Redes de regulación génica

Aplicación de teoría de grafos y autómatas finitos para simular comportamientos de redes de regulación génica. Para el curso en Biomatemática 2015-2017.

Transcript

1. Redes de Regulación Génica
2. Redes de Regulación Génica Huang, S. (2012). The molecular and mathematical basis of Waddington's epigenetic landscape: A framework for post‐Darwinian biology?. Bioessays, 34(2), 149-157.
3. Redes de Regulación Génica Huang, S. (2012). The molecular and mathematical basis of Waddington's epigenetic landscape: A framework for post‐Darwinian biology?. Bioessays, 34(2), 149-157.
4. Redes de Regulación Génica Huang, S. (2012). The molecular and mathematical basis of Waddington's epigenetic landscape: A framework for post‐Darwinian biology?. Bioessays, 34(2), 149-157.
5. Redes de Regulación Génica Grafos → Topología Autómatas → Dinámica
6. Teoría de Grafos Shaw, M. W. (2014). Networks and plant disease management: Concepts and applications. Annual review of phytopathology, 52, 477-493.
7. Teoría de Grafos Solé, R. V., & Valverde, S. (2004). Information theory of complex networks: on evolution and architectural constraints. In Complex networks (pp. 189-207). Springer Berlin Heidelberg.
8. Teoría de Grafos XVIII Escuela de Otoño de Biología Matemática. Centro de Ciencias Matemáticas, UNAM Campus Morelia 10–14 de octubre del 2016. http://www.matmor.unam.mx/eobm16/
9. Teoría de Grafos XVIII Escuela de Otoño de Biología Matemática. Centro de Ciencias Matemáticas, UNAM Campus Morelia 10–14 de octubre del 2016. http://www.matmor.unam.mx/eobm16/
10. Teoría de Grafos XVIII Escuela de Otoño de Biología Matemática. Centro de Ciencias Matemáticas, UNAM Campus Morelia 10–14 de octubre del 2016. http://www.matmor.unam.mx/eobm16/
11. Teoría de Grafos XVIII Escuela de Otoño de Biología Matemática. Centro de Ciencias Matemáticas, UNAM Campus Morelia 10–14 de octubre del 2016. http://www.matmor.unam.mx/eobm16/
12. Teoría de Grafos XVIII Escuela de Otoño de Biología Matemática. Centro de Ciencias Matemáticas, UNAM Campus Morelia 10–14 de octubre del 2016. http://www.matmor.unam.mx/eobm16/
13. Teoría de Grafos XVIII Escuela de Otoño de Biología Matemática. Centro de Ciencias Matemáticas, UNAM Campus Morelia 10–14 de octubre del 2016. http://www.matmor.unam.mx/eobm16/
14. Teoría de Grafos XVIII Escuela de Otoño de Biología Matemática. Centro de Ciencias Matemáticas, UNAM Campus Morelia 10–14 de octubre del 2016. http://www.matmor.unam.mx/eobm16/
15. Dinámica → Enfoques Le Novère, N. (2015). Quantitative and logic modelling of molecular and gene networks. Nature Reviews Genetics, 16(3), 146-158.
16. Redes de Regulación Génica Le Novère, N. (2015). Quantitative and logic modelling of molecular and gene networks. Nature Reviews Genetics, 16(3), 146-158.
17. Redes de Regulación Génica Le Novère, N. (2015). Quantitative and logic modelling of molecular and gene networks. Nature Reviews Genetics, 16(3), 146-158.
18. Redes booleanas • Formalismo usado en la descripción de GRN al nivel de la expresión protéica. • El nivel de expresión es considerado como prendido (1) o apagado (0). • El estado del modelo es un conjunto de valores booleanos que describen los niveles de transcripción de la GN en un punto en el tiempo. • La inhibición o activación de genes es modelado mediante reglas booleanas, combinadas usando lógica booleana. Tjelvar S. G. Olsson. (2015). The Biologist's Guide to Computing. http://book.biologistsguide2computing.com/en/stable/index.html Tjelvar S. G. Olsson. (2015). The Biologist's Guide to Computing. http://book.biologistsguide2computing.com/en/stable/index.html
19. Redes booleanas • La aplicación iterativa de la reglas boleanas permite evaluar la dinámica del sistema en el tiempo. • A medida que progresa el tiempo, el número de estados de la red disminuye: el sistema se dirige hacia un número pequeño de cíclos dinámicos y estados estables, conocidos como atractores. • Los atractores frecuentemente corresponden a estados específicos y diferenciados de la célula. Tjelvar S. G. Olsson. (2015). The Biologist's Guide to Computing. http://book.biologistsguide2computing.com/en/stable/index.html
20. Autómatas finitos Segel, L. A., & Edelstein-Keshet, L. (2013). A Primer in Mathematical Models in Biology (Vol. 129). SIAM.
21. Autómatas finitos Segel, L. A., & Edelstein-Keshet, L. (2013). A Primer in Mathematical Models in Biology (Vol. 129). SIAM.
22. Autómatas finitos Segel, L. A., & Edelstein-Keshet, L. (2013). A Primer in Mathematical Models in Biology (Vol. 129). SIAM.
23. Autómatas finitos Segel, L. A., & Edelstein-Keshet, L. (2013). A Primer in Mathematical Models in Biology (Vol. 129). SIAM.
24. Autómatas finitos Segel, L. A., & Edelstein-Keshet, L. (2013). A Primer in Mathematical Models in Biology (Vol. 129). SIAM.
25. Autómatas finitos Segel, L. A., & Edelstein-Keshet, L. (2013). A Primer in Mathematical Models in Biology (Vol. 129). SIAM.
26. Autómatas finitos Fauré, A., Naldi, A., Chaouiya, C., & Thieffry, D. (2006). Dynamical analysis of a generic Boolean model for the control of the mammalian cell cycle. Bioinformatics, 22(14), e124-e131.
27. Autómatas finitos Fauré, A., Naldi, A., Chaouiya, C., & Thieffry, D. (2006). Dynamical analysis of a generic Boolean model for the control of the mammalian cell cycle. Bioinformatics, 22(14), e124-e131.
28. Autómatas finitos Müssel, C., Hopfensitz, M., & Kestler, H. A. (2010). BoolNet—an R package for generation, reconstruction and analysis of Boolean networks. Bioinformatics, 26(10), 1378-1380. Boolean network with 10 genes Involved genes: CycD Rb E2F CycE CycA p27 Cdc20 Cdh1 UbcH10 CycB Transition functions: CycD = CycD Rb = (! CycA & ! CycB & ! CycD & ! CycE) | (p27 & ! CycB & ! CycD) E2F = (! Rb & ! CycA & ! CycB) | (p27 & ! Rb & ! CycB) CycE = (E2F & ! Rb) CycA = (E2F & ! Rb & ! Cdc20 & ! (Cdh1 & UbcH10)) | (CycA & ! Rb & ! Cdc20 & ! (Cdh1 & UbcH10)) p27 = (! CycD & ! CycE & ! CycA & ! CycB) | (p27 & ! (CycE & CycA) & ! CycB &! CycD) Cdc20 = CycB Cdh1 = (! CycA & ! CycB) | (Cdc20) | (p27 & ! CycB) UbcH10 = ! Cdh1 | (Cdh1 & UbcH10 & (Cdc20 | CycA | CycB)) CycB = ! Cdc20 & ! Cdh1
29. Autómatas finitos Müssel, C., Hopfensitz, M., & Kestler, H. A. (2010). BoolNet—an R package for generation, reconstruction and analysis of Boolean networks. Bioinformatics, 26(10), 1378-1380.
30. Autómatas finitos Müssel, C., Hopfensitz, M., & Kestler, H. A. (2010). BoolNet—an R package for generation, reconstruction and analysis of Boolean networks. Bioinformatics, 26(10), 1378-1380.
31. Autómatas finitos > attr <- getAttractors(cellcycle) > par(mfrow=c(1,2)) > plotNetworkWiring(cellcycle) > plotStateGraph(attr)
32. Autómatas finitos Robeva, R., & Hodge, T. (Eds.). (2013). Mathematical concepts and methods in modern biology: using modern discrete models. Academic Press.
33. Autómatas finitos Robeva, R., & Hodge, T. (Eds.). (2013). Mathematical concepts and methods in modern biology: using modern discrete models. Academic Press.
34. Autómatas finitos Robeva, R., & Hodge, T. (Eds.). (2013). Mathematical concepts and methods in modern biology: using modern discrete models. Academic Press.
35. Reciliencia: Habilidad del sistema para ajustar su actividad con el fin de retener su funcionalidad básica ante errores, fallas y cambios ambientales.