.A),

• DNA lig. (LigA), de unión a una hebra (Ssb),

• DNA topoisomerasas (GyrA)

• Inciación de transcrip. Subunidades de RNA pol. (RpoD)

• Síntesis de RNA RNA pol (RpoA)

• Regulación de transcrip. 180 factores de transcripción, incluyendo:

Crp, Fnr, ArcA, Fis, HimA, PhoB, Cra……….

• Otras Enzimas de restricción (McrA)

RegulonDB: http://www.cifn.unam.mx/Computational_Genomics/regulondb/
 Las rutas de regulación de expresión génica se
pueden descomponer en motivos estructurales
Single Imput Motif Multy Imput Motif

Feed-forward loop

Regulator chain

Rosenfeld et al., 2002. J. Molec. Biol. 323.

785
Shen-Orr et al., 2002. Nat. Genet. 31, 64.
 Niveles de abstracción en regulación
de expresión génica

Genes Operon Regulón

Aminoacidos

Estimulón
Rosenfeld et al., 2002. J. Molec. Biol. 323, 785
Wolf and Arkin. 2003. Current Op Microb. 6,125
 Sevilla et al., (2007). Biotechnol. Progress.

CBint
ADP+P
i
ATP ADP+Pi

LCint CaiF
CBext ProU CBint CBCoA + innactive
ATP

CaiF
CoA active
CaiT CaiD +
CaiB

LCext LCint LCCoA +

+

(CRP-cAMP)1
Glyext Glyint Gly3P CaiB
GlpK
CaiT CaiD

Glucext
EIIA HPr EI PEP
-P
IIC
CRP
ATP
EIIA HPr EI pyr
-P -P -P cAMP
Gluc6P
+ CyaA
 Rutas reguladoras reconstruidas en E. coli y S. Cerevisiae
Ruta Genes reguladores Genes Diana Interacciones Reaccion
reguladoras es
reguladas
E. Coli 104 451 - 555
Metabolismo1
E. Coli bases de 123 762a 1468 -
datos2
S. cerevisiae 55 348 755 -
Metabolismo3
S. Cerevisiae 109 418 945 -
Base de datos4
S. Cerevisiae 203 1296b 3353b -
ChiP-chip5
a. Contando cada gen en un operon separadamente
b. Solo interacciones confirmadas
Tipos de datos que se necesitan
1.Corvert et al., 2004. Nature. 431, 931
2. Shen-Orr et al., 2002. Nature Genet.. 31, 64
-Datos de componentes
3. Herrgard et al., 2005. Genom. Res. -Datos de interacciones
4. Kaufman et al., 2002. Biophys. J. 83, 646
5. Harbison et al., 2004. Nature 431, 99 -Datos de estado de rutas
Determinación experimental de los sitios de unión de proteínas al DNA
Conjugación
Factores de
transcripción

ChiP-chip Sonicación

Inmunoprecipitación
de la proteína

Fragmentos de
referencia

Purificar
DNA marcado

Fragmentos
Diana

Array

Kumar and Snyder. 2001. Nature Rev. Genet. 2. 860

DOS FORMAS DE APROXIMACIÓN A LA BIOLOGÍA
MOLECULAR DE SISTEMAS
Datos Top-Down
• Determinación experimental del estado de expresión de
un genoma (deleciones o perturbaciones génicas y
estados normales).
• Identificar todos los sitios de promotores utilizando
aproximaciones computacionales.
• Determinación experimental de los sitios de unión de
proteínas al DNA.
• Determinación de metaboloma y flujoma
Datos Bottom up
• Datos de enzimas
• Datos de factores de transcripción Existentes
• Etc
 Combinación de métodos Top-Down y Botton-up en reconstrucción de rutas
reguladoras

Conocimiento Datos
Anotación génica Secuencia de
promotores

Análisis de rutas
reguladoras
Literatura transcripcionales Análisis de
relacionada localización

Bases de datos
curadas Expresión génica
 Análisis de estados celulares

Palsson (2006). Systems Biology.

Experimentos de Pulsos para detectar incrementos
de concentraciones de metabolitos
ADP+P ATP ADP+P
CBext i
CBint i
CBCoA 2PG PEP
ATP
CoA ADP+Pi

3PG
LCint LCCoA ATP
Lactint Lactex
LCext ATP
ADP+Pi
PGP Pyrint
Pyrext

DHAP GAP
Succext Succint Formint Formex
ATP

Fumext Fumint
ADP+Pi FBP Acetil CoA Acetint
ADP+Pi ATP
Acetext
Biosynthesis
Gly 3P ATP ADP + Pi 2x

ADP+Pi EtOHint
ATP
2x
APIB-2009 EtOHext
June 3-6, 2009 Glyext
Pavia, ITALY
 Signalling Model
Glucose and PTS system

CBint
ADP
ATP ADP+Pi

LCint CaiF
CBext ProU +Pi
CBint CBCoA +
innactive
ATP

CaiF
CaiT CoA CaiD +
active
CaiB
LCext LCint LCCoA +
+

(CRP-cAMP)1
Glyext GlyintGlpK Gly3P CaiB
CaiTCaiD
-
Glucext EIIA HPr EI PEP
-P
IIC
ATP CRP
EIIA HPr EI pyr
-P -P -P cAMP
Gluc6P + CyaA
Biomoléculas
Consortium:que intervienen en regulación y expresión Ursula Klingmüller
de genes
Freiburg/Heidelberg/Tübingen/Würzburg

Hepatocytes
von Weizsäcker
Distintos niveles
Signaling Pathways
de señalización y
1. Klingmüller
de transcripción
2. Walz/Merford/Sparna
en procesos vitales
3. Mohr
4. Hecht

5. Borner
6. Klingmüller
βCatenin

Transcription Factors
7. Schütz/Nordheim

Transcription Factors
8. Donauer/Walz
8

Modeling
Timmer
 Motivos que conducen a estudiar las
rutas metabolicas y la BS

– Mejor conocimiento de la fisiología cellular.

– Entendimiento de la vulnerabilidad del
metabolismo unicelular, del tejido, del órgano y
el individuo.
– Optimizar bioprocesos
– Optimizar el funcionamiento de una célula, un
tejido, un órgano y un ser vivo.
– Etc…
Hypotesis driven research in Systems Biology (Kitano 2002)
 Plan de Clases
I) Crear un modelo in silico para describir un metabolismo y su
regulación en un organismo en estado estacionario

Segre` et al. (2002)

Schilling et al. (2000)

II) Conectar un modelo in silico con experimentos in-vivo