Complexity
in Biology
and Medicine
Physics and the City
Bologna 15-17 dicembre 2005
Claudio Franceschi
CIG, Centro
Interdipartimentale
“L. Galvani”
University of Bologna
ITALY
1° punto
il corpo come entità “storica”
risultato dell’evoluzione
ed il nuovo paradigma
della medicina evolutiva
Il corpo come entità
storico/evolutiva
nel DNA c’è scritta non solo l’informazione genetica ma
anche tutta la storia evolutiva della nostra specie
solo una piccola percentuale del DNA codifica per proteine
(“coding regions”)
il resto è costituito da geni troncati, pseudogeni, introni,
sequenze ripetute, trasposoni, microsatelliti,
sequenze che codificano per piccoli RNA…
Il corpo come entità
storico/evolutiva
nel DNA c’è scritta non solo l’informazione genetica ma
anche tutta la storia evolutiva della nostra specie
solo una piccola percentuale del DNA codifica per proteine
(“coding regions”)
il resto è costituito da geni troncati, pseudogeni, introni,
sequenze ripetute, trasposoni, microsatelliti,
sequenze che codificano per piccoli RNA…
La storia evolutiva della vita sulla terra è una storia di
contaminazioni genetiche “orizzontali”
meglio rappresentata da un albero reticolato o da una rete
La medicina evolutiva
il nostro corpo è il risultato di un processo
di adattamento, durato molti milioni di
anni, ad un ambiente che è stato
drasticamente modificato negli ultimi,
pochi, millenni e soprattutto negli ultimi
secoli.
Il risultato è che siamo dei
“disadattati evolutivi”
In alcune parti del mondo
(paesi ricchi, sviluppati)
abbiamo “ottimizzato” l’ambiente
(nutrizione, igiene, medicina, condizioni di
lavoro)
The highest national life expectancy
observed for female, 1580 - present
L’aspettativa di vita si è più che
raddoppiata negli ultimi due secoli
Max Plank Institute for Demography, Rostock, Germany, Annual Report 2001
il nuovo paradigma della
medicina evolutiva
Le più importanti patologie sono in larga misura
la conseguenza del fatto che il nostro corpo è
governato da geni e varianti genetiche
(polimorfismi) in larga misura “ancestrali” che si
sono selezionate per adattarsi ad un ambiente
caratterizzato da:
- Carestie (oggi opulenza e facile accesso al
cibo)
- Infezioni (oggi ambiente “igienizzato”)
- Grande dispendio di energie fisiche (oggi
sedentarietà)
2° punto
il corpo come sistema complesso
ed i nuovi paradigmi
della
Biologia Sistemica (Systems Biology)
e della
Biologia delle Reti (Network Biology)
THE PHYSIOME PROJECT
Multiscale integration
Hunter & Borg, Integration from proteins to
organs: the Physiome Project, Nat. Rev.
Mol. Cell. Biol. 2003
L’organizzazione a livelli multipli di scale
spaziali (da 1 nm per le proteine a 1 m per l’intero corpo)
e temporali (da 10-6 a livello molecolare a 109 s per l’intero corpo)
richiede una gerarchia di modelli
Oltvai & Barabasi, Life’s complexity pyramid, Science 2002
SYSTEM BIOLOGY
• Per capire la Biologia a livello sistemico
dobbiamo esaminare la struttura e la
dinamica delle funzioni cellulari e dell’intero
organismo, piuttosto che le caratteristiche
delle parti isolate di una cellula o di un
organismo
• Proprietà dei sistemi quali la robustezza
emergono come argomento centrale, ed il
capire queste proprietà può avere un forte
impatto sulla medicina
Kitano H, Systems Biology, a brief overview, Science 2002
SYSTEM BIOLOGY
Sebbene la Biologia Sistemica sia ancora agli
inizi, i suoi benefici potenziali sono immensi, sia in
termini scientifici che pratici…
La Biologia si sta muovendo dal livello molecolare
al livello sistemico, e questa transizione sta
rivoluzionando la nostra comprensione dei
complessi sistemi regolatori biologici e sta
fornendo eccezionali opportunità per l’applicazione
pratica di queste conoscenze…..
Kitano H, Systems Biology, a brief overview, Science 2002
SYSTEM BIOLOGY
• Forse la conseguenza più importante dello HUMAN
GENOME PROJECT è stata quella di spingere gli
scienziati verso una nuova concezione della Biologia,
ovvero verso l’approccio sistemico
• La Biologia Sistemica non studia i geni e le proteine
individualmente ed un alla volta, come è stato fatto, del
resto con straordinario successo, negli ultimi 30 anni.
Piuttosto si interessa di come si comportano e di
quali relazioni hanno tra loro gli elementi che
costituiscono un sistema biologico, mentre stanno
funzionando
Ideker T, Galitdki T, Hood L,
A new approach to decoding life: Systems Biology, Annu. Rev. Genomics Hum. Genet. 2001
Sistema
endocrino
CORPO/MENTE
Sistema
nervoso
Sistema immunitario
Comunicazioni tra sistema nervoso e sistema immunitario nello stress
Webster JI et al, Ann. Rev. Immun., 2002
Uno degli obiettivi fondamentali della ricerca biomedica nell’era
post-genomica è quello di fare un catalogo sistematico delle
molecole e delle loro interazioniper capire come esse determinino
quelle “macchine” enormemente complesse che sono
le cellule. La Biologia delle reti suggerisce la presenza di leggi
universali ed offre una nuova impalcatura concettuale che sta
rivoluzionando la biologia e la medicina
Nature Rev Genet, 5, 101-113, 2004
Barabasi and Oltvai, Nat Rev Genet, 2004
Mappa delle interazioni proteina-proteina nel lievito (S. cerevisiae)
Network di interazione proteica nel verme C. elegans
Corteccia visiva di macaco
(rappresentata come un circuito elettronico)
Un sistema di elementi interagenti
può essere rappresentato da un
oggetto matematico chiamato
“grafo” con nodi o vertici, e con
connessioni (edges) così da
costituire una rete (network)
- un nodo è caratterizzato dalla sua
connettività o “grado” K
che indica quante connessioni (links)
esso ha con altri nodi
- La distribuzione della connettività P(k)
indica la probabilità che un determinato
nodo abbia esattamente K connessioni
(si ottiene contando il numero di nodi N(k) con K= 1,2…
e dividendo per il numero totale dei nodi)
Le reti biologiche sono scale-free
Network topology: different system structure, different behaviour
Barabasi & Oltvai, Nat. Rev. Genet. 2004
Le complesse reti biologiche
(metaboliche, di interazione tra geni e
tra proteine) sono scale-free (invarianza
di scala) caratterizzate da:
- Grande Eterogeneità
(seguono una legge di potenza)
- Robustezza e Ridondanza (tolleranti ad
errori e a inattivazioni di nodi)
- Rarità degli hubs (nodi altamente
connessi)
Le reti scale-free sono
- gerarchiche
- modulari
(combinazione iterativa di clusters)
• Le reti scale-free sono caratterizzate da
una distribuzione della connettività
P(K) ~ K-g
che segue (approssima) una legge di
potenza (power law)
Confronto tra la distribuzione della connettività in reti scale-free (O)
e in grafi random ( □) aventi lo stesso numero di nodi e di connessioni
Le reti “scale-free” tendono
all’accrescimento ed al rinforzo della
connettività
nel corso dell’evoluzione
secondo la regola che
“i ricchi diventano più ricchi”
i nuovi nodi preferiscono attaccarsi a nodi
che sono già altamente connessi
complessizzazione evolutiva
ORIGINE
DEGLI
HUBS
NELLE
RETI
BIOLOGICHE
Attaccamento
preferenziale
Duplicazione
genica
i geni e le relative proteine
non funzionano da soli
ma sono inseriti in netwoks
dal punto di vista della funzione
i geni possono essere assegnati a
categorie multiple
e tale assegnazione può
essere “pesata”
i geni e le relative proteine
non funzionano da soli
ma sono inseriti in netwoks
le mappe rappresentano
network di interazioni possibili
ed in vivo non tutte le connessioni
sono presenti ed attive
allo stesso tempo o in ogni tipo cellulare
i geni e le relative proteine
non funzionano da soli
ma sono inseriti in netwoks
i geni hanno
patterns di espressione dinamici
nel tempo e nello spazio
i geni e le relative proteine
non funzionano da soli
ma sono inseriti in netwoks
Visione probabilistica della funzione del gene
(Fraser and Marcotte, Nature Genetics, 36, 559-564, 2004)
integrated
approach
subjective
manual
curation
probabilistic
description
of gene
function
the data
directly
reveal
the
hierarchy
Reti di interazioni fisiche tra geni del lievito (S. cerevisiae)
10.435 interazioni
(4 dataset combinati)
7.238 interazioni
(3 dataset combinati)
3.344 interazioni
(2 dataset combinati)
Biologia Sistemica e Matematica
La complessità dei sistemi biologici e la
enorme quantità di informazioni oggi
disponibili a livello di geni, proteine, cellule
e organi richiede lo sviluppo di modelli
matematici che possano definire le
relazioni tra struttura e funzione a tutti i
livelli di organizzazione dei sistemi biologici
modello
troppo
semplice
modello
troppo
complesso
Rapporto tra efficacia/complessità nei modelli bottom-up
Topo
Topo mutante
Porcospino
Roditori
Mammiferi
Uomo
Balena
Lunghezza massima di vita (anni)
How to study
human longevity ?
1. Centenarians
vs young/old subjects
2. Very old sibpairs
3. Twins
4. Families enriched in very old
components
5. Longitudinal studies on cohorts
of different age
the model of centenarians
selection
+
remodelling
Centenarians represent
an extreme phenotype: 1:8-10,000
centenarians are likely
not simply the more robust
but
those people who adapted
and
remodelled
better and quicker
(more hormetic ?)
GEHA
GEnetics of Healthy Aging
Integrated Project of EU 6thFP
7.2 M €, 25 Units
(coordinator C. Franceschi)
Recruitment and Genome Scanning
(nuclear and mitochondrial genomes)
of 2800 90+ sibpairs collected in 12 countries
Starting date: May 1st 2004
Longevity genes in humans (association studies)
INFLAMMATION-Immune response
STRESS RESPONSE
In red and bold genepositive associations
with longevity
IL-1b CD95
IL-1a IL-1RA
Defensins
IL10 TGFb1 HFE TH
IFNg IGF1-R HRAS1
SIRT3
SOD1
TNFa IL6
SOD2
TLR4
FAS
HSP70
REN
PON1 APOE
Fibrinogen
INS
TPO Factor VII
Factor V APOB
PAI-1 APOA1
PPARg
APOC3
APOA4
RISK FACTORS FOR
CARDIOVASCULAR DISEASES,
DEMENTIA AND DIABETES
p53
PARP
WAF-1
Y CHROM
CANCER, DNA REPAIR, CELLULAR
PROLIFERATION, APOPTOSIS
Polymorphisms of genes involved in stress
response and inflammation have a genderspecific association with longevity
IFN-g
HSP70
IL-6 PPRAgamma
IL-10
Tyrosine Hydroxylase
mtDNA SIRT3
APOA1
le reti
(vie metaboliche, vie di
segnalazione intracellulari)
più antiche
sono
le più
altamente connesse
From
a
In una prospettiva
da Systems
Biology
I geni
positivamente associati con la
longevità
potrebbero essere geni
- functionalmente importanti
- gerarchicamente elevati
altamente connessi (“hubs”)
Le malattie comuni
sono dovute a
varianti geniche
comuni
(evolutivamente
ancestrali)
La longevità
potrebbe essere
associata a
varianti geniche
comuni
più recenti
(adattative
per nuove
situazioni
ambientali)
From
a
In una prospettiva
da Systems
Biology
Si può anche ipotizzare
che l’invecchiamento
sia dovuto
a marcati rimodellamenti delle reti
e/o a inattivazione di
geni/proteine altamenti connessi/e
Studi che utilizzano
le nanotecnologie dei
microarrays o microchips
che consentono di misurare
l’espressione (RNA)
di decine di migliaia di geni
alla volta da cellule o tessuti
La seconda parte del disegno sperimentale...
Reclutamento 25 soggetti appartenenti a 5 classi d’età:
n. 5 soggetti per gruppo
25-35 anni
40-50 anni
55-65 anni
70-80 anni
>90 anni
…viene valutato l’effetto dell’età sull’espressione genica analizzando l’RNA
totale estratto da linfociti T di soggetti di differenti classi di età su una
piattaforma 19K (circa 19.000 geni) in collaborazione con Unilever, UK
Un disegno sperimentale con una “time series” ci permette di
formulare un maggiore numero di ipotesi e l’utilizzo di un
maggior numero di metodi di analisi
Prima analisi: individuare i geni che cambiano
espressione durante il corso della vita (della serie) ma con
poca variabilità all'interno dello stesso gruppo di età
Analisi: 2-way ANOVA significativa nel tempo (P<0.05) e
non significativa per ogni age group (P>0.95)
Risultati: 61 geni su circa 15.000 risultano significativi a
questa analisi
PROFILI DI ESPRESSIONE
GENICA (19.000 geni)
200
150
IN LINFOCITI T
100
DA DONATORI
DI DIFFERENTE ETA’
50
(20-93 anni)
-0.5
0
0.5
1
che nell’insieme
costituiscono
400
una sorta di
300
serie temporale
200
Istogrammi dei
100
coefficienti di correlazione
-0.5
0
0.5
1
le persone che invecchiano sono
esposte ad un
carico immunologico
(infezioni croniche batteriche, virali)
per un periodo di diverse decadi
non previsto dall’evoluzione
ripetuti episodi di stress acuto o cronico
fisico e psicologico
Citochine
Ormoni
Inflammazione cronica
(Inflamm-ageing)
ripetuti episodi di stress acuto o cronico
antigenico
Franceschi et al., Inflamm-aging: an evolutionary perspective on
Immunosenescence
Ann. N. Y. Acad. Sci. 908, 879-96, 2000
Condizioni patologiche che hanno
una patogenesi
(o una forte componente)
Infiammatoria
•
•
•
•
•
1. aterosclerosi e m. cardio- e cerebro-vascolari
2. sindr. metabolica, obesità, diabete di tipo 2
3. osteoporosi ed osteoartrite
4. neurodegenerazione (demenza di Alzheimer)
5. tumori
The immune system as a complex system
A network of cells communicating through chemical signaling
(cytokines, chemokines, among others)
Immune system integrated intercellular signalling network
TGF-b, RANK Ligand, MF derived Chemokine
Other 7 mediators
eB,D=10
eB,B=17
ACTH
CXCR3
Endorphins
Other 14 mediators
Dendritic cell
B lymphocyte
eD,B=17
eB,M=3
eB,G=3
IL-10
MIP-1a, b
TNF-a
IL-6
IL-10
TNF-a
TGF-b
IL-8/CXCL-8
CD30L
eG,B=3
TNF-a, TGF-b, Substance P
Other 14 mediators
IL-7
IL-10
TNF-a
eD,D=11
CD100/Sema4D
CD-27 Ligand
IL-11
Other 8 mediators
eD,M=5
IL-10
IL-15
IL-16
MIP-1a, b
TNF-a
eD,G=3
GM-CSF
MIP-1a, b
TGF -b
IL-12
IL-16
TGF-b
eG,D=1
IL-12
IL-13
IL-15
Other 6 mediators
eM,D=5
eM,B=9
Granulocyte
eM,M=6
Mast cell
eM,G=1
Eotaxin/CCL11
IL-15
MIP-1a, b
Other 3 mediators
TNF-a
Tieri, Valensin, Latora, Castellani, Marchiori, Remondini, Franceschi, Quantifying the relevance of
different mediators in the human immune cell network, submitted to Bioinformatics, 2004
Network relevance r of the mediators of the immune cell network
Tieri, Valensin, Latora, Castellani, Marchiori, Remondini, Franceschi,
Quantifying the relevance of different mediators in the human immune cell
network, submitted to Bioinformatics, 2004
Mathematical modeling of the
Immune System
Results indicate that mediators involved in the
inflammatory process and innate immunity
have the most central role in the immune network,
mirroring the fact that many of the major age-related
diseases have an inflammatory pathogenesis
they also suggest that it should be possible to identify
candidate longevity genes with an in silico systems
biology approach
Rappresentazione schematica
dell’architettura genetica del comportamento
La figura illustra la
complessa architettura genetica
di insiemi modulari,
parzialmente sovrapposti,
di geni
che danno origine a
fenotipi comportamentali
sotto l’influenza di fattori di
sviluppo, ambientali e del sesso
fornendo una piattaforma
comportamentale
sulla quale si esercita
la forza della selezione
per far emergere
cambiamenti evolutivi
Anholt RRH, BioEssays 26, 1299-1306, 2004
Rappresentazione schematica di moduli genetici che
possono dare origine a fenotipi comportamentali
I punti verdi e rossi rappresentano trascritti che
formano parte di moduli sovrapposti che danno
origine a fenotipi compositi.
Le frecce indicano effetti epistatici esercitati da questi
geni attraverso le reti alle quali appartengono.
Anholt RRH, BioEssays 26, 1299-1306, 2004
Kitano H, Systems Biology, a brief overview, Science 2002
i geni e le relative proteine
non funzionano da soli
ma sono inseriti in netwoks
- Qual è allora il bersaglio dell’evoluzione?
- Su che cosa si esercita a selezione naturale?
i geni e le relative proteine
non funzionano da soli
ma sono inseriti in netwoks
in che misura
la selezione naturale
modella
la topologia delle reti
a livello cellulare ?
i geni e le relative proteine
non funzionano da soli
ma sono inseriti in netwoks
quali sono i processi dinamici
che modellano la topologia delle reti
su una scala temporale evolutiva ?
Kell DB,
Metabolomics and
System Biology:
making sense of the soup
Curr. Opin. Microbiol.
2004, 7, 296-307
La modalità ipotetico-deduttiva usa le conoscenze per costruire un’ipotesi
che a sua volta è messa alla prova sperimentalmente così da generare
nuove osservazioni. Queste modalità di ragionamento induttive e abduttive
usate entrambe nell’avanzamento della conoscenza scientifica
si basano fondamentalmente sulla generalizzazione delle regole
(o idee o ipotesi) a partire da alcuni esempi
e l’ipotesi è la fine e non l’inizio del ragionamento.
Poiché la dimensionalità dei dati è oggi così elevata, si
rendono necessari metodi computazionali altrettanto “intensi” per estrarre
dai dati sperimentali una (o più !!!) ipotesi o idee
the Red Queen hypothesis
…”Here, you see, it takes all the running you
can do, to keep in the same place”…
…”come vedi, bisogna correre il più forte
possibile per rimanere nello stesso posto”
L. Carroll Alice Through the Looking Glass
grazie per
l’attenzione