Biología (plan 1997) 2022-1

Optativas, Temas Selectos de Biología II

Biología de Sistemas

Motivación:

¿Qué causa y cómo se previenen las enfermedades complejas? ¿Cómo minimizar la generación de cepas microbianas resistentes a antibióticos? ¿Cómo optimizar un sistema agroecológico? Estos son algunos de los principales retos de la biología que no se han logrado resolver utilizando enfoques tradicionales (reduccionistas). Esto se debe a que estos problemas de importancia socio-ambiental son en realidad propiedades emergentes de sistemas biológicos complejos. La biología de sistemas es un nuevo enfoque interdisciplinario en el que se pretende dar respuesta a este tipo de preguntas desde una perspectiva holística, cuantitativa y formal, utilizando herramientas de la biología, las matemáticas, la computación y la física.

El objetivo de este seminario es proveer a los estudiantes las bases conceptuales para realizar investigación desde la biología de sistemas. Indagaremos sobre formalismos matemáticos para representar sistemas dinámicos discretos o continuos y deterministas o estocásticos; aplicaremos métodos computacionales para analizar estos sistemas utilizando MATLAB y R; estudiaremos conceptos básicos de biología de sistemas, por ejemplo, la célula como procesador de señales, la homeostasis, la resiliencia y la plasticidad fenotípica, y algunas dinámicas ecosistémicas.

A lo largo del seminario, discutiremos y replicaremos (por medio de prácticas computacionales) artículos de investigación de biología de sistemas de vanguardia, con el fin de fomentar la investigación crítica, creativa y colaborativa. Desarrollaremos así un lenguaje común de biología de sistemas que facilite la interacción interdisciplinaria entre alumnos de la licenciatura en biología y los provenientes de otras carreras (física, física biomédica, matemáticas, cómputo, ingenierías, etcétera), para potenciar la construcción de soluciones a retos nacionales de los sectores salud y medio ambiente.

Evaluación:

El objetivo de este curso es que los alumnos aprendan a aplicar herramienteas de la biología de sistemas para resolver problemas concretos en biomedicina y ecología. Por ello, se insta a los alumnos a participar activamente en la clase por medio de trabajos y presentaciones en equipo (20%), discusión de artículos (20%) y tareas de laboratorio computacional (10%). El desepeño de los alumnos se evaluará, además, por medio de un examen escrito (30%) y uno oral (20%).

Requisitos de ingreso

Este seminario va dirigido a estudiantes con un interés en biología de sistemas. La biología de sistemas es interdisciplinaria, por lo que aceptamos a estudiantes de diversas áreas, incluyendo biología, matemáticas, ciencias de la computación, física biomédica, física e ingeniería. El requisito principal es tener la motivación para aprender e integrar conceptos y técnicas de matemáticas, biología y computación.

NOTA IMPORTANTE PARA ALUMNES QUE NO SON DE CARRERAS DE BIOLOGÍA:

Alumnes de otras carreras como Física, Matemáticas, Computación, etc., que estén interesades en inscribir la materia y no hayan alcanzado lugar, tenemos lugares exclusivos para ustedes. Si desean inscribirse, mándenos un correo con su nombre completo, número de cuenta y carrera.

PLATAFORMA: las clases serán por zoom, en tiempo real. Les añadiremos a Google Classroom para comunicarles las ligas de acceso y compartirles material. La liga del google classroom es: https://classroom.google.com/c/Mzg2MDQ1MDEwMDQz?cjc=ehvaxny

SESIÓN DE INTRODUCCIÓN: El martes 31 a las 8:00 am nos conectaremos para explicar muy brevemente la dinámica del curso. La primer clase será el 21 de septiembre.

Temario

1. Introducción - motivación: Biología de sistemas: ¿por qué y para qué?
2. Robustez, plasticidad y resiliencia en sistemas biológicos
3. Los sistemas biológicos como procesadores de información
4. Redes booleanas
   1. Fenotipos como atractores de un sistema multi-estable
   2. Esbozando el paisaje epigenético
5. Ecuaciones diferenciales
   1. Modelos mecanicistas vs fenomenológicos: Construcción de puertas lógicas: ¿a priori o a posteriori?
   2. Modelos cinéticos: Ley de acción de masas
   3. Análisis cualitativo: bifurcaciones y formas normales
   4. Causas y consecuencias de interacciones no lineales en sistemas biológicos: saturación de la señal, adaptación, excitabilidad, biestabilidad, oscilaciones
   5. Optimización paramétrica
6. Modelos estocásticos o: ¿De dónde salen las distribuciones poblacionales?
7. Sistemas híbridos: análisis de bifurcaciones e integración numérica de ecuaciones diferenciales con separación de escalas temporales
8. Sobre el uso y abuso de metáforas en la biología (teórica)

Software: R, Matlab

Bibliografía:

Libros de texto:

• Uri Alon (2006): An Introduction to Systems Biology: Design Principles of Biological Circuits (Chapman & Hall/CRC Mathematical and Computational Biology) 1st Edition. Chapman & Hall/CRC Mathematical and Computational Biology (Book 10).
• Emmanuel Barillot, Laurence Calzone. Philippe Hupé, Jean-Philippe Vert, Andrei Zinovyev (2013). Computational Systems biology of cancer. CRC Press.
• Carlo Cosentino, Declan Bates (2011): Feedback Control in Systems Biology. CRC Press.
• Domitilla Del Vecchio. Richard M. Murray (2014): Biomolecular Feedback Systems. Princeton University Press.
• Kunihiko Kaneko (2006): Life: An Introduction to Complex Systems Biology. Springer.
• Rob Phillips, Jane Kondev, Julie Theriot, Hernan García (2012): Physical biology of the cell. Garland Science.
• Murray, J.D., 2003. Mathematical biology 3rd ed. Springer, ed.,
• Strogatz, S., 2000. Nonlinear dynamics and chaos,
• Wilkinson, D.J., 2006. Stochastic Modelling for Systems Biology.
• Elena Álvarez-Buylla Roces, Juan Carlos Martínez-García, José Dávila Velderrain, Elisa Domínguez-Hüttinger and Mariana Esther Martínez-Sánchez. Modeling Methods for Medical Systems Biology - Regulatory Dynamics Underlying the Emergence of Disease Processes. Editorial: Springer. Serie: Advances in Experimental Medicine and Biology (versión beta de manuscrito en preparación).

Artículos (lista no exhaustiva de los artículos que se revisarán en el seminario)

• Lazebnik, I., 2003. Can a biologist fix a radio, or what I learned while studying apoptosis. Biochemistry, 12(12), pp.166–71.

• Méndez-López, L.F. et al., 2017. Gene regulatory network underlying the immortalization of epithelial cells. BMC systems biology, 11(24), pp.1–15.
• Martinez-Sanchez, M.E. et al., 2015. A Minimal Regulatory Network of Extrinsic and Intrinsic Factors Recovers Observed Patterns of CD4+ T Cell Differentiation and Plasticity. PLoS Computational Biology, 11(6), pp.1–23.
• Davila-Velderrain, J., Villarreal, C. & Alvarez-Buylla, E.R., 2015. Reshaping the epigenetic landscape during early flower development: induction of attractor transitions by relative differences in gene decay rates. BMC systems biology, 9(1), p.20.

Construcción de compuertas lógicas a priori

• Setty, Y. et al., 2003. Detailed map of a cis-regulatory input function. PNAS, 100(13), pp.7702–7707.
• Mayo, A.E. et al., 2006. Plasticity of the cis -Regulatory Input Function of a Gene. PLoS biology, 4(4), p.e45.

• Tyson, J.J., Chen, K.C. & Novak, B., 2003. Sniffers, buzzers, toggles and blinkers: dynamics of regulatory and signaling pathways in the cell. Current Opinion in Cell Biology, 15(2), pp.221–231.

• Angeli, D., Ferrell, J.E. & Sontag, E.D., 2004. Detection of multistability, bifurcations, and hysteresis in a large class of biological positive-feedback systems. PNAS, 101(7), pp.1822
• Tanaka, R.J., Ono, M. & Harrington, H. a, 2011. Skin barrier homeostasis in atopic dermatitis: feedback regulation of kallikrein activity. PloS one, 6(5), p.e19895.
• Höfer, T. et al., 2002. GATA-3 transcriptional imprinting in Th2 lymphocytes: a mathematical model. PNAS, 99(14), pp.9364–8.

• Fey, D. et al., 2015. Signaling pathway models as biomarkers : Patient-specific simulations of JNK activity predict the survival of neuroblastoma patients. Science signaling, 8(408), pp.1–16.
• Tiemann, C. a et al., 2011. Parameter adaptations during phenotype transitions in progressive diseases. BMC Systems Biology, 5(1), p.174. Available at: http://www.biomedcentral.com/1752-0509/5/174.
• Tanaka, R.J. et al., 2015. In silico modeling of spore inhalation reveals fungal persistence following low dose exposure. Scientific Reports, 5(August), p.13958. Available at: http://www.nature.com/doifinder/10.1038/srep13958.
• Andrews, S.S. et al., 2016. Push-Pull and Feedback Mechanisms Can Align Signaling System Outputs with Inputs. Cell Systems, pp.1–12..

• Diego Oyarzún, Madalena Chaves, and Marit Hoff-Hoffmeyer-Zlotnik. Multistability and oscillations in genetic control of metabolism. J. Theor. Biol., 295:139–53, feb 2012.
• Gouhei Tanaka, Kunichika Tsumoto, Shigeki Tsuji, and Kazuyuki Aihara. Bifurcation analysis on a hybrid systems model of intermittent hormonal therapy for prostate cancer. Phys. D Nonlinear Phenom., 237(20):2616–2627, 2008.
• Yoshito Hirata, Nicholas Bruchovsky, and Kazuyuki Aihara. Development of a mathematical model that predicts the outcome of hormone therapy for prostate cancer. J. Theor. Biol., 264(2):517–27, may 2010.
• Kazuyuki Aihara and Hideyuki Suzuki. Theory of hybrid dynamical systems and its applications to biological and medical systems. Philos. Trans. A. Math. Phys. Eng. Sci., 368(1930):4893–914, nov 2010.
• Domínguez-Hüttinger, E. et al., 2017. Mathematical Modeling of Atopic Dermatitis Reveals “Double switch” Mechanisms Underlying Four Common Disease Phenotypes. Journal of Allergy and Clinical Immunology, (February).
• Domínguez-Hüttinger, E. et al., 2017. Mathematical Modeling of Streptococcus pneumoniae Colonization, Invasive Infection and Treatment. Frontiers in physiology, 8(March), pp.1–14.
• Panayiotis Christodoulides, Yoshito Hirata, Elisa Domínguez-Hüttinger, Simon G Danby, Michael J Cork, Hywel C. Williams, Kazuyuki Aihara, and Reiko J. Tanaka. Computational design of treatment strategies for proactive therapy on atopic dermatitis using optimal control theory. Philos. Trans. A, in press, 2017.

• Colman-Lerner, A. et al., 2005. Regulated cell-to-cell variation in a cell-fate decision system. Nature, 437(September).
• Turcotte, M., García-Ojalvo, J. & Süel, G.M., 2008. A genetic timer through noise-induced stabilization of an unstable state. PNAS, 105(41), pp.15732–7.
• Kellogg, R.A. & Tay, S., 2015. Noise facilitates transcriptional control under dynamic inputs. Cell, 160(3), pp.381–392.
• Hsiao, V. et al., 2015. A population-based temporal logic gate for timing and recording chemical events. Molecular s, 557, pp.1–17.
• Li, Q. et al., 2016. Dynamics inside the cancer cell attractor reveal cell heterogeneity, limits of stability, and escape. Proceedings of the National Academy of Sciences of the United States of America, 113, pp.2672–7.
• Acar M, Pando BF, Arnold FH, Elowitz MB, van Oudenaarden A. A general mechanism for network-dosage compensation in gene circuits , Science. 2010 Sep.

• Yu, R.C. et al., 2008. Negative feedback that improves information transmission in yeast signalling. Nature, 456(December), pp.755–761.
• Denby, C.M. et al., 2012. Negative feedback confers mutational robustness in yeast transcription factor regulation. PNAS, 109(10), pp.3874–3878.
• Toyoshima, Y. et al., 2012. Sensitivity control through attenuation of signal transfer efficiency by negative regulation of cellular signalling. Nature Communications, 3, p.743.
• Muzzey, D. et al., 2009. A Systems-Level Analysis of Perfect Adaptation in Yeast Osmoregulation. Cell, 138, pp.160–171.

• Hao, N. & O’Shea, E.K., 2012. Signal-dependent dynamics of transcription factor translocation controls gene expression. Nature structural & molecular biology, 19(1), pp.31–9.
• Inoue, K. et al., 2016. Oscillation dynamics underlie functional switching of NF-κB for B-cell activation. npj Systems Biology and Applications, 2(April), p.16024. Available at: http://www.nature.com/articles/npjsba201624.
• Loewer A, Lahav G. p53 Dynamics Control Cell Fate. Science (80- ) 2012;336:13–6.
• Fey, D. et al., 2015. Frequency modulation of ERK activation dynamics rewires cell fate. Molecular systems biology, pp.1–14.
• Ashall, L. et al., 2009. Pulsatile stimulation determines timing and specificity of NF-kappaB-dependent transcription. Science (New York, N.Y.), 324(5924), pp.242–246.
• John J Tyson. Modeling the cell division cycle: cdc2 and cyclin interactions. PNAS, 88(August):7328–7332, 1991.