Complexityin Biology

and Medicine

Physics and the CityBologna 15-17 dicembre 2005

Claudio Franceschi

CIG, CentroInterdipartimentale

“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

Max Plank Institute for Demography, Rostock, Germany, Annual Report 2001

L’aspettativa di vita si è più che raddoppiata negli ultimi due secoli

il nuovo paradigma dellamedicina 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 dellaBiologia delle Reti (Network Biology)

Hunter & Borg, Integration from proteins to organs: the Physiome Project, Nat. Rev.

Mol. Cell. Biol. 2003

THE PHYSIOME PROJECTTHE PHYSIOME PROJECT

Multiscale integrationMultiscale integration

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 nervoso

Sistema endocrino

Sistema immunitarioCORPO/MENTE

Webster JI et al, Ann. Rev. Immun., 2002

Comunicazioni tra sistema nervoso e sistema immunitario nello stress

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 leggiuniversali ed offre una nuova impalcatura concettuale che sta

rivoluzionando la biologia e la medicinaNature Rev Genet, 5, 101-113, 2004

Mappa delle interazioni proteina-proteina nel lievito (S. cerevisiae)

Barabasi and Oltvai, Nat Rev Genet, 2004

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)

Network topology: different system structure, different behaviourNetwork topology: different system structure, different behaviour

Barabasi & Oltvai, Nat. Rev. Genet. 2004

Le reti biologiche sono scale-free

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-

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

connettivitànel 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

Attaccamento preferenziale

Duplicazione genica

ORIGINE DEGLI HUBS

NELLE RETI

BIOLOGICHE

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 proteinenon 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 proteinenon 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 proteinenon funzionano da soli

ma sono inseriti in netwoks

Visione probabilistica della funzione del gene

(Fraser and Marcotte, Nature Genetics, 36, 559-564, 2004)

i geni e le relative proteinenon funzionano da soli

ma sono inseriti in netwoks

probabilisticdescription

of gene function

integrated approach

the data directly reveal

the hierarchy

subjectivemanual curation

Reti di interazioni fisiche tra geni del lievito (S. cerevisiae)

3.344 interazioni(2 dataset combinati)

7.238 interazioni(3 dataset combinati)

10.435 interazioni(4 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

modellotroppo

semplice

modellotroppo

complesso

Rapporto tra efficacia/complessità nei modelli bottom-up

Topo

Topo mutante

Porcospino

Uomo

Balena

Roditori

Mammiferi

Lunghezza massima di vita (anni)

How to study human longevity ?

1. Centenarians vs young/old subjects

2. Very old sibpairs3. Twins

4. Families enriched in very old components

5. Longitudinal studies on cohorts of different age

centenarians are likely not simply the more robust

but those people who adapted

and remodelled

better and quicker(more hormetic ?)

remodelling selection +

the model of centenarians

Centenarians represent an extreme phenotype: 1:8-10,000

GEHAGEnetics 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 countriesStarting date: May 1st 2004

STRESS RESPONSE

HFE TH IFN IGF1-R HRAS1

FibrinogenFactor VIIFactor V

PAI-1

RISK FACTORS FOR CARDIOVASCULAR DISEASES,DEMENTIA AND DIABETES

APOBAPOA1APOC3APOA4

HSP70 p53PARP

WAF-1Y CHROM

CANCER, DNA REPAIR, CELLULAR PROLIFERATION, APOPTOSIS

TNF IL6TLR4

IL-1CD95IL-1 IL-1RADefensins

INFLAMMATION-Immune response

RENINSTPO

SOD1SOD2

Longevity genes in humans (association studies)

IL10 TGF

SIRT3

with longevity

In red and bold gene-positive associations

FAS

PON1 APOE

PPAR

Polymorphisms of genes involved in stress response and inflammation have a gender-

specific association with longevity

IFN- HSP70

IL-6 PPRAgamma IL-10Tyrosine HydroxylasemtDNA SIRT3 APOA1

le reti (vie metaboliche, vie di

segnalazione intracellulari)più antiche

sono le più

altamente connesse

From a

I geni positivamente associati con la

longevità potrebbero essere geni

- functionalmente importanti- gerarchicamente elevati

altamente connessi (“hubs”)

In una prospettiva da Systems Biology

Le malattie comunisono dovute a

varianti genichecomuni

(evolutivamenteancestrali)

La longevità potrebbe essere

associata avarianti geniche

comunipiù recenti(adattativeper nuove situazioniambientali)

From a

Si può anche ipotizzare

che l’invecchiamento

sia dovuto

a marcati rimodellamenti delle reti

e/o a inattivazione di

geni/proteine altamenti connessi/e

In una prospettiva da Systems Biology

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

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

La seconda parte del disegno sperimentale...

Reclutamento 25 soggetti appartenenti a 5 classi d’età:

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

-0.5 0 0.5 1

50

100

150

200

-0.5 0 0.5 1

100

200

300

400

PROFILI DI ESPRESSIONE GENICA (19.000 geni)

IN LINFOCITI T

DA DONATORI

DI DIFFERENTE ETA’

(20-93 anni)

che nell’insieme

costituiscono

una sorta di

serie temporale

Istogrammi dei

coefficienti di correlazione

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 Inflammazione cronicaOrmoni (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)

Granulocyte

B lymphocyte Dendritic cell

Mast cell

eB,B=17ACTH

CXCR3Endorphins

Other 14 mediators

TGF-RANK Ligand, Mderived ChemokineOther 7 mediators

eB,D=10eD,D=11CD100/Sema4D

CD-27 LigandIL-11Other 8 mediators

eM,M=6Eotaxin/CCL11

IL-15MIP-1Other 3 mediators

eD,B=17TNF-TGF-Substance P

Other 14 mediatorseB,M=3 IL-10 MIP-1 TNF-

IL-12 IL-13 IL-15 Other 6 mediators

eM,B=9

GM-CSFMIP-1

TGFIL-12IL-16

eM,D=5

eD,M=5IL-10

IL-15IL-16MIP-1TNF-

eM,G=1TNF-

TGF-

eG,D=1

IL-7 IL-10 TNF- eD,G=3

TGF-IL-8/CXCL-8

CD30L

eG,B=3

eB,G=3IL-6

IL-10TNF-

Tieri, Valensin, Latora, Castellani, Marchiori, Remondini, Franceschi, Quantifying the relevance of different mediators in the human immune cell network, submitted to Bioinformatics, 2004

Immune system integrated intercellular signalling networkImmune system integrated intercellular signalling network

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 Network relevance r r of the mediators of the immune cell networkof the mediators of the immune cell network

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

La figura illustra la complessa architettura genetica

di insiemi modulari, parzialmente sovrapposti,

di geniche danno origine a

fenotipi comportamentali sotto l’influenza di fattori di

sviluppo, ambientali e del sessofornendo una piattaforma

comportamentale sulla quale si esercita

la forza della selezione per far emergere

cambiamenti evolutivi

Rappresentazione schematica dell’architettura genetica del comportamento

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 cheformano 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

- Qual è allora il bersaglio dell’evoluzione?

- Su che cosa si esercita a selezione naturale?

i geni e le relative proteinenon 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 proteinenon funzionano da soli

ma sono inseriti in netwoks

quali sono i processi dinamici

che modellano la topologia delle reti

su una scala temporale evolutiva ?

i geni e le relative proteinenon funzionano da soli

ma sono inseriti in netwoks

La modalità ipotetico-deduttiva usa le conoscenze per costruire un’ipotesiche 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 estrarredai dati sperimentali una (o più !!!) ipotesi o idee

Kell DB,Metabolomics and

System Biology:making sense of the soup

Curr. Opin. Microbiol.

2004, 7, 296-307

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 perl’attenzione