Ruido celular

Variabilidad aleatoria en las cantidades que surgen en la biología celular

El ruido celular es una variabilidad aleatoria de las cantidades que surge en la biología celular . Por ejemplo, se observa que, incluso dentro del mismo tejido, las células que son genéticamente idénticas tienen diferentes niveles de expresión de proteínas, tamaños y estructuras. ^{[1] [2]} Estas diferencias aparentemente aleatorias pueden tener importantes consecuencias biológicas y médicas. ^[3]

El ruido celular se examinó originalmente, y todavía se examina con frecuencia, en el contexto de los niveles de expresión génica, ya sea la concentración o el número de copias de los productos de los genes dentro y entre las células. Como los niveles de expresión génica son responsables de muchas propiedades fundamentales de la biología celular, incluida la apariencia física de las células, el comportamiento en respuesta a estímulos y la capacidad de procesar información y controlar procesos internos, la presencia de ruido en la expresión génica tiene profundas implicaciones para muchos procesos de la biología celular.

Definiciones

La definición cuantitativa más frecuente de ruido es el coeficiente de variación : ^{[ cita requerida ]}

${\displaystyle \eta _{X}={\frac {\sigma _{X}}{\mu _{X}}},}$

donde es el ruido en una cantidad , es el valor medio de y es la desviación estándar de . Esta medida es adimensional , lo que permite una comparación relativa de la importancia del ruido, sin necesidad de conocer la media absoluta. ${\displaystyle \eta _{X}}$ ${\displaystyle X}$ ${\displaystyle \mu _{X}}$ ${\displaystyle X}$ ${\displaystyle \sigma _{X}}$ ${\displaystyle X}$

Otras cantidades que se utilizan a menudo por conveniencia matemática son el factor Fano :

${\displaystyle F_{X}={\frac {\sigma _{X}^{2}}{\mu _{X}}}.}$

y la varianza normalizada:

${\displaystyle N_{X}=\eta _{X}^{2}={\frac {\sigma _{X}^{2}}{\mu _{X}^{2}}}.}$

Medición experimental

El primer relato y análisis experimental del ruido de expresión génica en procariotas es de Becskei y Serrano ^[4] y del laboratorio de Alexander van Oudenaarden . ^[5] El primer relato y análisis experimental del ruido de expresión génica en eucariotas es del laboratorio de James J. Collins . ^[6]

Ruido intrínseco y extrínseco

Ilustración esquemática de un estudio de doble reportero. Cada punto de datos corresponde a una medición del nivel de expresión de dos genes regulados de manera idéntica en una sola célula: la dispersión refleja las mediciones de una población de células. El ruido extrínseco se caracteriza por los niveles de expresión de ambos genes que varían entre células y el intrínseco por las diferencias internas.

El ruido celular se suele estudiar en el marco del ruido intrínseco y extrínseco . El ruido intrínseco se refiere a la variación en cantidades reguladas de forma idéntica dentro de una sola célula: por ejemplo, la variación intracelular en los niveles de expresión de dos genes controlados de forma idéntica. El ruido extrínseco se refiere a la variación en cantidades reguladas de forma idéntica entre diferentes células: por ejemplo, la variación de una célula a otra en la expresión de un gen determinado.

Los niveles de ruido intrínseco y extrínseco a menudo se comparan en estudios de reporteros duales , en los que se grafican los niveles de expresión de dos genes regulados de manera idéntica (a menudo reporteros fluorescentes como GFP e YFP ) para cada célula de una población. ^[7]

Un problema con la representación general del ruido extrínseco como una dispersión a lo largo de la diagonal principal en los estudios de doble reportero es la suposición de que los factores extrínsecos causan correlaciones de expresión positivas entre los dos reporteros. De hecho, cuando los dos reporteros compiten por la unión de un regulador de bajo número de copias, los dos reporteros se anticorrelacionan anómalamente y la dispersión es perpendicular a la diagonal principal. De hecho, cualquier desviación del diagrama de dispersión de doble reportero con respecto a la simetría circular indica ruido extrínseco. La teoría de la información ofrece una forma de evitar esta anomalía. ^[8]

Fuentes

Nota : Estas listas son ilustrativas, no exhaustivas, y la identificación de fuentes de ruido es un área de investigación activa y en expansión.

Ruido intrínseco

• Efectos de bajo número de copias (incluidos eventos discretos de nacimiento y muerte) : la naturaleza aleatoria ( estocástica ) de la producción y degradación de los componentes celulares significa que el ruido es alto para los componentes con bajo número de copias (ya que la magnitud de estas fluctuaciones aleatorias no es insignificante con respecto al número de copias);
• Dinámica celular difusiva : ^[9] muchos procesos celulares importantes dependen de colisiones entre reactantes (por ejemplo, la ARN polimerasa y el ADN) y otros criterios físicos que, dada la naturaleza dinámica difusiva de la célula, ocurren estocásticamente.
• Propagación del ruido : los efectos de un número bajo de copias y la dinámica difusiva dan como resultado que cada una de las reacciones bioquímicas en una célula ocurra de manera aleatoria. La estocasticidad de las reacciones puede atenuarse o amplificarse. La contribución de cada reacción a la variabilidad intrínseca en el número de copias se puede cuantificar mediante la expansión del tamaño del sistema de Van Kampen . ^{[10] [11]}

Ruido extrínseco

• Edad celular/etapa del ciclo celular : las células de una población en división que no está sincronizada estarán, en un momento dado, en diferentes etapas del ciclo celular , con las correspondientes diferencias bioquímicas y físicas; ^{[12] [13]}
• Crecimiento celular : variaciones en las tasas de crecimiento que conducen a variaciones de concentración entre células; ^[14]
• Entorno físico (temperatura, presión, ...) : las cantidades físicas y las concentraciones químicas (particularmente en el caso de la señalización de célula a célula) pueden variar espacialmente en una población de células, provocando diferencias extrínsecas en función de la posición; ^[15]
• Distribuciones de orgánulos : factores aleatorios en la cantidad y calidad de los orgánulos (por ejemplo, el número y la funcionalidad de las mitocondrias ^[16] ) conducen a diferencias significativas de célula a célula en una variedad de procesos ^[17] (ya que, por ejemplo, las mitocondrias juegan un papel central en el presupuesto energético de las células eucariotas);
• Ruido de herencia : la distribución desigual de los componentes celulares entre las células hijas durante la mitosis puede generar grandes diferencias extrínsecas en una población en división. ^[18]
• Competencia entre reguladores : los reguladores que compiten para vincular a los promotores posteriores pueden causar correlaciones negativas: cuando un promotor está vinculado, el otro no lo está y viceversa. ^[8]

Cabe señalar que el ruido extrínseco puede afectar los niveles y tipos de ruido intrínseco: ^[19] por ejemplo, las diferencias extrínsecas en el contenido mitocondrial de las células conducen, a través de diferencias en los niveles de ATP , a que algunas células transcriban más rápido que otras, lo que afecta las tasas de expresión genética y la magnitud del ruido intrínseco en toda la población. ^[17]

Efectos

Nota : Estas listas son ilustrativas, no exhaustivas, y la identificación de los efectos del ruido es un área de investigación activa y en expansión.

• Niveles de expresión genética : el ruido en la expresión genética provoca diferencias en las propiedades fundamentales de las células, limita su capacidad para controlar bioquímicamente la dinámica celular ^[20] e induce directa o indirectamente muchos de los efectos específicos que se indican a continuación;
• Niveles de energía y tasa de transcripción : el ruido en la tasa de transcripción , que surge de fuentes como la explosión transcripcional , es una fuente importante de ruido en los niveles de expresión de los genes. Se ha sugerido que el ruido extrínseco en el contenido mitocondrial se propaga a diferencias en las concentraciones de ATP y las tasas de transcripción (con relaciones funcionales implícitas entre estas tres cantidades) en las células, lo que afecta la competencia energética de las células y la capacidad de expresar genes; ^[17]
• Selección de fenotipos : las poblaciones bacterianas explotan el ruido extrínseco para elegir un subconjunto de la población que entre en un estado de reposo. ^[21] En una infección bacteriana, por ejemplo, este subconjunto no se propagará rápidamente, pero será más robusto cuando la población se vea amenazada por un tratamiento con antibióticos: las bacterias infecciosas que se replican rápidamente morirán más rápidamente que el subconjunto inactivo, que puede ser capaz de reiniciar la infección. Este fenómeno es la razón por la que los tratamientos con antibióticos deben terminarse incluso cuando los síntomas parezcan haber desaparecido;
• Desarrollo y diferenciación de células madre : el ruido del desarrollo en los procesos bioquímicos que necesitan ser controlados estrictamente (por ejemplo, la pauta de los niveles de expresión génica que se desarrollan en diferentes partes del cuerpo) durante el desarrollo de los organismos puede tener consecuencias dramáticas, lo que requiere la evolución de una maquinaria celular robusta. Las células madre se diferencian en diferentes tipos de células dependiendo de los niveles de expresión de varios genes característicos: ^[22] el ruido en la expresión génica puede perturbar e influir claramente en este proceso, y el ruido en la tasa de transcripción puede afectar la estructura del paisaje dinámico en el que ocurre la diferenciación. ^[17] Hay artículos de revisión que resumen estos efectos desde las bacterias hasta las células de mamíferos; ^[23]
• Resistencia a los medicamentos : el ruido mejora la supervivencia a corto plazo y la evolución a largo plazo de la resistencia a los medicamentos en niveles altos de tratamiento farmacológico. El ruido tiene el efecto opuesto en niveles bajos de tratamiento farmacológico; ^{[24] [25]}
• Tratamientos contra el cáncer : trabajos recientes han encontrado diferencias extrínsecas, vinculadas a los niveles de expresión genética, en la respuesta de las células cancerosas a los tratamientos contra el cáncer, lo que potencialmente vincula el fenómeno de la muerte fraccionada (por el cual cada tratamiento mata una parte pero no la totalidad de un tumor) con el ruido en la expresión genética. ^[26] Debido a que las células individuales podrían realizar repetida y estocásticamente transiciones entre estados asociados con diferencias en la capacidad de respuesta a una modalidad terapéutica (quimioterapia, agente dirigido, radiación, etc.), la terapia podría necesitar ser administrada con frecuencia (para garantizar que las células sean tratadas poco después de entrar en un estado de respuesta a la terapia, antes de que puedan volver a unirse a la subpoblación resistente a la terapia y proliferar) y durante largos tiempos (para tratar incluso aquellas células que emergen tarde del residuo final de la subpoblación resistente a la terapia). ^[27]
• Evolución del genoma : El genoma está cubierto por cromatina, que puede clasificarse aproximadamente en "abierta" (también conocida como eucromatina) o "cerrada" (también conocida como heterocromatina). La cromatina abierta produce menos ruido en la transcripción en comparación con la heterocromatina. A menudo, las proteínas "de mantenimiento" (que son proteínas que realizan tareas necesarias para la supervivencia celular) forman grandes complejos multiproteicos. Si el ruido en las proteínas de dichos complejos está demasiado descoordinado, puede conducir a un nivel reducido de producción de complejos multiproteicos, con efectos potencialmente nocivos. La reducción del ruido puede proporcionar un movimiento de selección evolutiva de genes esenciales hacia la cromatina abierta. ^[28]
• Procesamiento de la información : como la regulación celular se realiza con componentes que están sujetos al ruido, la capacidad de las células para procesar información y realizar el control está fundamentalmente limitada por el ruido intrínseco ^{[20] [29]}

Análisis

Un modelo canónico para la expresión genética estocástica, conocido como modelo de dos estados o telégrafo ^[30] . El ADN oscila entre estados "inactivos" y "activos" (que implican, por ejemplo, la remodelación de la cromatina y la unión de factores de transcripción ). El ADN activo se transcribe para producir ARNm que se traduce para producir proteínas, y ambos se degradan. Todos los procesos son poissonianos con velocidades dadas.

Como muchas cantidades de interés biológico celular están presentes en un número discreto de copias dentro de la célula (ADN individuales, docenas de ARNm, cientos de proteínas), a menudo se utilizan herramientas de matemáticas estocásticas discretas para analizar y modelar el ruido celular. ^{[31] [32]} En particular, los tratamientos de ecuaciones maestras , donde las probabilidades de observar un sistema en un estado en el tiempo están vinculadas a través de EDO , han demostrado ser particularmente fructíferos. Un modelo canónico para la expresión de genes de ruido, donde los procesos de activación , transcripción y traducción del ADN se representan como procesos de Poisson con tasas dadas, da una ecuación maestra que puede resolverse exactamente (con funciones generadoras ) bajo varios supuestos o aproximarse con herramientas estocásticas como la expansión del tamaño del sistema de Van Kampen . ${\displaystyle P(\mathbf {x} ,t)}$ ${\displaystyle \mathbf {x} }$ ${\displaystyle t}$

Numéricamente, el algoritmo de Gillespie o algoritmo de simulación estocástica se utiliza a menudo para crear realizaciones de procesos celulares estocásticos, a partir de los cuales se pueden calcular estadísticas.

El problema de inferir los valores de los parámetros en modelos estocásticos ( inferencia paramétrica ) para procesos biológicos, que se caracterizan típicamente por datos experimentales escasos y ruidosos, es un campo activo de investigación, con métodos que incluyen MCMC bayesiano y computación bayesiana aproximada que demuestran ser adaptables y robustos. ^[33] Con respecto al modelo de dos estados, se describió un método basado en momentos para la inferencia de parámetros a partir de distribuciones de ARNm. ^[30]

Referencias

1. Kaern, M.; Elston, TR; Blake, WJ y Collins, JJ (2005). "Estocasticidad en la expresión génica: de las teorías a los fenotipos". Nat. Rev. Genet . 6 (6): 451–464. doi :10.1038/nrg1615. PMID  15883588. S2CID  1028111.
2. Maheshri N, O'Shea EK (2007). "Vivir con genes ruidosos: cómo las células funcionan de manera confiable con variabilidad inherente en la expresión genética". Annu. Rev. Biophys. Biomol. Struct . 36 : 413–434. doi :10.1146/annurev.biophys.36.040306.132705. PMID  17477840.
3. Johnston, IG (2012). "El caos interior: exploración del ruido en la biología celular". Significance . 19 (4): 17–21. arXiv : 1208.2250 . Bibcode :2012arXiv1208.2250J. doi :10.1111/j.1740-9713.2012.00586.x. S2CID  16368991.
4. Becskei, Attila; Serrano, Luis (2000). "Ingeniería de la estabilidad en redes genéticas mediante autorregulación" (PDF) . Nature . 405 (6786): 590–593. Bibcode :2000Natur.405..590B. doi :10.1038/35014651. PMID  10850721. S2CID  4407358.
5. Ozbudak, Ertugrul M; Thattai, Mukund; Kurtser, Iren; Grossman, Alan D; van Oudenaarden, Alexander (2002). "Regulación del ruido en la expresión de un único gen". Nature Genetics . 31 (1): 69–73. doi : 10.1038/ng869 . PMID  11967532.
6. Blake, William J; Kærn, Mads; Cantor, Charles R; Collins, James J (2003). "El ruido en la expresión génica eucariota". Nature . 422 (6932): 633–637. Bibcode :2003Natur.422..633B. doi :10.1038/nature01546. PMID  12687005. S2CID  4347106.
7. Elowitz, MB; Levine, AJ; Siggia, ED; Swain, PS (2002). "Expresión génica estocástica en una sola célula". Science . 297 (5584): 1183–6. Bibcode :2002Sci...297.1183E. doi :10.1126/science.1070919. PMID  12183631. S2CID  10845628.
8. Stamatakis, Michail; Adams, Rhys M; Balázsi, Gábor (2011). "Un conjunto común de represores da como resultado la indeterminación del ruido extrínseco". Chaos . 21 (4): 047523–047523–12. Bibcode :2011Chaos..21d7523S. doi :10.1063/1.3658618. PMC 3258287 . PMID  22225397. 
9. Morelli, MJ; Allen, RJ y ten Wolde, PR (2011). "Efectos del hacinamiento macromolecular en las redes genéticas". 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). "La descomposición del ruido en los sistemas de señalización bioquímica destaca el papel de la degradación de proteínas". Biophys. J . 104 (8): 1783–1793. Bibcode :2013BpJ...104.1783K. 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 - Paquete Matlab para la descomposición del ruido en sistemas bioquímicos estocásticos". Bioinformática . 30 (1): 137–138. arXiv : 1308.3103 . Bibcode :2013arXiv1308.3103J. doi :10.1093/bioinformatics/btt631. PMID  24191070.
12. Thomas, Philipp (24 de enero de 2019). "Ruido intrínseco y extrínseco de la expresión génica en árboles de linaje". Scientific Reports . 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). "El análisis proteómico de células individuales de S. cerevisiae revela la arquitectura del ruido biológico". Nature . 441 (7095): 840–846. Bibcode :2006Natur.441..840N. doi :10.1038/nature04785. PMID  16699522. S2CID  4300851.
14. Weiße, Andrea Y.; Vincent Danos; Terradot, Guillaume; Thomas, Philipp (30 de octubre de 2018). "Fuentes, propagación y consecuencias de la estocasticidad en el crecimiento celular". Nature Communications . 9 (1): 4528. Bibcode :2018NatCo...9.4528T. doi :10.1038/s41467-018-06912-9. ISSN  2041-1723. PMC 6207721 . PMID  30375377. 
15. Athale, CA; Chaudhari, H. (2011). "Variabilidad de la longitud de la población y número de nucleoides en Escherichia coli". Bioinformática . 27 (21): 2944–2998. doi :10.1093/bioinformatics/btr501. PMID  21930671.
16. Das Neves RP, Jones NS, Andreu L, Gupta R, Enver T, Iborra FJ (2010). "Conexión de la variabilidad en la tasa de transcripción global con la variabilidad mitocondrial". PLOS Biol . 8 (12): e1000560. doi : 10.1371/journal.pbio.1000560 . PMC 3001896 . PMID  21179497. 
17. Johnston IG, Gaal B, das Neves RP, Enver T, Iborra FJ, Jones NS (2012). "Variabilidad mitocondrial como fuente de ruido celular extrínseco". 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). "Partición aleatoria de moléculas en la división celular". Proc. Natl. Sci. USA . 108 (36): 15004–15009. Bibcode :2011PNAS..10815004H. doi : 10.1073/pnas.1013171108 . PMC 3169110 . PMID  21873252. 
19. Shahrezaei, V. y Swain, PS (2008). "Distribuciones analíticas para la expresión génica estocástica". Proc. Natl. Sci. USA . 105 (45): 17256–17261. arXiv : 0812.3344 . Bibcode :2008PNAS..10517256S. doi : 10.1073/pnas.0803850105 . PMC 2582303. PMID  18988743 . 
20. Lestas, I.; Vinnicombe, G.; Paulsson, J. (2010). "Límites fundamentales en la supresión de fluctuaciones moleculares". Nature . 467 (7312): 174–8. Bibcode :2010Natur.467..174L. doi :10.1038/nature09333. PMC 2996232 . PMID  20829788. 
21. Fraser D, Kaern M (2009). "Una oportunidad de supervivencia: ruido de expresión génica y estrategias de diversificación fenotípica". Mol. Microbiol . 71 (6): 1333–1340. doi : 10.1111/j.1365-2958.2009.06605.x . PMID  19220745.
22. T. Enver; CM Heyworth y TM Dexter (1998). "¿Las células madre juegan a los dados?". Blood . 92 (2): 348–51, discusión 352. doi :10.1182/blood.V92.2.348. PMID  9657728.
23. Balázsi, Gábor; van Oudenaarden, Alexander; Collins, James J (2011). "Toma de decisiones celulares y ruido biológico: de los microbios a los mamíferos". Cell . 144 (6): 910–925. doi :10.1016/j.cell.2011.01.030. PMC 3068611 . PMID  21414483. 
24. 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). "Consecuencias fenotípicas del ruido transcripcional mediado por promotores". Célula molecular . 24 (6): 853–865. doi : 10.1016/j.molcel.2006.11.003 . PMID  17189188.
25. Farquhar, Kevin F; Charlebois, Daniel A; Szenk, Mariola; Cohen, Joseph; Nevozhay, Dmitry; Balázsi, Gábor (2019). "El papel de la estocasticidad mediada por redes en la resistencia a fármacos en mamíferos". Nature Communications . 10 (1): 2766. doi : 10.1038/s41467-019-10330-w . PMC 6591227 . PMID  31235692. 
26. Spencer, SL; Gaudet, S.; Albeck, JG; Burke, JM; Sorger, PK (2009). "Orígenes no genéticos de la variabilidad entre células en la apoptosis inducida por TRAIL". Nature . 459 (7245): 428–432. Bibcode :2009Natur.459..428S. doi :10.1038/nature08012. PMC 2858974 . PMID  19363473. 
27. Liao D, Estévez-Salmerón L, Tlsty TD (2012). "Conceptualización de una herramienta para optimizar la terapia basada en heterogeneidad dinámica". Phys. Biol . 9 (6): 065005. Bibcode :2012PhBio...9f5005L. doi :10.1088/1478-3975/9/6/065005. PMC 3618714 . PMID  23197078. 
28. Batada NN, Hurst LD (2007). "Evolución de la organización cromosómica impulsada por la selección para reducir el ruido de expresión génica". Nature Genetics . 39 (8): 945–9. doi :10.1038/ng2071. PMID  17660811. S2CID  19546863.
29. Perkins, TJ y Swain, PS (2009). "Estrategias para la toma de decisiones celular". Mol. Syst. Biol . 5 (236): 326. doi :10.1038/msb.2009.83. PMC 2795477. PMID  19920811 . 
30. Peccoud, J. y Ycart, B. (1995). "Modelado markoviano de la síntesis de productos genéticos". Biología de poblaciones teórica . 48 (2): 222–234. doi :10.1006/tpbi.1995.1027.
31. Paulsson, J. (2005). "Modelos de expresión génica estocástica". Phys. Life Rev . 2 (2): 157–175. Bibcode :2005PhLRv...2..157P. doi :10.1016/j.plrev.2005.03.003.
32. Wilkinson, DJ (2009). "Modelado estocástico para la descripción cuantitativa de sistemas biológicos heterogéneos". Nat. Rev. Genet . 10 (2): 122–133. doi :10.1038/nrg2509. PMID  19139763. S2CID  14731499.
33. Sunnåker, Mikael; Busetto, Alberto Giovanni; Numminen, Elina; Corander, Jukka; Foll, Matthieu; Dessimoz, Christophe (2013). "Computación bayesiana aproximada". PLOS Computational Biology . 9 (1): e1002803. Bibcode :2013PLSCB...9E2803S. doi : 10.1371/journal.pcbi.1002803 . PMC 3547661 . PMID  23341757.