1 Tietokoneavusteinen ongelmanratkaisu biologiselle datalle ATK-harjoitus MEO EKROOS, 15.2.2017 KURSSIASSISTENTTI ELEC-A8720 - BIOLOGISTEN ILMIÖIDEN MITTAAMINEN
COPASI 2 Complex Pathway Simulator (COPASI) 1) Luodaan malli Lotka-Volterra 2) Lisätään valmiiseen MAPK-malliin negatiivinen takaisinkytkentä Hae MyCoursesista tiedosto mapk_wfb.cps Projektiraportti 2-kohdasta. Ohjeet kalvojen lopussa. Deadline 17.3.2017 klo 23:55
Lotka-Volterra 3 Krillipopulaatio x(t), valaspopulaatio y(t) Krilli (X) lisääntyy: X 2X (A) Valaat (Y) syövät krilliä: X + Y Y (B) Valaat (Y) kuolevat: Y ø (C) Valaat lisääntyvät: X + Y X + 2Y (D)
Lotka-Volterra 4 Model Time units: hours Volume unit: m 3 Quantity unit: # (kpl) Biochemical Compartments 1: ocean Biochemical Species krill, whale Initial concentrations whale: 20, krill: 20 Biochemical Global quantities: rate constants of the reactions A initial value: 1 B initial value: 0.01 C initial value: 1 D initial value: 0.02 Kun olet tehnyt muutokset, paina alareunasta Commit!
Lotka-Volterra 5 Biochemical Reactions krill multiplies krill -> 2 * krill (välilyönnit erottavat muuttujat ja operaattorit toisistaan!) Rate law = mass action reversible Parametri k1 global ja value A Toista sama muille reaktioille. Ø:n voi ilmaista jättämällä kohdan tyhjäksi. Differentiaaliyhtälöt COPASI tekee automaattisesti, ja ne ovat nähtävissä Model Mathematical Differential equations
Lotka-Volterra 6 Tasks Time Course Duration: 20 h Interval size: 0.01 Haluamansa kuvaajat saa luotua napista Output Assistant esim. Particle numbers, Volumes, and Global Quantity Values Run
Lotka-Volterra Phase Plot 7 Output specifications Plots New Plot title: Phase plot New curve: X-axis: species transient particle numbers krill Y-axis: species transient particle numbers whale Click Commit Tasks Time Course Run
Lotka-Volterra Phase Plot 8 Kokeile erilaisia parametrien arvoja ja observoi mallin käyttäytymistä 1) Nosta valaiden kuolinnopeutta (Globaali muuttuja C) 1 10 2) Nosta krillin lisääntymisnopeutta (Globaali muuttuja A) 1 10 Mitä havaitsit? Muuta lopuksi arvot takaisin.
Lotka-Volterra Parameter Scan 9 Parameter Scannilla on kätevä kokeilla, miten systeemi käyttäytyy milläkin arvoilla Tasks Parameter Scan Create Species Initial particle numbers krill(t=0) Intervals: 7 Min: 10, Max: 60 Run
Lotka-Volterra Parameter Estimation 10 Task Parameter Estimation Lataa MyCoursesista Lotka_Volterra_Data.txt ja lisää se COPASI:ssa Experiment type: Time Course Yhdistä datan sarakkeet mallin muuttujiin
Lotka-Volterra Parameter Estimation Task Parameter Estimation Estimoi: whale initial particle number (init. value 2) krill initial particle number (init value 40) Huom! Alaraja 1e-09, ei 0! Laita raksi [x] boksiin Update model 11
Lotka-Volterra Parameter Estimation 12 Parameter Estimation Output Assistant Plots of Parameter Estimation Results per Experiment Voit myös tallentaa kuvat ja datan tai exportata mallisi yleiseen SBML muotoon.
MAPK -signalointi Miksi 3 fosforylaatiota? Signaali vahvistuu jokaisen fosforylaation seurauksena. Päästään suurempaan pitoisuuteen (ultrasensitiivisyys) Systeemi reagoi vähemmän herkästi herätteisiin eli suodattaa kohinaa 13 Vaikuttaako herätteen voimakkuus signaalin voimakkuuteen? Mekanismi on päälle/pois tyyppinen. Nähdään jos varioidaan mallin V1-parametria Toimiva ratkaisu tälle signalointisysteemille, sillä kyseisellä mekanismilla tärkeä rooli esim. erilaistumisessa ja apoptoosissa, jolloin on tärkeää että solu voi vaihtaa toimintatapaansa diskreetillä hyppäyksellä yhdestä toiseksi.
MAPK -signalointiväylä 14 Negatiivinen takaisinkytkentä? Oskillaatiokäyttäytyminen MKKK RAS/MKKKK 1 2 3 MKKK-P MKK MKK-P MKK-PP 6 4 5 7 MAPK MAPK-P MAPK-PP 10 8 9 - MAPK-PP-konsentraatio kasvaa - MAPK-PP inhiboi 1. reaktion, jolloin RAS ei voi katalysoida sitä - Fosforyloidut proteiinit muuttuvat nopeasti takaisin fosforyloitumattomiksi. Oskillaatioita - Kholodenko, 2000: Erilainen aktivaatio johtaa erilaiseen käyttäytymiseen solulla. Lyhytkestoinen ERK-aktivaatio saa PC12- solute lisääntymään voimakkaasti. Jatkuva ERK-aktivaatio saa solut erilaistumaan. Oskillaatiot voivat myös vaikuttaa muihin signalointiväyliin.
15
Projekti Raportit MyCoursesiin, deadline 17.3. klo 23:55 Kuvaile raportissa, mitä COPASI:lla tehtiin ja miksi, ja liitä mukaan COPASI:sta saadut kuvaajat. Vastaa mahdollisiin kysymyksiin. 16 1. Lisätään malliin negatiivinen takaisinkytkentä. Hae MyCoursesista tiedosto mapk_wfb.cps ja avaa se COPASI:lla. Simuloi mallilla 900 s ajanjakso. Käytä intervalliväliä 1 (interval size). Piirrä kuvaajat MAPkinaasien aktiivisten (fosforyloitujen) muotojen - MAPK-PP, MAPKK-PP ja MAPKKK-P - konsentraatioista ajan suhteen. Muuta MAPKKK:n aktivaation (v1) reaktiokinetiikka sellaiseksi, joka huomioi inhibiittorin: Lisää uusi funktio tiedoilla: Function name: HMM with inhibition Formula: V1*MAPKKK / ( (1 + MAPK_PP/Ki) * (K1+MAPKKK) ) Function type: irreversible Parameters: change description for MAPKKK to substrate, change description for MAPK_PP to modifier
Projekti 17 1. Jatkuu Korvaa MAPKKK:n aktivaation (v1) reaktiokinetiikka (rate law) luomallasi uudella funktiolla: HMM with inhibiton. Muuta seuraavien parametrien arvot: V1 = 2.5, Ki = 9 ja K1 = 10. V1 ja K1 tulee olla määriteltynä globaaleina arvoina (global quantities) ja linkitettyinä globaaleihin muuttujiin V1 ja K1. Määrittele myös modifier MAPK_PP vastaamaan reaktanttien listasta löytyvää MAPK-PP:tä. (löytyy drop-down menusta) Tallenna nyt malli nimellä MAPK_ngfb.cps. Simuloi taas 900 s ajanjakso intervallivälillä 1. Piirrä samanlainen kuvaaja kuin ensimmäisellä kerralla. Esitä kuvaajat raportissa ja kommentoi niiden eroja. Mistä erot johtuvat?
Projekti 18 2. Suoritetaan nyt parametriskannaus (parameter scan) Ki:lle. Simuloidaan Ki:n arvoa alueella 1 < Ki < 51. Aloitetaan intervallista 1 51. (Create Reactions Reaction Parameters v1. MAPKKK activation Ki) Koska Ki:llä merkitään reaktion inhibitoimiseen vaadittua inhibiittorikonsentraatiota, arvon vaihtelu simuloi takaisinkytkennän voimakkuutta. Task Time Course Paina Run, jos edelliset kuvaajat ovat vielä auki. Muutoin luo kuvaajat uudestaan (Output Assistant) ja paina sitten Run. Liitä raporttiin intervallin kuvaaja, jossa näkyvillä taas MAPK-PP:n, MAPKK-PP:n ja MAPKKK-P:n konsentraatiot ajan suhteen. Mitä kuvaajasta näkee? Vertaa aiempiin kuvaajiin.
Projekti 19 3. Etsitään sellainen Ki:n kynnysarvo, jolla se menettää oskillaatiokäyttäytymisen. Tee taas parameter scan. Kokeile nyt kuitenkin pienempiä intervalleja, esimerkiksi 10 51, 20 51, 30 51 jne. Päättele kynnysarvo intervallikokeilujen avulla ja esitä raportissa. Mitä hyötyä tämäntyyppisistä arvioista voi olla? Lisää raporttiin myös 2 kuvaajaa intervalleista: - kuvaaja, jossa on ainoastaan oskillaatiokäyttäytymistä - kuvaaja, jossa ei ole enää lainkaan oskillaatioita Kerro myös, mitä intervalleja käytit.
Lähteet 20 Computer-based problem solving in biotechnology, Elena Czeizler, 2016. Luentokalvot ja projektikuvaus. Aalto Yliopisto. The Complex Pathway Simulator: http://copasi.org Kholodenko, 2000, Negative feedback and ultrasensitivity can bring about oscillations in the mitogen-activated protein kinase cascades, Eur. J. Biochem.