Buněčný šum - Cellular noise

Buněčný šum je náhodná variabilita veličin vznikajících v buněčná biologie. Například u buněk, které jsou geneticky identické, dokonce i ve stejné tkáni, se často pozoruje, že mají různé úrovně exprese proteinů, různé velikosti a struktury.[1][2] Tyto zdánlivě náhodné rozdíly mohou mít důležité biologické a lékařské důsledky.[3]

Buněčný šum byl původně a stále často zkoumán v kontextu úrovní genové exprese - buď koncentrace, nebo kopírování počtu produktů genů v buňkách a mezi nimi. Tak jako genová exprese Úrovně jsou zodpovědné za mnoho základních vlastností v buněčné biologii, včetně fyzického vzhledu buněk, chování v reakci na podněty a schopnosti zpracovávat informace a řídit vnitřní procesy, přítomnost šumu v genové expresi má hluboké důsledky pro mnoho procesů v buněčné biologii.

Definice

Nejčastější kvantitativní definicí šumu je variační koeficient:

kde je hluk v množství , je znamenat hodnota a je standardní odchylka z . Toto opatření je bezrozměrný umožňující relativní srovnání důležitosti šumu, aniž by bylo nutné znát absolutní průměr.

Další veličiny často používané pro matematické pohodlí jsou Fano faktor:

a normalizovaná odchylka:

Experimentální měření

První experimentální popis a analýza šumu genové exprese u prokaryot je od Becskei & Serrano [4] a od Alexander van Oudenaarden laboratoř.[5] První experimentální popis a analýza šumu genové exprese u eukaryot je z James J. Collins laboratoř.[6]

Vnitřní a vnější hluk

Schematické znázornění studie dvojitého reportéra. Každý datový bod odpovídá měření úrovně exprese dvou identicky regulovaných genů v jedné buňce: rozptyl odráží měření populace buněk. Vnější šum je charakterizován úrovněmi exprese obou genů, které se mění mezi buňkami, vnitřní rozdíly.

Buněčný šum je často zkoumán v rámci vnitřní a vnější hluk. Vnitřní šum se týká variací v identicky regulovaných množstvích v jedné buňce: například intracelulární variace v úrovních exprese dvou identicky kontrolovaných genů. Vnější šum se týká variací ve identicky regulovaných množstvích mezi různými buňkami: například variabilita mezi buňkami v expresi daného genu.

Hladiny vnitřního a vnějšího hluku jsou často srovnávány v duální reportérské studie, ve kterém jsou úrovně exprese dvou identicky regulovaných genů (často fluorescenční reportéři rádi GFP a YFP ) jsou vyneseny pro každou buňku v populaci.[7]

Problémem obecného zobrazení vnějšího šumu jako šíření podél hlavní úhlopříčky ve studiích s dvojím reportérem je předpoklad, že vnější faktory způsobují pozitivní korelaci exprese mezi těmito dvěma reportéry. Ve skutečnosti, když dva reportéři soutěží o vazbu regulátoru s nízkou kopií, stanou se oba reportéři anomálně antikorelující a šíření je kolmé na hlavní úhlopříčku. Ve skutečnosti jakákoli odchylka rozptylu dvojitého reportéru od kruhové symetrie naznačuje vnější šum. Informační teorie nabízí způsob, jak se této anomálii vyhnout.[8]

Zdroje

Poznámka: Tyto seznamy jsou ilustrativní, nikoli vyčerpávající a identifikace zdrojů hluku je aktivní a rozšiřující se oblastí výzkumu.

Vnitřní hluk
  • Nízký počet kopií (včetně diskrétních událostí narození a úmrtí): náhodný (stochastický ) povaha produkce a degradace buněčných složek znamená, že šum je vysoký pro složky s nízkým počtem kopií (protože velikost těchto náhodných výkyvů není s ohledem na počet kopií zanedbatelná);
  • Difúzní buněčná dynamika:[9] mnoho důležitých buněčných procesů závisí na srážkách mezi reaktanty (například RNA polymeráza a DNA) a dalšími fyzikálními kritérii, která, vzhledem k difuzní dynamická povaha buňky, nastat stochasticky.
  • Šíření hluku: Nízký počet kopií a difuzní dynamika vedou k tomu, že každá z biochemických reakcí v buňce nastává náhodně. Stochasticita reakcí může být buď zeslabena, nebo zesílena. Příspěvek každé reakce k vnitřní variabilitě počtu kopií lze kvantifikovat pomocí Rozšíření velikosti systému Van Kampen.[10][11]
Vnější šum
  • Fáze buněčného věku / buněčného cyklu: buňky v dělící se populaci, která není synchronizována, se na daném snímku v čase budou lišit buněčný cyklus fáze s odpovídajícími biochemickými a fyzickými rozdíly;[12][13]
  • Růst buněk: změny v rychlostech růstu vedoucí ke změnám koncentrace mezi buňkami;[14]
  • Fyzické prostředí (teplota, tlak, ...): fyzikální veličiny a chemické koncentrace (zejména v případě buněčné signalizace) se mohou v populaci buněk prostorově lišit, což vyvolává vnější rozdíly jako funkci polohy;[15]
  • Organelle distribuce: náhodné faktory v množství a kvalitě organel (například počet a funkčnost organel) mitochondrie[16]) vedou k významným rozdílům mezi buňkami v řadě procesů[17] (protože například mitochondrie hrají ústřední roli v energetickém rozpočtu eukaryotických buněk);
  • Dědičný šum: nerovnoměrné rozdělení buněčných složek mezi dceřinými buňkami v mitóza může mít za následek velké vnější rozdíly v dělící se populaci.[18]
  • Soutěž regulátorů: Regulační orgány soutěžící o vazbu navazujících promotorů mohou způsobit negativní korelace: když je jeden promotor vázán, druhý není a naopak. [19]

Pamatujte, že vnější šum může ovlivnit úrovně a typy vnitřního šumu:[20] například vnější rozdíly v mitochondriálním obsahu buněk vedou prostřednictvím rozdílů v ATP úrovně, do některých buněk transkribujících rychleji než jiné, což ovlivňuje rychlost genové exprese a velikost vnitřního šumu v celé populaci.[17]

Účinky

Poznámka: Tyto seznamy jsou ilustrativní, nikoli vyčerpávající a identifikace účinků hluku je aktivní a rozšiřující se oblastí výzkumu.

  • Úrovně genové exprese: hluk v genové expresi způsobuje rozdíly v základních vlastnostech buněk, omezuje jejich schopnost biochemicky řídit buněčnou dynamiku,[21] a přímo nebo nepřímo vyvolávají mnoho konkrétních účinků níže;
  • Úrovně energie a rychlost transkripce: šum v transkripční rychlosti, vyplývající ze zdrojů včetně transkripční prasknutí, je významným zdrojem šumu v úrovních exprese genů. Vnější šum v mitochondriální bylo navrženo, aby se obsah šířil na rozdíly v koncentracích ATP a rychlostech transkripce (s funkčními vztahy implikovanými mezi těmito třemi veličinami) v buňkách, což ovlivňuje jejich energetickou kompetenci a schopnost exprimovat geny;[17]
  • Výběr fenotypu: bakteriální populace využívají vnější hluk k výběru podmnožiny populace ke vstupu do klidového stavu.[22] Například při bakteriální infekci se tato podmnožina nebude rychle šířit, ale bude silnější, když bude populace ohrožena léčbou antibiotiky: rychle se replikující infekční bakterie budou usmrceny rychleji než podmnožina v klidu, která může být schopna restartovat infekce. Tento jev je důvodem, proč by měla být léčba antibiotiky ukončena, i když se zdá, že příznaky zmizely;
  • Vývoj a diferenciace kmenových buněk: vývojový hluk v biochemických procesech, které je třeba přísně kontrolovat (například vytváření vzorců úrovní genové exprese, které se vyvíjejí do různých částí těla) během vývoje organismu, může mít dramatické důsledky vyžadující vývoj robustního buněčného aparátu. Kmenové buňky diferencovat na různé typy buněk v závislosti na úrovních exprese různých charakteristických genů:[23] hluk v genové expresi může jasně narušit a ovlivnit tento proces a hluk v rychlosti transkripce může ovlivnit strukturu dynamické krajiny, na které dochází k diferenciaci.[17] Existují přehledové články shrnující tyto účinky od bakterií po buňky savců; [24]
  • Odolnost vůči lékům: Hluk zlepšuje krátkodobé přežití a dlouhodobý vývoj rezistence na léky při vysokých úrovních léčby. Hluk má opačný účinek při nízké úrovni léčby drogami; [25] [26]
  • Léčba rakoviny: nedávná práce zjistila vnější rozdíly spojené s úrovněmi genové exprese v reakci rakovinných buněk na protinádorovou léčbu, potenciálně spojující fenomén částečného zabíjení (přičemž každá léčba zabíjí některé, ale ne všechny nádory) s hlukem v genu výraz.[27] Protože jednotlivé buňky by mohly opakovaně a stochasticky provádět přechody mezi stavy spojenými s rozdíly v citlivosti na terapeutickou modalitu (chemoterapie, cílená látka, záření atd.), Může být nutné terapii podávat často (aby se zajistilo, že buňky budou ošetřeny brzy po vstupu do terapie - responzivní stav, než se mohou znovu připojit k terapeuticky rezistentní subpopulaci a proliferovat) a po dlouhou dobu (k léčbě i těch buněk, které se objevují pozdě z konečného zbytku terapeuticky rezistentní subpopulace).[28]
  • Evoluce genomu: Genomy jsou pokryty chromatinem, který lze zhruba rozdělit na „otevřený“ (také známý jako euchromatin) nebo „uzavřený“ (také známý jako heterochromatin). Otevřený chromatin vede k menšímu šumu v transkripci ve srovnání s heterochromatinem. Často „úklidové“ proteiny (což jsou proteiny, které provádějí úkoly potřebné pro buněčné přežití) fungují ve velkých komplexech s více proteiny. Pokud má dojít k diskordinaci šumu v proteinech takových komplexů, může to vést ke snížené úrovni produkce multiproteinových komplexů s potenciálně škodlivými účinky. Snížení šumu může poskytnout evoluční selekční pohyb základních genů do otevřeného chromatinu.[29]
  • Zpracování informací: jelikož se buněčná regulace provádí se součástmi, které samy podléhají šumu, je schopnost buněk zpracovávat informace a provádět kontrolu zásadně omezena vlastním šumem[21][30]

Analýza

Kanonický model pro expresi stochastických genů, známý jako dvoustavový nebo telegraf [31] Modelka. DNA se otáčí mezi „neaktivními“ a „aktivními“ stavy (zahrnující například remodelace chromatinu a transkripční faktor vazba). Aktivní DNA je transkribována za vzniku mRNA, která je translatována za vzniku proteinu, který je degradován. Všechny procesy jsou Poissonian s danými sazbami.

Protože v diskrétním počtu kopií v buňce (jednotlivé DNA, desítky mRNA, stovky proteinů) je přítomno tolik množství biologického zájmu buněk, nástroje z diskrétních stochastická matematika se často používají k analýze a modelování buněčného šumu.[32][33] Zejména, hlavní rovnice léčby - kde jsou pravděpodobnosti pozorování systému ve stavu v čase jsou propojeny ODR - se ukázaly být zvláště plodné. Kanonický model pro expresi genu šumu, kde procesy Aktivace DNA, transkripce a překlad jsou všechny reprezentovány jako Poissonovy procesy s danými sazbami dává hlavní rovnici, kterou lze přesně vyřešit (s generující funkce ) za různých předpokladů nebo aproximován stochastickými nástroji jako Rozšíření velikosti systému Van Kampen.

Číselně Gillespieho algoritmus nebo stochastický simulační algoritmus se často používá k vytváření realizací stochastických buněčných procesů, ze kterých lze vypočítat statistiku.

Problém odvození hodnot parametrů ve stochastických modelech (parametrický závěr ) pro biologické procesy, které jsou typicky charakterizovány řídkými a hlučnými experimentálními údaji, je aktivní oblastí výzkumu s metodami zahrnujícími Bayesian MCMC a přibližný Bayesiánský výpočet prokazatelně přizpůsobivý a robustní.[34] Pokud jde o dvoustavový model, byla pro odvození parametrů z distribucí mRNA popsána momentová metoda.[31]

Reference

  1. ^ Kaern, M .; Elston, T.R .; Blake, W. J. a Collins, J. J. (2005). "Stochasticita v genové expresi: od teorií k fenotypům". Nat. Genet. 6 (6): 451–464. doi:10.1038 / nrg1615. PMID  15883588.
  2. ^ Maheshri N, O'Shea EK (2007). "Život s hlučnými geny: jak buňky spolehlivě fungují s inherentní variabilitou genové exprese". Annu. Biophys. Biomol. Struct. 36: 413–434. doi:10.1146 / annurev.biophys.36.040306.132705. PMID  17477840.
  3. ^ Johnston, I. G. (2012). "Chaos uvnitř: zkoumání hluku v buněčné biologii". Význam. 19 (4): 17–21. arXiv:1208.2250. Bibcode:2012arXiv1208.2250J. doi:10.1111 / j.1740-9713.2012.00586.x.
  4. ^ Becskei, Attila; Serrano, Luis (2000). „Inženýrská stabilita v genových sítích pomocí autoregulace“ (PDF). Příroda. 405 (6786): 590–593. doi:10.1038/35014651.
  5. ^ Ozbudak, Ertugrul M; Thattai, Mukund; Kurtser, Iren; Grossman, Alan D; van Oudenaarden, Alexander (2002). „Regulace hluku ve vyjádření jediného genu“. Genetika přírody. 31 (1): 69–73. doi:10.1038 / ng869.
  6. ^ Blake, William J; Kærn, Mads; Cantor, Charles R; Collins, James J (2003). „Noise in Eukaryotic Gene Expression“. Příroda. 422 (6932): 633–637. doi:10.1038 / nature01546.
  7. ^ Elowitz, M.B .; Levine, A.J .; Siggia, E.D .; Swain, P.S. (2002). "Stochastická genová exprese v jedné buňce". Věda. 297 (5584): 1183–6. Bibcode:2002Sci ... 297.1183E. doi:10.1126 / science.1070919. PMID  12183631.
  8. ^ Stamatakis, Michail; Adams, Rhys M; Balázsi, Gábor (2011). „Společný fond represorů vede k neurčitosti vnějšího šumu“. Chaos. 21 (4): 047523. doi:10.1063/1.3658618. PMC  3258287.
  9. ^ Morelli, M.J .; Allen, R.J. & ten Wolde, P.R. (2011). „Účinky makromolekulárního vytěsňování na genetické sítě“. Biophys. J. 101 (12): 2882–2891. Bibcode:2011BpJ ... 101,2882M. doi:10.1016 / j.bpj.2011.10.053. PMC  3244068. PMID  22208186.
  10. ^ Komorowski M, Miekisz J, Stumpf M PH (2013). „Rozkladný šum v biochemických signalizačních systémech zdůrazňuje roli degradace bílkovin“. Biophys. J. 104 (8): 1783–1793. Bibcode:2013BpJ ... 104,1783 tis. doi:10.1016 / j.bpj.2013.02.027. PMC  3627874. PMID  23601325.
  11. ^ Jetka T, Charzynska A, Gambin A, Stumpf M PH, Komorowski M (2013). "StochDecomp - balíček Matlab pro rozklad hluku ve stochastických biochemických systémech". Bioinformatika. 30 (1): 137–138. arXiv:1308.3103. Bibcode:2013arXiv1308.3103J. doi:10.1093 / bioinformatika / btt631. PMID  24191070.
  12. ^ Thomas, Philipp (2019-01-24). „Vnitřní a vnější šum genové exprese v rodokmenech“. Vědecké zprávy. 9 (1): 474. Bibcode:2019NatSR ... 9..474T. doi:10.1038 / s41598-018-35927-x. ISSN  2045-2322. PMC  6345792. PMID  30679440.
  13. ^ Newman JR, Ghaemmaghami S, Ihmels J, Breslow DK, Noble M, DeRisi JL, Weissman JS (2006). „Jednobuněčná proteomická analýza S. cerevisiae odhaluje architekturu biologického šumu“. Příroda. 441 (7095): 840–846. Bibcode:2006Natur.441..840N. doi:10.1038 / nature04785. PMID  16699522.
  14. ^ Weiße, Andrea Y .; Vincent Danos; Terradot, Guillaume; Thomas, Philipp (30.10.2018). „Zdroje, šíření a důsledky stochasticity v buněčném růstu“. Příroda komunikace. 9 (1): 4528. Bibcode:2018NatCo ... 9.4528T. doi:10.1038 / s41467-018-06912-9. ISSN  2041-1723. PMC  6207721. PMID  30375377.
  15. ^ Athale, C.A.; Chaudhari, H. (2011). "Variabilita délky populace a počet nukleoidů v Escherichia coli". Bioinformatika. 27 (21): 2944–2998. doi:10.1093 / bioinformatika / btr501. PMID  21930671.
  16. ^ das Neves RP, Jones NS, Andreu L, Gupta R, Enver T, Iborra FJ (2010). „Propojení variability globální transkripční rychlosti s mitochondriální variabilitou“. PLOS Biol. 8 (12): e1000560. doi:10.1371 / journal.pbio.1000560. PMC  3001896. PMID  21179497.
  17. ^ A b C d Johnston IG, Gaal B, das Neves RP, Enver T, Iborra FJ, Jones NS (2012). „Mitochondriální variabilita jako zdroj vnějšího buněčného šumu“. PLOS Comput. Biol. 8 (3): e1002416. arXiv:1107.4499. Bibcode:2012PLSCB ... 8E2416J. doi:10.1371 / journal.pcbi.1002416. PMC  3297557. PMID  22412363.
  18. ^ Huh, D .; Paulsson, J. (2011). "Náhodné rozdělení molekul při dělení buněk". Proc. Natl. Acad. Sci. USA. 108 (36): 15004–15009. Bibcode:2011PNAS..10815004H. doi:10.1073 / pnas.1013171108. PMC  3169110. PMID  21873252.
  19. ^ Stamatakis, Michail; Adams, Rhys M; Balázsi, Gábor (2011). „Společný fond represorů vede k neurčitosti vnějšího šumu“. Chaos. 21 (4): 047523. doi:10.1063/1.3658618. PMC  3258287.
  20. ^ Shahrezaei, V. & Swain, P.S. (2008). "Analytické distribuce pro stochastickou genovou expresi". Proc. Natl. Acad. Sci. USA. 105 (45): 17256–17261. arXiv:0812.3344. Bibcode:2008PNAS..10517256S. doi:10.1073 / pnas.0803850105. PMC  2582303. PMID  18988743.
  21. ^ A b Lestas, I .; Vinnicombe, G .; Paulsson, J. (2010). „Základní limity pro potlačení molekulárních fluktuací“. Příroda. 467 (7312): 174–8. Bibcode:2010Natur.467..174L. doi:10.1038 / nature09333. PMC  2996232. PMID  20829788.
  22. ^ Fraser D, Kaern M (2009). „Šance na přežití: hluk genové exprese a strategie fenotypové diverzifikace“. Mol. Microbiol. 71 (6): 1333–1340. doi:10.1111 / j.1365-2958.2009.06605.x. PMID  19220745.
  23. ^ T. Enver; CM. Heyworth & T.M. Dexter (1998). „Hrají kmenové buňky kostky?“. Krev. 92 (2): 348. doi:10,1182 / krev. V92.2.348.
  24. ^ Balázsi, Gábor; van Oudenaarden, Alexander; Collins, James J (2011). „Rozhodování o buňkách a biologický hluk: od mikrobů po savce“. Buňka. 144 (6): 910–925. doi:10.1016 / j.cell.2011.01.030. PMC  3068611.
  25. ^ Blake, William J; Balázsi, Gábor; Kohanski, Michael A; Isaacs, Farren J; Murphy, Kevin F; Kuang, Yina; Cantor, Charles R; Walt, David R; Collins, James J (2006). „Fenotypové důsledky transkripčního šumu zprostředkovaného promotérem“. Molekulární buňka. 24 (6): 853–865. doi:10.1016 / j.molcel.2006.11.003.
  26. ^ Farquhar, Kevin F; Charlebois, Daniel A; Szenk, Mariola; Cohen, Joseph; Nevozhay, Dmitrij; Balázsi, Gábor (2019). „Role síťově zprostředkované stochasticity v savčí drogové rezistenci“. Příroda komunikace. 10: 2766. doi:10.1038 / s41467-019-10330-w.
  27. ^ Spencer, S.L .; Gaudet, S .; Albeck, J.G .; Burke, J.M .; Sorger, P.K. (2009). „Negenetický původ variability mezi buňkami v apoptóze vyvolané TRAIL“. Příroda. 459 (7245): 428–432. Bibcode:2009 Natur.459..428S. doi:10.1038 / nature08012. PMC  2858974. PMID  19363473.
  28. ^ Liao D, Estévez-Salmerón L, Tlsty TD (2012). „Konceptualizace nástroje pro optimalizaci terapie na základě dynamické heterogenity“. Phys. Biol. 9 (6): 065005. Bibcode:2012PhBio ... 9f5005L. doi:10.1088/1478-3975/9/6/065005. PMC  3618714. PMID  23197078.
  29. ^ Batada NN, Hurst LD (2007). "Vývoj organizace chromozomů vedený výběrem pro snížení šumu genové exprese". Genetika přírody. 39 (8): 945–9. doi:10.1038 / ng2071. PMID  17660811.
  30. ^ Perkins, T.J. & Swain, P.S. (2009). „Strategie pro rozhodování o buňkách“. Mol. Syst. Biol. 5 (236): 326. doi:10.1038 / msb.2009.83. PMC  2795477. PMID  19920811.
  31. ^ A b Peccoud, J. & Ycart, B. (1995). „Markovianské modelování syntézy genových produktů“. Teoretická populační biologie. 48 (2): 222–234. doi:10.1006 / tpbi.1995.1027.
  32. ^ Paulsson, J. (2005). "Modely exprese stochastických genů". Phys. Life Rev. 2 (2): 157–175. Bibcode:2005PhLRv ... 2..157P. doi:10.1016 / j.plrev.2005.03.003.
  33. ^ Wilkinson, D.J. (2009). "Stochastické modelování pro kvantitativní popis heterogenních biologických systémů". Nat. Genet. 10 (2): 122–133. doi:10.1038 / nrg2509. PMID  19139763.
  34. ^ Sunnåker, Mikael; Busetto, Alberto Giovanni; Numminen, Elina; Corander, Jukka; Foll, Matthieu; Dessimoz, Christophe (2013). „Přibližný Bayesiánský výpočet“. PLOS výpočetní biologie. 9 (1): e1002803. Bibcode:2013PLSCB ... 9E2803S. doi:10.1371 / journal.pcbi.1002803. PMC  3547661. PMID  23341757.