biochemical networks literature: cantor&schimmel: biophysical chemistry adam läuger stark :...
TRANSCRIPT
Biochemical Networks
Literature:Cantor&Schimmel: Biophysical ChemistryAdam Läuger Stark : Physikalische Chemie und BiophysikVoit: Computational Analysis of Biochemical Systems
Modelling Biochemical Networks
Literature:
Voit: Computational Analysis of Biochemical SystemsAdam Läuger Stark : Physikalische Chemie und BiophysikBreckow : Biophysik
Cooperative EnzymesInhibition, RegulationKinetic RatesSynergistic SystemsParameter Estimations
A kAB B
kBA
E S k1 ES k2 E P
k 1
Open Systems
PNAS, accepted (2009)
Ingmar Schön & Dieter Braun
Cellular Images of DNA Hybridization Kinetics In Vivo
experimental setup
quantum efficiency
illumination
periodic illuminationphase-locked relative to perturbation
0° 90° 180°
270°
collect fluorescence by slow CCD(low-pass filtering)
lock-in detection scheme
fit with transfer functionfor a first-order reaction
approach
goal: measure reaction kinetics in vivo
principle: perturbe equilibrium and analyze relaxationdetection: fluorescence resonance energy transfer (FRET)
DNA probe
RhG |5’-C AGG TTA CTA TCG TAT T C-3’
ROX |5’-C AAT ACG ATA GTA ACC T C-3’
C = L-enantiomeric cytosin
DNA probe
hybridization kinetics in a single living cell
different kinetics in subcellular compartments
dependence on concentration
calibrationbrightness of confocal image vs. DNA concentration
dependence on concentration
calibrationbrightness of confocal image vs. DNA concentration
1 off on A Bk k c c
comparison in vitro vs. in vivo
1 off on A Bk k c c
… faster Hybridization in vivo!
However 12bp probe…
… is slower: Binding with Proteins !
Molecular Crowding is no significant for short DNA
Trivial molecular crowding:excluded volume enhances local concentration, however both for 12 & 16 mer => Not found
Length dependent, specific interactions:- Catalytic speed up of Hybridization- Slowing by specific binding => Less free concentration and slower kinetics
Das Prinzip des detaillierten Gleichgewichts
In einem komplexeren Netzwerk (z.B. ein zyklisches System) sind Reaktionen mit dx/dt=0 denkbar, die thermodynamisch zugelassen wären, aber einen permanenten Materialfluss ermöglichen würden.
Die Gleichgewichtsbedingung gilt für alle Teilreaktionen eines Systems. „Das Gleichgewicht ist wegunabhängig“Prinzip des detaillierten Gleichgewichts(Prinzip der mikroskopischen Reversibilität)
Michaelis-Menten Kinetics
Biologische Regulation durch Enzymhemmung
Effects of noncompetitive inhibition
Non-competitive inhibition
Competitive Inhibition
Inhibitor competes withsubstrate for binding toenzymeExample 1: most drugsExample 2: Product inhibition
Problem :Die kompetitive Hemmung hat unzureichende Regeleigenschaften
Mehrfachbindung und die Regulation biologischer Aktivität
Ein Enzym mit mehreren Bindungsstellen für ein hemmende Substanz B ermöglicht schärfere Regelung
„Abschaltfunktion“ Rate als Funktion der inhibitorischen Substanz
Sollwert
Kooperativität allosterischer Enzyme
Michaelis-Menten-Kinetik(n=1)
vP Vmax sn
KMn sn
Hill Gleichung
Der Hill-Koeffizient wird aus experimentellen Daten v(s) bestimmt durch logarithmische Auftragung:(Hill Plot)
n ln s n lnKM lnV
Vmax V
Das Operon-Regelsystem nach Monod:Beispiel allosterischer Kontrolle
G: Genprodukt (z.B. Enzym, das Bildung von P aus Substrat St katalysiert)
Für die Komplexbildung von Produkt P mit Konzentration yP und dem regulatorische Gen R wird eine kooperative Rückkopplung angesetzt
Autokatalyse, Voltera-Lotka Systeme
dyA
k2
k10 k11yA
dyB
k2
k21yA k22yB
Die DGL ohne Rückkopplung lautet :
Der autokatalytische Schritt erzeugt die Nicht-Linearität
k10 yA
k11 k21 yBund
dyA
dtyA yA yB
dyB
dtyA yB yB
Räuber-Beute-System
Nicht-Lineare Systeme können mehrere stationäre Zustände aufweisen: Diskriminative Schaltfunktion
Relationships (Shiraishi-Savageau, 1992)
Homogeneous3D reactions-> pos. integers
Kinetic orders= weighted averages ofmore elementary ko´s (Alves-Savageau, 2000)
Modellierung Biochemischer Netzwerke
Quelle: Stelling, Curr.Op.MicroBio 2004
Metabolische Netzwerke
Metabolische Netzwerke sind durch eine Netzwerktopologie (pathway) und biochemische Ratengleichungen beschrieben.
S-Systeme : einfache nichtlineare Näherung mit numerischen Vorteilen
Elementare Fluss Moden Analyse : Stoichiometrisches Fliessgleichgewicht
Computergestützte Analyse
S-Systeme
• Produktansatz für die Zu- und Abflüsse Vi+ and Vi
-.
dXi/dt = V+-V-=i j=1n+m Xj
gij - i j=1n+m Xj
hij
i und i : Raten Konstanten
- gij and hij : Kinetische Exponenten
– Xi : Konzentrationen of all the metabolites that are involved in
Warum funktionieren S-Systeme ?
Begründete Annahmen:
Biochemische Systeme sind in der Regel in einem Quasi-stationären Zustand, d.h. die Dynamik der Systemsteuerung ist langsam gegenüber der zugrundeliegenden Systemdynamik.S-Systeme sind Entwicklungen um stationärem Gleichgewicht
Biochemische Systeme sind robust. D.h. die Funktionen sind weitestgehend unabhängig von den Konzentrationen
* Analytische Steady-State-Lösung* Mathematisch und rechnerisch einfach* Beliebige Differentialgleichungssystem können in äquivalente S-Systeme übersetzt werden.* Parameterschätzung möglich
Vorteile:
aus Torres: Pathway Analysis
Parameterschätzung
Bestimmung der kinetischen Ordnung aus experimentellen Daten
g d lnv
d ln X
v
X
X
v
Die Stoichiometrische Matrix:
Flussanalyse
dS
dtN v