Información

¿Es posible inducir la activación de proteínas a través de ondas mecánicas específicas de frecuencia?

¿Es posible inducir la activación de proteínas a través de ondas mecánicas específicas de frecuencia?


We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

¿Sería posible inducir cambios de forma en proteínas específicas proporcionando frecuencias específicas de ondas mecánicas en un entorno controlado termostáticamente de modo que esas proteínas puedan activarse sin requerir una unión regular de ligandos?


Desde luego, esto debería ser posible y lo más probable es que ya exista en forma de receptores de tacto o dolor.

En el caso de los nocireceptores mecánicos, que detectan la presión u otros cambios mecánicos en el tejido para indicar dolor, es bastante probable que haya proteínas de canal distintas que pueden corresponder a deformaciones mecánicas / presión / etc., pero no pude encontrar ninguna específicamente conocida. proteína.

La mayoría de los receptores táctiles parecen estar basados ​​en estructuras más grandes formadas por neuronas, por lo que no estoy seguro de si tienen una proteína específica que detecta el movimiento mecánico, pero tampoco excluiría esa opción, especialmente porque no se sabe casi nada sobre los -receptores táctiles humanos / mamíferos.


Señalización intercelular de calcio dependiente de ATP y Gap Junction en células osteoblásticas

Muchas células coordinan sus actividades transmitiendo aumentos de calcio intracelular de una célula a otra. En células no excitables, actualmente existen dos modelos para la propagación de ondas de calcio intercelular, los cuales involucran la liberación de trifosfato de inositol (IP3) - depósitos de calcio intracelulares sensibles. En un modelo, IP3 atraviesa uniones gap e inicia la liberación de depósitos de calcio intracelular en las células vecinas. Alternativamente, las ondas de calcio pueden estar mediadas no por la comunicación gap junctional, sino más bien por la actividad autocrina del ATP secretado en P2 receptores purinérgicos. Estudiamos ondas de calcio inducidas mecánicamente en dos líneas celulares de osteosarcoma de rata que se diferencian en las proteínas de unión gap que expresan, en su capacidad para pasar tinte microinyectado de célula a célula y en su expresión de P2Y.2 (PAG2U) receptores purinérgicos. Las células ROS 17 / 2.8, que expresan la proteína de unión gap connexin43 (Cx43), están bien acopladas con colorante y carecen de P2U receptores, transmitían ondas de calcio lentas dependientes de la unión gap que no requerían la liberación de las reservas de calcio intracelular. Las células UMR 106-01 expresan predominantemente la proteína de unión gap conexina 45 (Cx45), están mal acopladas con colorante y expresan P2U receptores que propagaban ondas de calcio rápidas que requerían la liberación de las reservas de calcio intracelulares y la activación de P2U Receptores purinérgicos, pero no comunicación gap junctional. ROS / P2U los transfectantes y los transfectantes UMR / Cx43 expresaron ambos tipos de ondas de calcio. En las células del epitelio traqueal de hámster también se observaron ondas de calcio intercelulares dependientes de ATP e independientes de la unión entre huecos. Estos estudios demuestran que la activación de P2U Los receptores purinérgicos pueden propagar calcio intercelular y describen un mecanismo novedoso dependiente de Cx43 para la propagación de ondas de calcio que no requiere la liberación de depósitos de calcio intracelular por IP3. Estos estudios sugieren que la comunicación de uniones gap mediada por Cx43 o Cx45 no permite el paso de IP3 lo suficientemente bien como para provocar la liberación de las reservas de calcio intracelular en las células vecinas.

Los aumentos en la concentración de calcio intracelular que se diseminan de una célula a otra proporcionan un mecanismo para que las células coordinen muchas actividades, incluida la frecuencia de los latidos ciliares y la secreción de insulina. Estas ondas de calcio intercelulares se han estudiado en muchos tipos de células, incluidas las células ciliadas del tracto respiratorio (2, 14), neuronas (6), células gliales y líneas celulares (4, 5, 12, 26), células de músculo liso (28), células osteoblásticas (27), condrocitos (9), mastocitos (19), células de insulinoma (3), células PC12 (18), células del cristalino (8) y hepatocitos (24). En la mayoría de los casos, la propagación de ondas de calcio intercelulares inducidas por estimulación mecánica implica la liberación de depósitos de calcio intracelular por trisfosfato de inositol (IP3). 1 En el mecanismo más ampliamente caracterizado para estas ondas, la estimulación mecánica genera IP3, que se difunde a las células vecinas a través de los poros de la unión gap y luego desencadena la liberación de calcio de IP3-Almacenes de calcio intracelular sensibles (23). Por lo tanto, en el epitelio respiratorio del conejo, las ondas de calcio intercelular inducidas mecánicamente se pueden provocar en ausencia de calcio extracelular (22) y se pueden inhibir al agotar las reservas de calcio intracelular con tapsigargina (2), bloqueando la IP3 receptores con heparina (2), al inhibir la actividad de la fosfolipasa C con U73122 (15), o al bloquear la comunicación gap junctional con heptanol, y las ondas se pueden evocar mediante microinyección de IP3 (22). No está claro qué proteínas de unión gap están presentes en estas células, pero el mismo grupo ha demostrado que la transfección de conexina 43 (Cx43) en células de glioma C6 confiere a estas células la capacidad de propagar ondas de calcio intercelulares (5).

Los estudios anteriores demuestran que la propiedad intelectual3 Las reservas de calcio liberables son necesarias para la propagación de ondas de calcio intercelulares en algunos tipos de células, pero es menos claro que la difusión de IP3 a través de canales de unión gap está necesariamente involucrado. IP3 puede atravesar al menos algunos poros de unión gap (21), y IP microinyectado3 puede provocar ondas de calcio (22), pero estas observaciones no implican necesariamente que la cantidad de IP3 generada en las células estimuladas es lo suficientemente grande como para liberar reservas de calcio en las células vecinas después de atravesar uniones gap. Esta situación se complica aún más por la presencia de otro mecanismo de propagación para las ondas de calcio intercelulares que requiere la liberación de depósitos de calcio intercelulares, pero que no ocurre a través de la comunicación de unión gap. En este segundo mecanismo, las ondas de calcio parecen estar mediadas por la activación de receptores purinérgicos, presumiblemente por ATP secretado. Este mecanismo se definió por primera vez en mastocitos de rata y células leucémicas basófilas (19), y también se ha informado en hepatocitos (24) y en la línea celular de insulinoma RINm5f (RIN) (3). Los estudios en estas células sugieren que la estimulación mecánica da como resultado la activación de los receptores de ATP en las células vecinas. Receptores de la P2 años clase son la proteína G y los receptores acoplados que activan la fosfolipasa C, lo que resulta en la generación de IP3 y liberación de depósitos de calcio intracelulares (16). En particular el P2U (P2Y2), que es activado tanto por ATP como por UTP, ha sido implicado en estas ondas. Este receptor se encuentra en muchos tipos de células diferentes.

Recientemente hemos demostrado que las células RIN, que no están acopladas por uniones gap, propagan ondas de calcio intercelulares, muy probablemente mediante la activación de receptores purinérgicos (3). Las células RIN son & # x0201cexcitables, & # x0201d y expresan canales de calcio dependientes de voltaje de tipo L. Por lo tanto, cuando expresamos la proteína de unión gap Cx43 en estas células, pudimos identificar un segundo tipo de onda de calcio intercelular en los transfectantes RIN / Cx43, que requirió acoplamiento iónico, despolarización de la membrana y activación de canales de calcio dependientes de voltaje, y también lo hizo. no requieren la liberación de depósitos de calcio intracelulares. No es probable que este mecanismo dependa de la generación de IP3 y es distinto del mecanismo propuesto anteriormente para las células epiteliales respiratorias, puede ser una vía de señalización importante en muchas células excitables y se ha informado en neuronas (6).

En los estudios actuales, investigamos la propagación de ondas de calcio intercelulares en dos líneas de células osteoblásticas que difieren en su expresión de proteínas de unión gap y receptores purinérgicos. En estudios anteriores encontramos que las líneas celulares de osteosarcoma de rata ROS 17 / 2.8 (ROS) y UMR 106-01 (UMR) difieren en las proteínas de unión gap que expresan y en su capacidad para pasar tintes cargados negativamente como el amarillo Lucifer, carboxifluoresceína, y calceína. Las células ROS expresan Cx43 en la membrana plasmática y están bien acopladas con el colorante, pero las UMR expresan predominantemente Cx45 en la superficie celular y están mal acopladas con el colorante (25). Estos y otros estudios (11) demostraron que los poros de unión gap Cx45 son menos permeables a los tintes cargados negativamente que los poros Cx43. Además, como se muestra en este estudio, las células UMR expresan P2U receptores purinérgicos, pero las células ROS no. Nuestros resultados muestran que P2U Los receptores y Cx43 desempeñan funciones distintas en la propagación de ondas de calcio intercelulares. Proporcionamos evidencia en células no excitables de que las ondas de calcio mediadas por ATP liberan reservas de calcio intracelular y que la propagación de ondas de calcio mediadas por la unión gap no requiere la activación de estas reservas. Realizamos más experimentos en el epitelio traqueal de hámster, para aproximarnos más al modelo desarrollado más a fondo en el que se cree que las ondas de calcio mediadas por la unión gap & # x02013 están mediadas por IP3, y obtuvieron resultados que sugerían que las ondas de calcio en estas células estaban mediadas por receptores purinérgicos.


Puntos clave

La motilidad gastrointestinal se produce por las contracciones coordinadas del tunica muscula ris, que forma la pared externa del tubo digestivo desde el esófago distal hasta el esfínter anal externo

El acoplamiento de excitación-contracción resulta de la entrada de Ca 2+ en las células del músculo liso, la liberación de Ca 2+ del retículo sarcoplásmico, la activación de la cinasa de cadena ligera de miosina y la fosforilación de las cadenas ligeras reguladoras de miosina

La fuerza contráctil se ajusta mediante mecanismos de sensibilización al Ca 2+ que equilibran las tasas de fosforilación y desfosforilación de la miosina.

Las células intersticiales de Cajal (ICC) proporcionan actividad de marcapasos espontánea en los músculos gastrointestinales Las células ICC y PDGFRα + también contribuyen a la mediación de las entradas de las neuronas motoras entéricas

Los patrones de motilidad gastrointestinal son comportamientos altamente integrados que requieren la coordinación entre las células del músculo liso y utilizan entradas reguladoras de las células intersticiales, neuronas y células endocrinas e inmunes.

La regulación terapéutica y la ingeniería tisular de la motilidad gastrointestinal están resultando difíciles


Activación de integrina bajo fuerza

La comprensión del mecanismo de detección mediado por integrinas comienza con la activación de las integrinas, que gobierna la cinética de unión de las integrinas y la agrupación (Cluzel et al., 2005 Kim et al., 2004). La activación de la integrina se produce de forma alostérica, lo que implica cambios conformacionales intramoleculares de largo alcance que pueden originarse en el extremo extracelular o citoplasmático del heterodímero de integrina. Los heterodímeros de integrina comprenden subunidades α y β unidas no covalentemente, que se asocian para formar la cabeza de unión al ligando extracelular, dos "patas" de múltiples dominios, dos hélices transmembrana de un solo paso y dos colas citoplasmáticas cortas. Todos los heterodímeros de integrina conocidos contienen el dominio βA (también llamado dominio similar a I o βI), que se encuentra en el extremo extracelular de la subunidad β. Los experimentos de anticuerpos mutacionales y monoclonales han demostrado que el cambio de afinidad de unión baja a alta en el casco de integrina de unión a ECM implica un aumento en el ángulo de bisagra entre los dominios βA e híbridos (Luo et al., 2003 Luo et al., 2003). al., 2004 Mold et al., 2003). Las estructuras cristalográficas de rayos X proporcionan los puntos finales estacionarios de este interruptor conformacional en los dominios del casco de integrina β3 de bisagra cerrada sin ligando y de bisagra abierta unida a ligando (Xiao et al., 2004 Xiong et al., 2001). Las simulaciones de dinámica molecular (MD) de los dominios del casco de la integrina β3 han ilustrado la vía estructural a nivel de Ångstrom de la apertura del ángulo de bisagra inducida por ligando (Puklin-Faucher et al., 2006).

Un sello distintivo de las proteínas alostéricas, como las integrinas, es su bidireccionalidad, lo que significa que la misma vía estructural activadora puede ser inducida por factores extracelulares ("de afuera hacia adentro") o intracelulares ("de adentro hacia afuera") (Hynes, 2002). Los eventos in vivo que se sabe que activan las integrinas son la unión del ligando por la cabeza extracelular (Takagi et al., 2002) o la unión de la talina por la cola intracelular de la subunidad β (Tadokoro et al., 2003). En ausencia de fuerza, la activación de la integrina se produce en segundos. Sin embargo, hay señales claramente mecánicas que pueden inducir eventos aguas abajo de la activación en segundos, como la agregación de integrinas (Giannone et al., 2004) y el ensamblaje de proteínas de adhesión (Galbraith et al., 2002 Riveline et al., 2001 von Wichert et al. al., 2003b). En el caso de las células T, se demostró que la adherencia firme de la integrina está estrictamente regulada por señales mecánicas que involucran la combinación de fuerza del flujo de fluido de cizallamiento y quimiocinas inmovilizadas (Woolf et al., 2007). De acuerdo con estas observaciones, cuando se simuló la aplicación de fuerza mecánica mediada por ligando en investigaciones de MD dirigida (SMD), se demostró que aceleraba la vía alostérica hacia la activación en el casco de la integrina en un período de tiempo inferior al microsegundo (Puklin-Faucher et al. ., 2006). Como se sabe que la unión a ligandos de ECM activa las integrinas en condiciones de equilibrio (Takagi et al., 2002) y la unión es necesaria para que la fuerza se transduzca a través de las integrinas, el efecto principal de la fuerza sobre la activación de las integrinas puede ser la aceleración de la vía de activación alostérica y , por lo tanto, en la estabilización de enlaces que de otro modo se disociarían en menos de segundos.

Es lógico postular que la aplicación de una fuerza vertical a la membrana induciría un cambio conformacional activador en las integrinas (como se muestra en la Fig. 1). Tal fuerza podría generarse aunque el vector de fuerza sea a menudo casi paralelo a la membrana, en lugar de perpendicular. Las integrinas αVβ3 pueden unirse de manera estable a la fibronectina con solo un aumento modesto (11 °) en el ángulo de la bisagra de su casco y con una curvatura severa (de ∼135 °, según los datos cristalográficos) en sus patas extracelulares (Adair et al., 2005 ). Una vez que se une la matriz, este enlace podría estabilizarse potencialmente mediante un cambio conformacional inducido por la fuerza. Por ejemplo, con sólo la cola del citoplasma β y no la α unida al citoesqueleto, la fuerza podría variar la bisagra del casco interdominio mediante la separación de las patas del heterodímero a medida que la subunidad β se alinea a lo largo del vector de fuerza.

Intracelularmente, se ha demostrado que la unión de la cabeza de talina a la subunidad β de la cola de la integrina activa las integrinas al interrumpir las asociaciones transmembrana y proximales a la membrana con los dominios de la subunidad α vecinos (Tadokoro et al., 2003 Wegener et al., 2007). ). Recientemente, se ha demostrado que la familia de proteínas kindlin estructuralmente homóloga interactúa directamente con las colas de las integrinas β3 y β1 y cataliza (kindlin-2, también conocida como FERMT2) o incluso reemplaza (kindlin-3, también conocida como FERMT3) la integrina activación por talina (Ma et al., 2008 Moser et al., 2008). Para influir en la afinidad de unión a ECM de la cabeza de la integrina, el cambio estructural inducido por kindlin y talin en las colas de la integrina debe propagarse a través de los dominios de múltiples patas de la molécula de integrina de ∼28 nm de longitud. Como se describió anteriormente, la fuerza mediada por ligando puede acelerar este cambio estructural alostérico (Alon y Dustin, 2007 Puklin-Faucher et al., 2006).

El ciclo mecánico de la integrina. (A) La adhesión célula-ECM ocurre cuando las protuberancias dependientes de actina ponen a las integrinas en el borde de ataque (naranja) en contacto con la matriz (violeta) donde pueden unirse. (B) A continuación, las integrinas se unen al citoesqueleto de actina a través de proteínas adaptadoras, como talina (azul), Shp2, filamina o α-actinina. Las integrinas se unen a estas proteínas adaptadoras a través de sus colas β. El flujo de actina hacia atrás, generado por la polimerización de actina y las contracciones de actomiosina (ver Cuadro 1) induce una fuerza de tracción en el enlace integrina-ECM. En sustratos suficientemente rígidos, esto puede servir para acelerar un cambio conformacional que activa la integrina, así como un estiramiento de talina, que puede exponer sitios de unión a vinculina enterrados (amarillo). Aunque la conformación doblada de la estructura cristalina de la integrina αVβ3 unida al ligando produjo mucha controversia en el campo de las integrinas (Liddington y Ginsberg, 2002 Mold et al., 2003), posteriormente se ha demostrado en experimentos de microscopía electrónica que se une de manera estable a la fibronectina (Adair et al., 2005). La fuerza podría acelerar el cambio a una alta afinidad de unión al liberar la cabeza de la integrina unida al ligando de las limitaciones de los dominios vecinos, lo que esencialmente aceleraría la vía alostérica al estado activado (Puklin-Faucher et al., 2006). (C) La célula comienza a tirar de sí misma sobre el sitio de adhesión. Los cambios conformacionales intramoleculares en las integrinas α5β1 facilitan su translocación hacia adentro, mientras que las integrinas αVβ3 permanecen ancladas en el borde. Esta segregación de integrinas puede facilitar aún más el estiramiento de talina. En esta etapa de adhesión, se acumula una amplia variedad de proteínas de adhesión focal intracelular en la placa adhesiva (óvalo gris). (D) En última instancia, las integrinas muy agrupadas cambian de afinidad de unión alta a baja, posiblemente catalizada por la fosforilación de las colas de integrina β3. La exocitosis de membrana coloca integrinas recicladas de baja afinidad al final de los microtúbulos, a menudo a 2-4 μm de distancia del borde de ataque. El recambio de integrinas en las adherencias focales (de C a D) es de aproximadamente 1-3 minutos (Hu et al., 2007). Para la descripción de una sola integrina, ver material suplementario Fig. S1.

El ciclo mecánico de la integrina. (A) La adhesión célula-ECM ocurre cuando las protuberancias dependientes de actina ponen a las integrinas en el borde de ataque (naranja) en contacto con la matriz (violeta) donde pueden unirse. (B) A continuación, las integrinas se unen al citoesqueleto de actina a través de proteínas adaptadoras, como talina (azul), Shp2, filamina o α-actinina. Las integrinas se unen a estas proteínas adaptadoras a través de sus colas β. El flujo de actina hacia atrás, generado por la polimerización de actina y las contracciones de actomiosina (ver Cuadro 1) induce una fuerza de tracción en el enlace integrina-ECM. En sustratos suficientemente rígidos, esto puede servir para acelerar un cambio conformacional que activa la integrina, así como un estiramiento de talina, que puede exponer sitios de unión a vinculina enterrados (amarillo). Aunque la conformación doblada de la estructura cristalina de la integrina αVβ3 unida al ligando produjo mucha controversia en el campo de las integrinas (Liddington y Ginsberg, 2002 Mold et al., 2003), posteriormente se ha demostrado en experimentos de microscopía electrónica que se une de manera estable a la fibronectina (Adair et al., 2005). La fuerza podría acelerar el cambio a una alta afinidad de unión al liberar la cabeza de la integrina unida al ligando de las limitaciones de los dominios vecinos, lo que esencialmente aceleraría la vía alostérica al estado activado (Puklin-Faucher et al., 2006). (C) La célula comienza a tirarse sobre el sitio de adhesión. Los cambios conformacionales intramoleculares en las integrinas α5β1 facilitan su translocación hacia adentro, mientras que las integrinas αVβ3 permanecen ancladas en el borde. Esta segregación de integrinas puede facilitar aún más el estiramiento de talina. En esta etapa de adhesión, se acumula una amplia variedad de proteínas de adhesión focal intracelular en la placa adhesiva (óvalo gris).(D) En última instancia, las integrinas muy agrupadas cambian de afinidad de unión alta a baja, posiblemente catalizada por la fosforilación de las colas de integrina β3. La exocitosis de membrana coloca integrinas recicladas de baja afinidad al final de los microtúbulos, a menudo a 2-4 μm de distancia del borde de ataque. El recambio de integrinas en las adherencias focales (de C a D) es de aproximadamente 1-3 minutos (Hu et al., 2007). Para la descripción de una sola integrina, ver material suplementario Fig. S1.

Como las colas β de integrina altamente flexibles proporcionan un andamio para una amplia gama de proteínas citoesqueléticas (Calderwood et al., 2003) y son extremadamente flexibles, también existe la posibilidad de que la fuerza mediada por ligando pueda acelerar la unión a kindlin y talin al producir los sitios de unión son más accesibles a través de la rotura de las asociaciones de heterodímeros de integrina proximales a la membrana y transmembrana. En apoyo de esto, la presencia de la parte de la cabeza de la talina, pero no la varilla, parece estabilizar la unión de la integrina a la fibronectina incluso en ausencia de unión a la actina (Zhang et al., 2008). La unión de trímeros de fibronectina individuales depende en gran medida de la talina, al igual que un enlace deslizante débil con el citoesqueleto de actina (Jiang et al., 2003). Además, el intercambio de colas α y β bloqueó la agregación lateral de la integrina, pero moviendo la cola β1 más lejos de la membrana al alargar el dominio proximal a la membrana de la quimera α5 con un espaciador, se restauró la agregación lateral que dependía de la cola β1 ( Partridge et al., 2006). Este resultado implica que permitir que el dominio β-citoplasmático distal adopte una conformación distintiva liberándolo del dominio α-citoplasmático proximal es el evento estructural que impulsa aspectos de la señalización de integrina dependiente de ligando, como la agregación lateral. Juntos, estos hallazgos implican que el desenmascaramiento físico de los sitios de unión de kindlin y talina en la cola β de la integrina puede estabilizar su estado estructural y funcional (Ulmer et al., 2003). Aunque existe evidencia considerable de que los vínculos tempranos entre las integrinas y el citoesqueleto dependen de kindlin-2, kindlin-3 y talin, existen otros socios de unión de la cola de integrina que también pueden unirse al citoesqueleto contráctil de actina en otros procesos de adhesión. Estos incluyen filamina, α-actinina, melusina, proteína tirosina fosfatasa (Shp2) que contiene el dominio SH2, esquelemina, quinasa unida a integrina y, posiblemente, miosina (Phillips et al., 2001 Critchley y Ginggras, 2008 Kiema et al. , 2006 Pavalko et al., 1991 von Wichert et al., 2003a).


Abstracto

Objetivo:

La calcificación arterial de la enfermedad recesiva debida a la deficiencia de CD73 (ACDC) se presenta con una extensa calcificación no aterosclerótica de la capa medial en las arterias de las extremidades inferiores. La falta de CD73 induce un aumento concomitante de TNAP (fosfatasa alcalina inespecífica tisular ALPL), una enzima clave en la mineralización ectópica. Nuestro objetivo era investigar cómo la pérdida de actividad de CD73 conduce a un aumento ALPL expresión y calcificación en pacientes con deficiencia de CD73 y evaluar si este mecanismo puede aplicarse a la calcificación de la enfermedad arterial periférica.

Enfoque y resultados:

Anteriormente desarrollamos un modelo de enfermedad específico del paciente utilizando fibroblastos dérmicos primarios ACDC que recapitula el fenotipo de calcificación in vitro. Encontramos que la falta de señalización de adenosina mediada por CD73 redujo la producción de AMPc y resultó en una mayor activación de AKT. El eje AKT / mTOR (diana de rapamicina en mamíferos) bloquea la autofagia y la inducción de la autofagia previno la calcificación; sin embargo, no observamos defectos de autofagia en las células ACDC. El análisis in silico identificó un sitio de unión putativo de FOXO1 (proteína O1 de la caja forkhead) en el ser humano ALPL promotor. El AMP exógeno indujo la localización nuclear de FOXO1 en ACDC pero no en las células de control, y esto se evitó con un análogo de AMPc o la activación de los receptores de adenosina A2a / 2b. Inhibición de FOXO1 reducida ALPL expresión y actividad TNAP y previno la calcificación. Mutación del sitio de unión FOXO1 reducido ALPL activación del promotor. Es importante destacar que proporcionamos evidencia de que las arterias femoropoplíteas calcificadas no ACDC exhiben una disminución de CD73 y un aumento de los niveles de FOXO1 en comparación con las arterias de control.

Conclusiones:

Estos datos muestran que la falta de señalización de AMPc mediada por CD73 promueve la expresión de la ALPL gen a través de un mecanismo dependiente de FOXO1. También se observó una disminución de CD73 y un aumento de FOXO1 en la calcificación de la enfermedad arterial periférica más común.


Modelado de sistemas biológicos

    Peter Kollman, Universidad de California, San Francisco, Presidente
    Simon Levin, Copresidente de la Universidad de Princeton
    Alberto Apostolico, Universidad de Padova
    Marjorie Asmussen, Universidad de Georgia
    Bruce L. Bush, Laboratorios de investigación de Merck
    Carlos Castillo-Chavez, Universidad de Cornell
    Robert Eisenberg, Facultad de Medicina de Rush
    Bard Ermentrout, Universidad de Pittsburgh
    Christopher Fields, Instituto Santa Fe
    John Guckenheimer, Universidad de Cornell
    Alan Hastings, Universidad de California, Davis
    Michael Hines, Universidad de Yale
    Barry Honig, Universidad de Columbia
    Lynn Jelinski, Universidad de Cornell
    Nancy Kopell, Universidad de Boston
    Don Ludwig, Universidad de Columbia Británica
    Terry Lybrand, Universidad de Washington
    George Oster, Universidad de California, Berkeley
    Alan Perelson, laboratorios nacionales de Los Alamos
    Charles Peskin, Instituto Courant de Ciencias Matemáticas
    Greg Petsko, Universidad de Brandeis
    John Rinzel, Institutos Nacionales de Salud
    Robert Silver, Laboratorio de Biología Marina
    Sylvia Spengler, Lawrence Berkeley Labs
    DeWitt Sumners, Universidad Estatal de Florida
    Carla Wofsy, Universidad de Nuevo México

TABLA DE CONTENIDO

El tema común de este informe es el enorme potencial de los enfoques matemáticos y computacionales para generar conocimientos fundamentales y beneficios prácticos importantes en la investigación de sistemas biológicos. Los enfoques matemáticos y computacionales se han apreciado durante mucho tiempo en la física y en los últimos veinte años han desempeñado un papel cada vez más importante en la química. En nuestra opinión, recién están ganando terreno en biología.

Los objetivos de estos enfoques matemáticos y computacionales son dilucidar los mecanismos de fenómenos aparentemente dispares. Por ejemplo, ¿cómo conduce la estructura a nivel atómico de una enzima a su catálisis enzimática funcional? Para comprender esta relación estructura / función se requieren cálculos fundamentales de mecánica cuántica y dinámica molecular, pero las simulaciones exitosas pueden conducir a la comprensión de la enfermedad y la terapia con medicamentos. Conocer la estructura tridimensional de la proteína kinesina muscular puede ayudar a comprender la acción muscular y otros motores celulares. Las simulaciones del corazón embrionario y fetal en diferentes etapas de desarrollo están ayudando a dilucidar el papel de las fuerzas de los fluidos en la configuración del corazón en desarrollo. La estructura y dinámica de los ecosistemas terrestres son elementos críticos en su funcionamiento y los métodos matemáticos / computacionales juegan un papel crítico en la comprensión de su función.

En estos ejemplos y en los muchos otros del cuerpo de este informe (secciones III-V), los métodos matemáticos / computacionales, basados ​​en leyes físicas fundamentales (p. Ej., Mecánica cuántica), datos empíricos o una combinación de ambos, proporcionan una clave elemento en la investigación biológica. Estos métodos pueden proporcionar hipótesis que permiten ir más allá de los datos empíricos y pueden probarse constantemente para determinar su rango de validez.

Nuestro informe también destaca (sección VI) problemas computacionales que son comunes en la biología, desde la molecular hasta el ecosistema. Las computadoras se están volviendo más poderosas a un ritmo prodigioso y, en paralelo, también está aumentando el potencial de los métodos computacionales para sistemas cada vez más complejos. Por lo tanto, es esencial que la próxima generación de científicos biológicos tenga una sólida formación en matemáticas y computación desde el jardín de infancia hasta la escuela de posgrado. Discutimos temas educativos en la sección VII de nuestro informe.

Un propósito de este informe es aumentar la conciencia entre los científicos biológicos de la utilidad cada vez mayor de los enfoques matemáticos y computacionales en biología. A veces, las áreas emergentes y las áreas interdisciplinarias corren el riesgo de caer entre las grietas de las agencias de financiación. Específicamente, esperamos que este informe aumente el nivel de conciencia en la National Science Foundation y otras agencias de financiamiento sobre el fomento de la investigación computacional y matemática en las ciencias biológicas.

La caracterización de los sistemas biológicos ha alcanzado un nivel de detalle sin precedentes. Para organizar este detalle y llegar a una mejor comprensión fundamental de los procesos de la vida, es imperativo que las poderosas herramientas conceptuales de las matemáticas y las ciencias físicas se apliquen a los problemas fronterizos de la biología. El modelado de sistemas biológicos se está convirtiendo en un socio importante del trabajo experimental. Todas las facetas de la biología, la biología ambiental, orgánica, celular y molecular son cada vez más accesibles a los enfoques químicos, físicos y matemáticos. Esta área de oportunidad se destacó en un informe de 1992, apoyado por la National Science Foundation, titulado "Matemáticas y biología, la interfaz, desafíos y oportunidades". (MBICO)

Se llevó a cabo un taller en la National Science Foundation (NSF) el 14 y 15 de marzo de 1996 que se basó en los hallazgos de MBICO para evaluar críticamente sus hallazgos y sugerir qué áreas eran las más prometedoras como focos para futuras investigaciones. Este taller reunió a 25 científicos, con experiencia que va desde lo molecular a lo celular, pasando por el organismo y el ecosistema, todos los cuales tienen interés en las aplicaciones de enfoques matemáticos / computacionales a los sistemas biológicos. El objetivo del taller fue identificar áreas de investigación importantes donde los estudios teóricos / computacionales podrían ser de mayor utilidad para brindar información y ayudar al trabajo experimental relacionado. Esto se hace a continuación. Debido al pequeño tamaño de nuestro grupo, el tiempo limitado que teníamos y nuestra visión no ilimitada, uno debe ver las áreas de oportunidades de investigación que se presentan a continuación como representativas, no exhaustivas. Con suerte, nuestro informe puede proporcionar alguna orientación y un marcador histórico en cuanto al estado del arte en Modelización de sistemas biológicos, ca. 1996.

Nuestro informe se divide en cinco secciones. Seguimos la organización de la NSF al dividir nuestra descripción de oportunidades de investigación en tres áreas: Biología Molecular y Celular, Biología Organismal y Ecología y Evolución. Estas tres secciones son seguidas por una sección que se enfoca en temas que cruzan los límites entre estas áreas y una sección final sobre temas educativos.

Un tema central de organización en Biología Molecular y Celular es la relación entre la estructura de las moléculas y los complejos de moléculas de alto nivel y su función, tanto en contextos biológicos normales como aberrantes. La conexión entre estructura y función se ilustró con mayor claridad en el artículo que inició Molecular Biology, la elucidación de la estructura del ADN por Watson y Crick.

Este estudio ilustró de inmediato cómo el ADN puede replicarse y retener la información original almacenada en él. Así, la estructura mostró cómo funciona esta molécula. Pero este ejemplo también muestra el importante papel de las matemáticas, la química y la física en el esclarecimiento de las relaciones estructura / función en biología. Tanto la información contenida en los dúplex de ADN como sus estructuras de orden superior han sido analizadas de manera útil por las matemáticas, como lo ilustran las secciones siguientes sobre el GENOMA y la HISTOLOGÍA MOLECULAR, y se han respondido preguntas importantes y muchas siguen sin respuesta en estas áreas.

Los desarrollos en física y química han jugado un papel fundamental para permitir la determinación de la estructura de las moléculas esenciales en biología (proteínas, ácidos nucleicos, membranas y sacáridos) y de esa manera, ayudar a comprender su función. Algunos aspectos de estos esfuerzos se describen a continuación en las secciones sobre ESTRUCTURA DE PROTEÍNA y ÁCIDOS NUCLEICOS. El uso de las metodologías de simulación desarrolladas por primera vez en las comunidades de física y química para simular moléculas de interés biológico se describe en SIMULACIONES. La evolución se ha producido tanto a escala molecular como macroscópica y algunas de las moléculas y sus propiedades que han evolucionado son bastante asombrosas. El apartado de MATERIALES BIOINSPIRADOS señala las posibilidades inherentes a la utilización de algunos de los materiales que han ido evolucionando en el proceso de evolución molecular.

Aunque se ha avanzado mucho en la comprensión de las estructuras de las moléculas de interés biológico y su uso para inferir la función, queda mucho por hacer. Algunas de las preguntas clave incluyen: ¿Cuál es la estructura del ADN en el núcleo y cómo esta estructura gobierna la transcripción del ADN? Dada la secuencia de ADN, ¿qué determina las estructuras de ARN y proteínas que codifica el ADN? Dada la estructura de la proteína, ¿cuál es su función? ¿Cómo evolucionó esta función y está optimizada? ¿Cómo se puede utilizar esta función para diseñar productos farmacéuticos que tengan un impacto real en la enfermedad sin alterar el resto del sistema biológico delicadamente equilibrado? ¿Qué podemos aprender de otros organismos, algunos que crecen en condiciones extremas de temperatura y presión, sobre la naturaleza y los límites de las células vivas y las moléculas que las componen?

Las anteriores son solo algunas de las preguntas clave, pero está claro por su naturaleza que los métodos matemáticos y físicos / químicos serán esenciales para responder estas preguntas. Estos métodos proporcionan las herramientas y el lenguaje de la estructura molecular desde las moléculas más pequeñas hasta las más grandes y las leyes fundamentales para explicar cómo las moléculas interactúan y forman su forma tridimensional. Es esta forma tridimensional la que determina la función molecular. Hemos llegado a un momento increíblemente emocionante de la determinación de la estructura de la proteína, con más de 200 tipos diferentes de estructuras de proteínas globulares conocidas y se espera que exista una estimación del orden de 10 ** 3 en toda la biología. Por lo tanto, es posible que pronto tengamos ejemplos de todo tipo de estructura proteica globular, así como información sobre la naturaleza del gen que la determina.

Está claro que la naturaleza de las vías de señalización biológica es muy compleja e implica muchos circuitos de retroalimentación y mecanismos a prueba de fallos. Las herramientas de las matemáticas son fundamentales para comprenderlas. Estas vías de señalización son solo un ejemplo en el que existe una conexión entre el material presentado en Molecular and Cellular y en Organismal Biology. ¿Cómo se transmiten finalmente estas señales moleculares a señales neuronales y cómo podemos comprender los posibles defectos en todos los niveles de estas vías? ¿Son defectos debidos a mutaciones en las proteínas, cambios sutiles en la concentración de moléculas normales o alguna influencia externa? Estas son preguntas emocionantes y extremadamente importantes que involucran la comprensión de las conexiones desde el nivel molecular al celular y al nivel del organismo.

GENOMA

En los seis años transcurridos desde el informe MBICO, la información de la secuencia genómica ha continuado su crecimiento exponencial. La tecnología de secuenciación se está aplicando directamente al análisis de diversidad de secuencias y al análisis de expresión génica a través de sistemas de ensayo automatizados de alto rendimiento basados ​​en chips. Esta afluencia ha cambiado tanto las preguntas que se hacen como el rango de interacciones consideradas.

Por ejemplo, los datos de expresión de alto rendimiento ahora son específicos de tejido y específicos de las etapas de desarrollo. Más de 300.000 etiquetas de secuencias expresadas en humanos están ahora disponibles en bases de datos públicas, que representan al menos 40.000 genes humanos. Además, en los próximos 5 años, se secuenciarán hasta 50 genomas completos. De hecho, ya se han secuenciado los genomas completos de varios organismos simples (véase, por ejemplo, (Fleischman, 1995)), la secuencia del genoma de la levadura se ha publicado recientemente (véase, por ejemplo, Williams, 1996), y se ha informado que C. elegans es un genoma de levadura. año o dos de distancia. Nadie está seguro de cuál es la mejor manera de explotar los datos genómicos, pero está claro que pronto habrá una explosión de información biológica a una escala sin precedentes.

Será cada vez más importante realizar comparaciones de genomas completos en lugar de solo genes individuales, con una expansión concomitante en el tiempo de computación. Las comparaciones múltiples siguen siendo aún más problemáticas. Ahora es necesaria una expansión similar de consultas desde regiones locales de interés (digamos 50.000 pb) a patrones de secuencia o expresión de largo alcance, y las regiones sintéticas del orden de 25 Mb se consideran una longitud razonable para su consideración.

La investigación biológica y bioquímica está produciendo conjuntos de datos que crecen exponencialmente. Además de los ejemplos citados anteriormente de secuencias de ADN (que actualmente se duplican aproximadamente cada 6 meses) y datos de expresión génica (chips que soportan miles de ensayos por día), las pantallas de bibliotecas combinatorias (10,000 de compuestos contra miles de objetivos) están produciendo grandes cantidades de datos sistemáticos sobre la función. Los avances tecnológicos aumentarán estas tasas de adquisición de datos en un orden de magnitud o más en los próximos años.

Se requiere un trabajo significativo para desarrollar sistemas de gestión de datos que hagan que estos datos no solo sean recuperables, sino que también se puedan utilizar como entrada para los cálculos y sean susceptibles de consultas ad hoc complejas en varios tipos de datos. También se requiere un trabajo significativo en técnicas para integrar datos obtenidos para múltiples observables, a diferentes escalas, con diferentes incertidumbres (fusión de datos) y para formular consultas significativas contra datos tan heterogéneos (minería de datos).

Por ejemplo, en el futuro debería ser posible preguntarse qué diferencias esperar en las eficiencias cinéticas de una vía de transducción de señales en varios individuos, dadas las diferencias en las secuencias de las proteínas implicadas en la vía. Responder a estas consultas requerirá mejoras en los modelos de datos, sistemas de gestión de bases de datos heterogéneos, análisis de correlación multivariante, predicción de estructuras moleculares, modelado de redes restringidas y gestión de la incertidumbre.

ESTRUCTURA Y FUNCIÓN DE LA PROTEÍNA

A medida que crece la cantidad de datos genómicos, la estructura tridimensional proporcionará un medio cada vez más importante para explotar y organizar esta información. La estructura proporciona un vehículo único, aunque en gran parte inexplorado, para deducir la función de los genes a partir de los datos de la secuencia. La estructura también vincula la información genómica con los ensayos biológicos y sirve como base para el desarrollo racional de compuestos bioactivos, incluidos medicamentos y vacunas.

Las oportunidades de investigación en esta área se pueden dividir en cuatro categorías distintas: determinación de estructuras experimentales, predicción de estructuras, explotación de estructuras de proteínas globulares y modelado de proteínas de membrana, donde la determinación de estructuras de alta resolución es mucho más difícil.

Determinación de la estructura

Durante la última década, los avances en el crecimiento de cristales de proteínas, la recopilación de datos de difracción y la determinación de la fase experimental han llevado a una explosión de información estructural. (Ringe y Petsko, 1996) A pesar de este rápido crecimiento, la demanda de nuevos datos estructurales sigue siendo alta.Áreas en las que todavía se necesitan enfoques matemáticos y computacionales para aumentar aún más el rendimiento para incluir la determinación de fase directa, la solución de estructura mejorada por reemplazo molecular y la interpretación automatizada de mapas de densidad de electrones.

    Fase directa: Las fases de los rayos X difractados no se pueden observar, deben deducirse experimentalmente por métodos indirectos. A pesar de los avances recientes en la determinación de la fase experimental mediante técnicas como la fase MADD (Leahy et al, 1992), este paso suele ser un cuello de botella en la solución de la estructura. La solución directa al problema de las fases de las estructuras cristalinas de macromoléculas revolucionaría la biología estructural.

Predicción de estructura

Los métodos más eficaces de predicción de estructuras actualmente disponibles implican la construcción de modelos de proteínas con estructuras desconocidas basados ​​en plantillas derivadas de estructuras de proteínas que se han determinado (véase, por ejemplo, Bowie et al, 1991). Ha habido un progreso notable en el desarrollo de estos métodos de "reconocimiento de pliegues" en los últimos años y ofrecen nuevas oportunidades en la predicción de estructuras que simplemente no existían hace unos años (ver, por ejemplo, la edición de noviembre de 1995 de Proteins (Asilomar, 1995) )

Los métodos de reconocimiento de pliegues se pueden utilizar para predecir las estructuras de proteínas que aún no se han determinado experimentalmente y para encontrar relaciones de homología entre proteínas que no pueden detectarse con los métodos tradicionales de alineación de secuencias. Los desafíos que surgen ahora ofrecen oportunidades de investigación en una serie de áreas. Estos incluyen la integración de información estructural en métodos de alineación de secuencias, el desarrollo de funciones de puntuación mejoradas para la asociación de una secuencia dada con una estructura dada (ver, por ejemplo, Bryant y Lawrence, 1993), y la identificación de plantillas plegables que se enfocan en estructuras clave. elementos que deben coincidir con los fragmentos de secuencia (Orengo et al, 1995). Todos estos problemas requerirán el desarrollo de nuevos métodos computacionales que permitan el análisis e integración de grandes cantidades de datos estructurales y de secuencia y nuevos modelos físicos simplificados que están diseñados para los requisitos de este campo emergente.

Una vez que se ha derivado una plantilla estructural general, existe la necesidad de métodos para predecir la estructura tridimensional a nivel atómico. Ha habido un progreso significativo en los últimos años en la construcción de conformaciones de cadenas de sitios en plantillas de columna vertebral (ver, por ejemplo, Lee y Subbiah, 1991) pero las soluciones más rápidas y precisas a este problema serían extremadamente útiles. Suponiendo que se conocen las regiones del marco estructural conservadas, también existe la necesidad de nuevos métodos que modelen las estructuras de los bucles en regiones del marco estructural fijo (véase, por ejemplo, Levitt, 1993), un problema que es de importancia única para las proteínas de membrana. Estos pueden beneficiarse de procedimientos rápidos de minimización y búsqueda conformacional y de modelos físicos mejorados que relacionan la estructura con la energía libre (ver, por ejemplo, Smith y Honig, 1994)).

Explotación de estructuras

El creciente cuerpo de información estructural proporciona una nueva forma de organizar los datos biológicos, con aplicaciones que incluyen la predicción de la función dada una estructura, el descubrimiento de nuevos principios de interacciones proteína-proteína y el descubrimiento de nuevas relaciones evolutivas que no eran evidentes a partir de la secuencia. solo. La determinación de la estructura generalmente se realiza para abordar problemas fundamentales en biología celular, bioquímica o farmacología. Las preguntas específicas que plantea una estructura incluyen: ¿en qué parte de la superficie de la proteína se encuentran los sitios de unión? ¿Cuáles son los grupos químicos que prefieren unirse a estos sitios? ¿Cómo cambian las estructuras de proteínas y ligandos en respuesta a la unión? ¿Cuáles son las funciones de los grupos de proteínas y cofactores en la catálisis? ¿Cómo influyen las propiedades dinámicas de las proteínas en la función de las proteínas?

La construcción de una nueva clase de bases de datos de estructura / función de proteínas ofrece un posible enfoque a estos problemas. Por ejemplo, la caracterización de diferentes sitios de unión a proteínas en términos de propiedades físicas y geométricas será útil para predecir la función de nuevas proteínas cuyas estructuras se han determinado y, más, en general, proporciona una nueva forma de organizar e interpretar datos biológicos. Esta área ofrece oportunidades de investigación en problemas que incluyen la construcción de nuevos métodos para representar objetos tridimensionales y su incorporación a bases de datos, la fusión de estas bases de datos con bases de datos de secuencias y funciones, y el desarrollo de nuevos modelos físicos para caracterizar regiones funcionalmente activas en proteínas.

El diseño de un fármaco basado en la estructura requiere localizar todos los sitios de unión utilizables, seguido del diseño de pequeñas moléculas que se unen estrecha y específicamente a ellos (Guida, 1994). Los métodos computacionales existentes a menudo fallan porque no toman en cuenta adecuadamente los efectos del solvente (ver por ejemplo, Eisenberg y McLachlan, 1986) ni la posibilidad de ajuste conformacional (Kearsley et al, 1994) Se necesitan urgentemente mejores procedimientos.

Los estudios de catálisis enzimática requieren en última instancia la simulación de rutas de reacción completas, incluidos todos los pasos de ruptura y formación de enlaces, así como el movimiento aleatorio del sistema de sustrato enzimático. Los métodos existentes para combinar funciones de potencial mecánico cuántico y mecánico molecular para llevar a cabo tales simulaciones son todavía bastante inexactos. Esto es particularmente cierto para las interacciones de iones y grupos metálicos que se encuentran en un alto porcentaje de enzimas. Se necesitan métodos matemáticos y computacionales mejorados en todas estas áreas y es un área de mucha investigación activa (Gao, 1996).

Una nueva área experimental que seguramente tendrá un gran impacto en la explotación de la información estructural es la química combinatoria. (Gordon et al, 1994) Las nuevas técnicas para la síntesis paralela de alta velocidad de nuevos compuestos orgánicos están generando bibliotecas de literalmente cientos de miles de moléculas, muchas de las cuales se unen a importantes dianas biológicas. Deben desarrollarse métodos para organizar, correlacionar e interpretar la plétora de datos de estructura / actividad producidos mediante el cribado de dichas bibliotecas. La unión de la química combinatoria y la biología estructural ofrece la posibilidad de deducir las reglas para el reconocimiento molecular, lo que en última instancia puede permitirnos construir modelos precisos de complejos multiproteicos a partir de las estructuras de sus componentes. La fusión de bases de datos estructurales y de moléculas pequeñas ofrece desafíos únicos e importantes a este respecto.

El estudio de las proteínas de la membrana presenta desafíos especiales, pero también promete proporcionar información importante y emocionante. Una mayor comprensión de la estructura y función de las proteínas de membrana mejorará drásticamente nuestra comprensión de los procesos bioquímicos básicos, como la transducción de señales, y hará posibles avances significativos en biotecnología (por ejemplo, biosensores basados ​​en receptores) y ciencias biomédicas (por ejemplo, diseño de fármacos con estructura asistida). Los problemas técnicos hacen que sea difícil o imposible determinar estructuras de alta resolución para la mayoría de las proteínas de membrana en la actualidad. Sin embargo, se dispone de una gran cantidad de datos experimentales para muchas proteínas de membrana, y esta información a menudo se puede utilizar junto con herramientas computacionales para generar modelos tridimensionales razonables (Findlay, 1996). Los modelos, a su vez, son beneficiosos para la formulación de hipótesis y el diseño de experimentos futuros (Kontoyianni y Lybrand, 1993). Se deben abordar una serie de cuestiones de desarrollo para mejorar las capacidades de modelado para el estudio de proteínas en general, y proteínas de membrana en particular. Por ejemplo, en la actualidad no se comprende bien cuánta información de "restricciones" se necesita para permitir la construcción de una estructura de modelo tridimensional razonable, o incluso qué tipos de información experimental son más útiles en los ejercicios de construcción de modelos. También se necesitan desarrollos metodológicos adicionales para mejorar la representación y el tratamiento de las bicapas lipídicas (por ejemplo, tratamiento eficiente de interacciones electrostáticas de largo alcance, hamiltonianos modificados para la representación de tensores de presión anisotrópicos, etc.) e interacciones lípido-proteína. Varias proteínas de membrana procariotas están ahora bastante bien caracterizadas (por ejemplo, receptores de quimiotaxis bacteriana (Bourret et al, 1991) y porinas (Kreusch y Schulz, 1994), y pueden servir como modelos útiles para proteínas de membrana más complejas de organismos superiores. Los sistemas son casos de prueba ideales para la evaluación de nuevos procedimientos para el modelado de proteínas de membrana.

El rápido progreso en la comprensión de la estructura y función de las proteínas de membrana se ha visto obstaculizado por la falta de un gran número de estructuras de alta resolución. Las estructuras de la cristalografía de rayos X se limitan a los complejos que cristalizan, mientras que las de la RMN en solución de alta resolución se limitan a los casos en los que los conjuntos tienen tiempos de correlación suficientemente cortos para producir líneas estrechas. Las técnicas de RMN de estado sólido, que incluyen resonancia rotacional (RR) y eco doble resonancia rotacional (REDOR) y espectroscopia EPR (Steinhoff et al, 1994), ofrecen oportunidades especiales para obtener restricciones de distancia altamente específicas para proteínas de membrana. Una vía de investigación prometedora es delinear la cantidad mínima de información de distancia necesaria para especificar una estructura y predecir en qué orden se podría realizar el menor número de experimentos específicos de RMN o EPR para llegar a una estructura.

El problema de la predicción de la estructura del ARN y las interacciones del ADN y el ARN con las proteínas tiene un interés biológico central. En este caso, se necesitan modelos físicos mejorados para describir las interacciones de los ácidos nucleicos que se diferencian de la mayoría de las proteínas en que inducen grandes campos eléctricos locales. Recientemente, se han desarrollado métodos para tratar macromoléculas altamente cargadas que están rodeadas por atmósferas de iones concentrados (ver, por ejemplo, (Misra et al, 1993 York et al, 1995). Estos y métodos relacionados abren una variedad de oportunidades para simular importantes fenómenos biológicos que involucran ácidos nucleicos a nivel atómico de resolución.

El crecimiento explosivo de información sobre la estructura y función del ARN ofrece nuevas oportunidades que no existían hace unos años. Los requisitos en esta área van desde técnicas computacionales y matemáticas para describir la interacción de grandes fragmentos (ver, por ejemplo, (Easterwood et al, 1994) que se tratan como unidades estructurales rígidas hasta representaciones precisas a nivel atómico. De manera similar, se deben desarrollar métodos para integrar experimentos y datos filogenéticos en estudios de modelos (Jaeger et al, 1994).

SIMULACIONES

Las simulaciones de moléculas de interés biológico utilizan representaciones computacionales que van desde simples modelos de celosía hasta funciones de onda mecánicas cuánticas completas de núcleos y electrones. Si uno tiene acceso a una estructura macromolecular derivada de RMN o cristalografía de rayos X, entonces puede comenzar con una representación completa del átomo y examinar fructíferamente "pequeños cambios" en el sistema, como la unión de ligando o mutación específica de sitio. Una vez más, el objetivo es reproducir y predecir la estructura, la dinámica y la termodinámica. De hecho, las simulaciones pueden proporcionar el vínculo de conexión entre la estructura (rayos X y RMN) y la función (mediciones experimentales de propiedades termodinámicas).

En los últimos 10 años, debido al aumento de la potencia de las computadoras, los cálculos de dinámica molecular han progresado desde la simulación a corto plazo de una macromolécula sin solvente explícito hasta representaciones completas de solvente y contraiones llevadas a cabo en unos pocos nanosegundos (Berendsen, 1996). Los desarrollos tanto en hardware como en software para la computación paralela han jugado un papel importante. Sin embargo, las simulaciones de mayor tiempo que se han llevado a cabo todavía están a 9 órdenes de magnitud de la escala de tiempo típica para el plegamiento de proteínas experimental. Los modelos simplificados pero realistas, por ejemplo, utilizando un tratamiento continuo del solvente (Gilson et al, 1995), podrían aumentar la escala de tiempo en 1-2 órdenes de magnitud. Las representaciones continuas pueden incorporarse más fácilmente en los métodos de Monte Carlo y, por lo tanto, permitir grandes movimientos de la molécula durante la simulación (Senderowitz et al, 1996). En algunos casos, puede justificarse el uso de la dinámica de Langevin y Brownian y de múltiples algoritmos de pasos de tiempo (Humphreys et al, 1994). La simulación de moléculas biológicas a nivel molecular ha generado mucho entusiasmo y estos enfoques se han convertido en un socio cada vez más importante en los estudios experimentales de estos complejos sistemas.

Las interacciones electrostáticas son un componente crucial en la estructura y función de las macromoléculas biológicas. En los últimos años, los modelos electrostáticos basados ​​en soluciones numéricas de la ecuación de Poisson-Boltzmann (PB) se han utilizado ampliamente como base para interpretar observaciones experimentales sobre proteínas y ácidos nucleicos (Honig y Nicholls, 1995), incluida, por ejemplo, la predicción de la pKa de grupos ionizables (véase, por ejemplo, Bashford y Karplus, 1990). El potencial electrostático juega un papel especial en los fenómenos de membrana: las energías involucradas son grandes y los efectos experimentales de los cambios de potencial también son grandes, a menudo dominantes. La extensión de los métodos de PB a membranas y canales es un área de gran interés.

MATERIALES BIOINSPIRADOS

Los materiales bioinspirados representan un área especial de oportunidad para desarrollar nuevos materiales de ingeniería de alto rendimiento basados ​​en ideas inferidas de la naturaleza (Tirrell et al, 1994). Por ejemplo, las proteínas derivadas de la seda de araña sirven de inspiración para las fibras de alta resistencia (Simmons et al, 1996), los adhesivos de percebes sugieren cómo producir colas que se curan y funcionan bajo el agua y las complejas interacciones proteína-inorgánicas en las conchas de moluscos suministran ideas para producir cerámicas menos frágiles que las actuales. Es probable que los materiales bioinspirados definitivos sean quiméricos, es decir, que se produzcan como un híbrido entre componentes biológicos y sintéticos. En consecuencia, estos materiales representan una clase especial del problema del plegamiento de proteínas y de la física de los polímeros. Además de las interacciones a nivel molecular, las propiedades mecánicas últimas de tales materiales se derivan también de interacciones de largo alcance, orientación y tamaño de cristalito. Los modelos de la ciencia de los polímeros y del plegamiento de proteínas deben combinarse y adaptarse para predecir cómo las propiedades mecánicas como el módulo, la resistencia y la elasticidad dependen de estos parámetros físicos. Una vez que dichos modelos también son capaces de explicar las propiedades mecánicas de los biomateriales de tipo salvaje, pueden usarse en un sentido predictivo para guiar la producción de materiales quiméricos.

HISTOLOGÍA MOLECULAR

Comprender la conformación espacial de macromoléculas biológicas (ADN, ARN, proteína) y los cambios funcionales en la conformación constituye un desafío continuo para las matemáticas. Los modelos analíticos y computacionales basados ​​en geometría y topología continúan teniendo mucho éxito al proporcionar un marco teórico y computacional para el análisis del mecanismo enzimático y la conformación macromolecular (Rybenkov, 1993 Schlick y Olson, 1992 White, 1992 Sumners et al, 1995 Lander y Waterman , 1995).

Las nuevas modalidades experimentales, como la microscopía crioelectrónica (Stasiak et al, 1996), las pinzas ópticas (Smith et al, 1996), proporcionan datos espaciales y estructurales de resolución cada vez mayor. Este nuevo espectro de datos de alta resolución requerirá modelos matemáticos de alta resolución correspondiente para ayudar en el diseño e interpretación de experimentos. El refinamiento de los modelos existentes proporcionará un punto de partida, pero se necesitan nuevas ideas y nuevas combinaciones de viejas ideas. Una necesidad particularmente importante es el desarrollo de descriptores eficientes de la conformación espacial de los descriptores de macromoléculas que permitan una entrada y recuperación de información eficientes en la base de datos, al tiempo que codifican información estructural biológicamente significativa. IV. BIOLOGÍA ORGANISMAL

El tema central de organización de las células y los sistemas celulares es cómo el comportamiento y la función en un nivel de organización surgen de la estructura y las interacciones de los componentes en los niveles inferiores. En el conjunto de temas descritos en esta sección, el nivel inferior de organización es subcelular o celular. Aunque algunos de los componentes subcelulares que juegan un papel en estos modelos son moleculares, el foco no está en la estructura de esas moléculas, sino en el papel que juegan en la función celular y multicelular. La sección de SEÑALIZACIÓN CELULAR se ocupa del papel de moléculas específicas en la regulación de procesos como la división celular, la comunicación celular y la expresión génica. En la sección MECÁNICA Y EMBRIOLOGÍA, la atención se centra en cómo los procesos mecanoquímicos a nivel molecular pueden impulsar los procesos que conducen a cambios macroscópicos en la forma de los tejidos y órganos. Los problemas discutidos en BIOFLUID DYNAMICS nuevamente comienzan a nivel de células individuales (bacterianas), con subestructuras (flagelos) que interactúan a escalas diminutas con la hidrodinámica para producir un comportamiento macroscópico (natación).

Las secciones sobre INMUNOLOGÍA Y VIROLOGÍA y NEUROCIENCIAS se centran en problemas científicos que involucran sistemas multicelulares más grandes. Comprender el sistema inmunológico requiere conocimientos sobre cómo las clases de moléculas que se encuentran en la superficie celular generan señales complejas que conducen a una respuesta inmunitaria normal.Esta respuesta, que incluye un recuerdo de interacciones previas con antígenos, es una propiedad de todo el sistema inmunológico, no de células individuales. De manera similar, el sistema nervioso se puede estudiar a nivel de células individuales, para comprender cómo las propiedades biofísicas de las membranas celulares contribuyen a las respuestas de las células individuales, pero la comprensión del funcionamiento del sistema nervioso también requiere un estudio del comportamiento de los grandes. escalar redes de neuronas.

SEÑAL TELEFÓNICA

El control de los procesos celulares, mediado por interacciones de moléculas de señalización y sus receptores de superficie celular, es un tema central y unificador en la biología celular experimental actual. En los últimos cinco años, las técnicas de biología molecular han revelado muchas de las quinasas, fosfatasas y otras moléculas involucradas en las vías de transducción de señales, así como subdominios moleculares y motivos de secuencia que determinan distintas funciones. Se están aplicando nuevas técnicas para medir la fosforilación, los flujos de calcio y otras respuestas bioquímicas tempranas a las interacciones del receptor para estudiar muchos sistemas de señalización celular (por ejemplo, bacterias quimiotácticas, neuronas y linfocitos). Los sistemas experimentales diseñados genéticamente que consisten en líneas celulares homogéneas, transfectadas con poblaciones homogéneas de receptores y moléculas efectoras de tipo salvaje y mutantes, han facilitado la adquisición de gran parte de la nueva información sobre las moléculas intracelulares que median la transducción de señales. La medición mejorada y el diseño experimental hacen que el modelado matemático sea una herramienta cada vez más factible para probar ideas sobre las interacciones de estas moléculas.

El modelado ha contribuido a nuestra comprensión de las interacciones clave de la superficie celular (por ejemplo, agregación de receptor inducida por ligando, interacciones célula-célula y adhesión celular).El modelado también ha aclarado la naturaleza y los efectos de las respuestas celulares (por ejemplo, internalización y secreción de proteínas, división y diferenciación celular y motilidad celular). Combinaciones recientes de modelos y experimentos han aportado una comprensión más profunda del papel del calcio en la regulación de la división celular, la comunicación neuronal, la regulación de la contracción muscular, la polinización y otros procesos celulares. (Silver, 1996) Se encuentran descripciones representativas del trabajo colaborativo aplicando las matemáticas a problemas en biología celular experimental en Alt et al, 1996 Goldstein y Wofsy, 1994 y Lauffenburger y Linderman, 1993. Otros ejemplos recientes de la aplicación productiva de la teoría a la señalización celular y la motilidad celular incluyen Alon et al, 1995 Bray, 1995 Jafri y Keizer, 1994 Naranja et al, 1994 Tranquillo y Alt, 1996 y Tyson et al, 1996. En los próximos años, podemos esperar que el modelado matemático juegue un papel central en el diseño e interpretación de experimentos destinados a comprender en detalle las reacciones bioquímicas que conducen desde las interacciones de los receptores hasta los cambios en la expresión génica, la división celular y otras respuestas funcionales.

MECÁNICA Y EMBRIOLOGÍA

Los recientes avances en instrumentación han hecho posible medir movimientos y fuerzas mecánicas a escala molecular (Svoboda y Block, 1994). Concomitantes con estas nuevas mediciones mecánicas se encuentran las técnicas de difracción de rayos X y cristalográficos que han revelado la estructura atómica y la geometría molecular de las enzimas mecanoquímicas a resoluciones angstrom (Rayment y Holden, 1994). Juntas, estas técnicas han comenzado a proporcionar datos que han revivido el interés en la mecánica celular y han revitalizado la visión de las enzimas como dispositivos mecanoquímicos. Ahora es posible hacer modelos realistas de procesos mecanoquímicos moleculares que puedan relacionarse directamente con parámetros observables y controlables experimentalmente (Peskin y Oster, 1995). Estos avances en la tecnología experimental han iniciado un renacimiento en los esfuerzos teóricos para volver a abordar la pregunta central: ¿cómo funcionan las máquinas de proteínas? Más precisamente, ¿cómo se transduce la energía química en fuerzas mecánicas dirigidas que impulsan tantos eventos celulares?

La embriología también se ha movido más allá de la observación descriptiva para abarcar el control genético del desarrollo y la localización de los efectores de proteínas. Las medidas de estrés y deformación que ahora son posibles a escala celular prometen unir la genética, la bioquímica y la biomecánica del desarrollo (Oliver et al, 1995). Al caracterizar las propiedades mecánicas de las células y tejidos embrionarios, se pueden usar modelos matemáticos para discriminar entre varios posibles mecanismos para impulsar la morfogénesis (Davidson et al, 1995).

Los ejemplos abarcan todos los fenómenos que implican el movimiento coordinado de macromoléculas, células o tejidos. ¿Cómo se arrastran las células embrionarias y las bacterias nadan (Dembo, 1989 Berg, 1995 Mogilner y Oster, 1996)? ¿Cómo se transportan las proteínas por la célula (Scholey, 1994)? ¿Qué impulsa la gran progresión de la división celular (Murray y Hunt, 1993)? ¿Qué impulsa la conformación de tejidos y órganos durante el desarrollo embrionario (Murray y Oster, 1984 Brodland, 1994) y la remodelación de órganos después de una lesión (Tranquillo y Murray, 1993 Olsen et al, 1995)?

DINÁMICA DE BIOFLUIDOS

Debido a la revolución en curso en la tecnología informática, ahora podemos resolver problemas de dinámica de fluidos en las tres dimensiones espaciales y en el tiempo (Ellington y Pedley, 1995). Esto abre oportunidades biológicas en muchas escalas de tamaño diferentes. En la escala de órganos, por ejemplo, ahora se pueden realizar simulaciones de dinámica de fluidos del corazón embrionario y fetal en diferentes etapas de desarrollo. Tales modelos ayudarán a dilucidar el papel de las fuerzas de los fluidos en la configuración del corazón en desarrollo. La mecánica de natación de los microorganismos también es accesible a la simulación por computadora. Un problema particularmente desafiante en este campo se refiere a la intensa interacción hidrodinámica entre los diferentes flagelos de la misma bacteria: cuando los flagelos giran para que sus ondas helicoidales se propaguen lejos del cuerpo celular, se envuelven entre sí para formar una especie de superflagelo que impulsa a la bacteria de manera constante cuando sus motores se invierten y los flagelos giran hacia el otro lado, el superflagellum se desenreda y la bacteria cae en su lugar. Debido a la dificultad de medir los flujos microscópicos de fluidos, la hidrodinámica dentro de las células es un aspecto muy descuidado de la biomecánica celular e intracelular. De hecho, la computación proporciona nuestra única ventana a este importante aspecto de la fisiología celular. La incompresibilidad y la viscosidad del agua tienen el efecto de acoplar movimientos a lo largo de diferentes ejes, y entre objetos bastante distantes entre sí, los procesos biomoleculares también se modulan por la necesidad de apartar el agua del camino. Una nueva característica en este ámbito de la micro y nano hidrodinámica es la importancia del movimiento browniano y la importancia relacionada de la mecánica osmótica (incluidas las transformaciones sol-gel) para controlar los movimientos de los fluidos.

El progreso en este campo dependerá del acceso a la informática científica a gran escala. Es importante que los científicos dispongan de la mejor tecnología en una escala suficiente para sustentar este tipo de investigación. Esto también requerirá el apoyo de personas con la experiencia necesaria para hacer un uso eficaz de estas potentes máquinas. En las universidades, estas personas suelen ocupar puestos de investigación no titulares de la facultad. Necesitamos apoyo para mantener su papel crucial.

INMUNOLOGIA Y VIROLOGIA

Durante los dos últimos años, la modelización matemática ha tenido un gran impacto en la investigación en inmunología y virología. Las colaboraciones serias entre los teóricos y el experimento proporcionaron avances al ver experimentos en los que a los pacientes con SIDA se les administraban potentes fármacos antirretrovirales como perturbaciones de un sistema dinámico. La modelización matemática combinada con el análisis de los datos obtenidos durante los ensayos clínicos de fármacos estableció por primera vez que el VIH se elimina rápidamente del cuerpo y que se producen aproximadamente 10 mil millones de partículas de virus al día (Ho et al, 1995). Este trabajo tuvo un impacto tremendo en la comunidad del SIDA y, por primera vez, les ha brindado una imagen cuantitativa del proceso de la enfermedad. El impacto de este tipo de análisis se ha extendido más allá del SIDA y existen oportunidades para desarrollar modelos realistas y útiles de muchas enfermedades virales. Sigue habiendo desafíos en el estudio de la farmacoterapia como un problema de control no lineal, y es necesario considerar la rapidez con la que los virus mutan y se vuelven resistentes a los medicamentos bajo diferentes regímenes terapéuticos. Estos problemas también se aplican al desarrollo de resistencia a los antibióticos en las enfermedades bacterianas.

Existen oportunidades para avances sustanciales en inmunología mediante el uso de técnicas de modelado. El modelado molecular está proporcionando información sobre la estructura y función de las moléculas de la superficie celular que son cruciales para el funcionamiento del sistema inmunológico: inmunoglobulina, el receptor de células T y moléculas codificadas por los genes del complejo principal de histocompatibilidad, así como moléculas que son reconocidas por el sistema inmune. Las secuelas bioquímicas del reconocimiento molecular implican la generación de señales bioquímicas y enzimáticas complejas, cuyo efecto neto son cambios en la expresión génica seguidos en muchos casos de proliferación celular, diferenciación celular y movimiento celular. Queda por dilucidar cómo se orquestan estos cambios para producir una respuesta inmunitaria. Sin embargo, el modelado puede darnos una idea de cómo las células interactúan por contacto directo y a través de moléculas secretadas, citocinas, para producir el comportamiento coordinado necesario para enfrentar los desafíos del sistema inmunológico.

Neurociencias

El desafío fundamental de la neurociencia es comprender cómo el comportamiento surge de las propiedades de las neuronas y las redes de neuronas. Los avances en las metodologías experimentales están proporcionando información detallada sobre los canales iónicos, su distribución sobre las membranas dendríticas y axonales de las células, su regulación por agentes moduladores y la cinética de las interacciones sinápticas. El desarrollo de computación rápida, sofisticadas herramientas de simulación y algoritmos numéricos mejorados ha permitido el desarrollo de modelos computacionales detallados basados ​​en biofísica que reproducen las complejas propiedades dinámicas de activación de neuronas y redes. Tales cálculos brindan una oportunidad doble para avanzar en nuestro conocimiento: (1) ambos explican e impulsan nuevos experimentos, (2) proporcionan la base para nuevas teorías matemáticas que permiten obtener modelos reducidos que retienen la esencia cuantitativa de la información detallada. modelos. Estos modelos reducidos, que permiten unir múltiples escalas espaciales y temporales, son los componentes básicos de los modelos de nivel superior.

Las herramientas de modelado y el análisis matemático nos permiten abordar la pregunta central: ¿Cuáles son las bases celulares para los cálculos y tareas neuronales como el procesamiento sensorial, el comportamiento motor y la cognición? (Koch y Segev, 1989 Bower, 1992) Más específicamente, ¿cómo se combinan en redes las propiedades intrínsecas de las neuronas con las propiedades sinápticas, la conectividad y las propiedades de cable de las dendritas para producir nuestra interacción con el mundo? Los moduladores neuronales afectan tanto a las corrientes intrínsecas como a las interacciones sinápticas entre neuronas. (Harris-Warrick et al, 1992) Los efectos de estos cambios a nivel de red son difíciles de resolver incluso para redes pequeñas. El mayor desafío en esta área es comprender cómo se combinan sistemas con una enorme cantidad de grados de libertad y una gran cantidad de moduladores diferentes para producir un comportamiento flexible pero estable. La geometría y las propiedades del cable eléctrico de las dendritas ramificadas de las neuronas también afectan la actividad de la red. (Stuart y Sakmann, 1994) El análisis matemático es necesario para interpretar los resultados de cálculos masivos e incorporar los conocimientos en los modelos de red.

La dinámica de las redes neuronales (Golomb et al, 1996 Kopell y LeMasson, 1994) afectan tanto el comportamiento cognitivo como el sensorial-motor. Para comprender el comportamiento motor, se deben construir modelos que iluminen el papel de la retroalimentación entre los subsistemas neuronales y mecánicos. Para los sistemas sensoriales, uno de los problemas más importantes es comprender cómo el cerebro controla los datos que recibe, incluida la comprensión más rigurosa de la parametrización / descripción cuantitativa de los estímulos naturales. Un área de investigación activa actual es la caracterización de los códigos utilizados en el procesamiento de la información en el sistema nervioso. (Softky y Koch, 1993 Shadlen y Newsome, 1995 Softky, 1995) Entre las cuestiones planteadas por esta pregunta está cómo la compleja dinámica de la corteza puede ayudar a dar forma a las respuestas a los estímulos, incluida la selección de vías que conducen a comportamientos diferentes.

El modelado se ha convertido en una herramienta central y aceptada en neurobiología. Los objetivos científicos actuales enumerados anteriormente crean desafíos específicos en el modelado. Algunos de estos se refieren al manejo e interpretación de un volumen mucho mayor de datos que está ahora, o potencialmente, disponible, p. Ej. a través de técnicas de grabación de unidades múltiples. Con modelos muy grandes y complejos (Whittington et al, 1995), las técnicas para elegir parámetros sistemáticamente son importantes, al igual que los métodos para comparar modelos y comprender sus diferencias. Tanto las computadoras como el análisis matemático desempeñarán un papel importante en el tratamiento de los problemas técnicos. El análisis matemático sigue siendo la herramienta fundamental para proporcionar una comprensión profunda de cómo los modelos difieren en sus predicciones.
V. ECOLOGÍA Y BIOLOGÍA EVOLUTIVA

La evolución es el tema organizativo central en biología (por ejemplo, Roughgarden, 1979), y su manifestación en las relaciones entre tipos de organismos abarca niveles de organización y se extiende desde la biología hasta las ciencias sociales y de la tierra. Por lo tanto, los problemas centrales de la ecología y la evolución abarcan desde los que abordan cuestiones biológicas fundamentales hasta los que abordan el papel de la ciencia en los asuntos humanos. Los desafíos fundamentales que enfrentan los ecólogos y biólogos evolutivos se relacionan con las amenazas de la pérdida de la diversidad biológica, el cambio global y la búsqueda de un futuro sostenible, así como con la búsqueda continua de una comprensión del mundo biológico y cómo llegó a asumir su forma presente. ¿Hasta qué punto la organización del mundo biológico es el juego predecible y único de las reglas fundamentales que gobiernan su evolución, y hasta qué punto ha sido constreñido por un accidente histórico? ¿Cómo se manifiestan las interacciones entre especies, que van desde la estrecha interdependencia del huésped y el parásito hasta las conexiones más difusas entre las especies de plantas en un bosque, en sus patrones coevolutivos y en la evolución de la historia de vida? ¿Cuáles son las relaciones evolutivas entre especies estrechamente relacionadas, en términos de sus historias filogenéticas compartidas? ¿Cómo influyen las influencias humanas, como el uso de antibióticos y pesticidas, la explotación de la pesca y la tierra, y los patrones acelerados de cambio global, en la dinámica evolutiva de las especies y los patrones de invasión? ¿En qué medida puede una perspectiva evolutiva ayudarnos a prepararnos para el futuro, en términos de comprender qué especies podrían adaptarse mejor a nuevos entornos? Esto último es importante tanto en términos de patrones naturales de cambio como de manipulaciones deliberadas a través de la cría y la introducción de especies.

Entre los temas centrales están los relacionados con la biodiversidad (Tilman, 1994) Cómo se mantiene, cómo apoya los servicios de los ecosistemas, probables patrones de cambio y pasos para preservarla. Esto conduce a un conjunto fundamental de cuestiones centrales, tanto en términos de su importancia como en términos de su madurez para el éxito:

Biología de la conservación y preservación de la biodiversidad

¿Qué factores mantienen la biodiversidad? ¿Cómo pueden los nuevos enfoques de los análisis filogenéticos, al aclarar las relaciones evolutivas dentro y entre las especies, ayudarnos a comprender cómo debemos medir la biodiversidad? ¿Cómo se organizan los ecosistemas en grupos funcionales, ecológica y evolutivamente, y cómo esa organización se traduce en el mantenimiento de procesos ecosistémicos críticos, como la productividad y los ciclos biogeoquímicos, así como la mediación climática, el secuestro de sustancias tóxicas y otras cuestiones de importancia para los seres humanos? Vida en la Tierra.

Cambio global

¿Cuáles son las conexiones entre las partes físicas y biológicas de la biosfera global y las múltiples escalas de espacio, tiempo y complejidad organizativa en las que se desarrollan los procesos críticos? (Bolker et al, 1995) En particular, ¿cómo influyen las plantas individuales en los cambios en los patrones atmosféricos y, más difícil, cómo se retroalimentan esos efectos en las plantas individuales para influir en los patrones regionales y globales del clima y la diversidad biológica? ¿Cómo se relacionan los efectos sobre el fitoplancton y el zooplancton entre sí y con los patrones más amplios que pueden observarse?

Enfermedad emergente

¿Cómo contribuyen los patrones de crecimiento de la población y el uso de recursos, así como el uso derrochador de antibióticos, al surgimiento y resurgimiento de nuevas enfermedades mortales, muchas de ellas resistentes a los antibióticos? (Ewald, 1995) ¿Existen enfoques para el manejo de la diversidad de esas enfermedades, guiados por una perspectiva tanto evolutiva como ecosistémica, que puedan reducir la amenaza y proporcionar nuevas estrategias de mitigación?

Administracion de recursos

La historia de la gestión de nuestras fuentes de alimentos y fibra no es de éxitos absolutos, y muchos de estos recursos cruciales están amenazados hasta el punto de que no podrán satisfacer las necesidades de la humanidad en las próximas décadas. La perspectiva de alteraciones a gran escala de los sistemas físicos y biológicos de la tierra crea un conflicto potencial entre las necesidades, los deseos y las capacidades humanas. (Walters y Parma, 1996 Walters y Maguire, 1996) Esta situación se complica aún más por las limitaciones de nuestra comprensión y capacidad para controlar sistemas biológicos complejos. Debemos desarrollar métodos para la toma de decisiones y la gestión que sean apropiados para un futuro incierto. (Hilborn et al, 1995)

En todos estos temas, hay una variedad de temas transversales, algunos biológicos, otros metodológicos o conceptuales. Desde un punto de vista biológico, lo esencial es que todo lo que vemos ha sido moldeado por procesos evolutivos desde un punto de vista ecológico, es que los organismos no existen de forma aislada, sino que han existido dentro del contexto de otras especies y un ambiente abiótico, haciendo esencial una perspectiva ecosistémica en temas que van desde el manejo de enfermedades hasta el manejo de nuestro entorno global. De hecho, un desafío central es comprender cómo las propiedades, incluso de los ecosistemas, esos conjuntos sueltos de especies en hábitats particulares, pueden entenderse en términos de la coevolución difusa de los componentes dentro de sistemas muy abiertos.

Desde el punto de vista de la modelización, las cuestiones fundamentales siguen siendo cómo tratar la variación dentro de las unidades, así como la variación entre las unidades, por ejemplo, en la importancia de la heterogeneidad en los procesos evolutivos o la transferencia infecciosa. La interacción entre procesos que operan en escalas muy diferentes también impregna estas preguntas, desde la evolución hasta el cambio global. Y finalmente, las técnicas de simplificación y de relacionar comportamientos a nivel de individuos con descripciones macroscópicas proporcionan las herramientas para establecer las conexiones esenciales.

El progreso en todas estas áreas de investigación se derivará de la aplicación de un conjunto de enfoques, que van desde simulaciones espaciales y estocásticas explícitas hasta descripciones matemáticas más compactas (Durrett y Levin, 1994) que permiten el análisis y la simplificación. Los avances recientes en la tecnología informática han abierto la posibilidad de incluir muchos más detalles que nunca en los enfoques de simulación, lo que brinda la posibilidad de incluir muchos más detalles biológicos. Sin embargo, este detalle tiene un costo. La capacidad de generar información no equivale a comprensión, y el desafío matemático es desarrollar técnicas que puedan incluir los detalles esenciales que impulsan los modelos complejos, al mismo tiempo que permitan una comprensión de las características que impulsan el comportamiento biológico a un nivel más profundo que permita la generalización. Esto requerirá tanto atención a los detalles biológicos subyacentes como al progreso matemático fundamental para tomar los límites apropiados y lograr una simplificación manejable de modelos estocásticos complejos, espacialmente explícitos.

A continuación, nos enfocamos en oportunidades de modelado en algunos de los subcampos específicos en las áreas generales de ecología y evolución.

GENÉTICA DE POBLACIONES

Si bien la evolución es el gran principio unificador que subyace a toda la biología, la genética evolutiva forma la base de la evolución.Las desafiantes aplicaciones matemáticas y computacionales en esta área crítica van desde el desarrollo de marcos teóricos a partir de los cuales inferir el funcionamiento de mecanismos evolutivos como la selección natural a nivel molecular a nivel de organismo, hasta la comprensión de la base genética de las interacciones entre especies.

Un área crítica, aún en su infancia, se refiere a la identificación y el análisis genético (Coyne et al, 1991) de genes que desempeñan funciones clave en las interacciones entre especies y el medio ambiente. El mapeo de tales loci de rasgos cuantitativos consta de tres problemas de inferencia interrelacionados: detectar los efectos de estos loci, determinar el número de loci principales que afectan un rasgo y ubicarlos en relación con los marcadores genómicos. Por tanto, una solución completa implica problemas de prueba, selección de modelos y estimación. Una vez que se complete el análisis ecológico y genético de los rasgos que limitan las respuestas adaptativas, será posible abordar cuestiones evolutivas cruciales como la importancia relativa del flujo de genes, las compensaciones genéticas y las limitaciones genéticas.

Una segunda área interesante se refiere a la evolución de la historia de la vida, que a menudo se centra en el momento de los eventos de la historia de la vida o la asignación de recursos y tiempo del organismo entre demandas en conflicto como la longevidad y la fecundidad. La evolución de estos rasgos se puede estudiar a partir de descripciones genéticas cuantitativas en las que se exploran las dinámicas transitorias (Tuljapulkar y Wiener, 1995), mientras que el entorno selectivo se reduce a un gradiente de selección. Alternativamente, la naturaleza del efecto selectivo del medio ambiente sobre un rasgo se puede explorar mediante enfoques de optimización. Existe una necesidad apremiante de formulaciones más complejas, como modelos que reduzcan la brecha entre los problemas de asignación y tiempo, modelos que incorporen explícitamente (Charlesworth, 1994) cómo actúan los genes en diferentes edades y a lo largo del tiempo, para modelos en la interfaz entre la evolución de la historia de vida y comportamiento (Charlesworth, 1994), y para modelos que examinan cómo las historias de vida (Tuljapulkar, 1994) están influenciadas por la variación temporal y espacial en el medio ambiente.

Más allá del nivel de especie, la dinámica coevolutiva de los rasgos cuantitativos que a menudo están involucrados en las interacciones de las especies plantean muchos desafíos y oportunidades para los biólogos teóricos, computacionales y matemáticos que abarcan todas las áreas de la ecología y la evolución. Por ejemplo, el estudio de la evolución de la virulencia (Frank, 1993, 1994) en sistemas insecto-parasitoide-hospedador y las interacciones hongos-virus en plantas y el estudio de los mecanismos de especialización y el análisis de zonas híbridas son parte del proceso de corte. investigación de vanguardia que se lleva a cabo en la interfaz de la biología y las ciencias matemáticas.

Con la rápida acumulación de datos de secuencia para genomas completos, ahora estamos preparados para analizar el conjunto de genes, su orden y organización, el uso de codones, etc. en todos los taxones (Griffiths y Tavare, 1996) y cómo y quizás por qué esto ha evolucionado durante tiempo. (Thorne et al, 1992) Esto requiere una mayor capacidad para modelar cómo se representa la información y cómo se actúa en los sistemas biológicos (Griffiths y Tavare, 1996) basándose en herramientas de campos como las matemáticas discretas, la combinatoria y los lenguajes formales. Se necesitan formulaciones novedosas, tal vez ad-hoc, para formar la base matemática de los análisis genómicos porque las formulaciones cuantitativas clásicas de nociones como información, similitud y clasificación, todas inextricablemente relacionadas con la biología, son inadecuadas. En consecuencia, se necesitan métodos para organizar vastas secuencias de datos en estructuras de datos y bases de datos adecuadas para el almacenamiento y acceso de datos más eficientes, junto con algoritmos mejorados para el análisis de secuencias y la identificación de homologías entre secuencias.

Los estudios de genética poblacional de la estructura genética de las poblaciones naturales son una herramienta fundamental a partir de la cual se puede deducir la historia evolutiva y las fuerzas evolutivas que actúan en las poblaciones naturales. La teoría genética de poblaciones actual y los métodos de análisis de datos se basan en gran medida en uno o unos pocos loci genéticos, cada uno con dos formas alternativas (alelos). Los datos actuales, sin embargo, incluyen típicamente la composición genética en un gran número de marcadores genéticos que, con el advenimiento de nuevas técnicas moleculares como la reacción en cadena de la polimerasa, son cada vez más hipervariables con un gran número de formas alternativas segregadas en cada uno. Se necesitan nuevos marcos teóricos y métodos estadísticos para extraer y utilizar la información evolutiva completa contenida en estos conjuntos de datos complejos.

BIOLOGÍA DE LA CONSERVACIÓN

Prácticamente todas las cuestiones importantes de la biología de la conservación requieren hacer predicciones, por lo que la teoría y los métodos matemáticos han desempeñado y seguirán desempeñando un papel central. Aunque muchas de las cuestiones científicas subyacentes se han definido durante la última década, quedan muchas cuestiones por resolver. ¿Qué especies se perderían a raíz de una invasión y cuáles son los efectos sobre la función del ecosistema? Por ejemplo, ¿cuáles son las consecuencias del reemplazo de especies nativas de peces por especies introducidas? Es probable (y necesario) un progreso sustancial en el futuro cercano para comprender la dinámica de las especies exóticas invasoras, determinando más cuidadosamente el papel que juega la genética en la dinámica de las especies raras o en peligro de extinción y en la dinámica ecológica de las especies amenazadas.

Los estudios teóricos se han centrado en el tamaño de la población o las características necesarias para permitir que las especies mantengan la diversidad genética necesaria para permitir la persistencia a largo plazo. (Lande, 1993, 1994) Estas respuestas han demostrado que se requiere un tamaño de población efectivo, pero se necesita más trabajo para comprender cómo el tamaño de población efectivo se relaciona con el tamaño y la estructura de la población real y las características del ciclo de vida, lo que realmente se puede observar. Estos conducen a interesantes desafíos matemáticos relacionados con poblaciones estructuradas y con la integración de modelos ecológicos y genéticos.

El impacto de la invasión de especies exóticas en las comunidades y especies ecológicas nativas existentes es quizás el problema de conservación más importante en la actualidad (OTA, 1993). Casi no se han desarrollado teorías que predigan las tasas de propagación de especies dentro del contexto de comunidades incluso simples, y los problemas matemáticos relacionados con las ecuaciones de difusión de reacciones acopladas también son un desafío. Aunque los modelos matemáticos básicos de dispersión espacial se remontan al menos a Fisher (1937), trabajos recientes han demostrado que la situación es mucho más compleja, ya que las tasas de dispersión pueden variar al menos en un orden de magnitud según los supuestos del modelo. están cambiados. (por ejemplo, Lewis & amp Kareiva, 1993 Zadocks y Van Den Bosch, 1994) El trabajo adicional podrá conducir a predicciones cuantitativas sólidas de las tasas de propagación.

GESTIÓN DE SISTEMAS NATURALES

En los últimos años se ha producido un cambio brusco en la filosofía de gestión. (Hiborn et al, 1995) El antiguo objetivo de manejar especies individuales para alcanzar y mantener condiciones óptimas ha sido reemplazado por un nuevo objetivo de mantener la función del ecosistema y adaptarse a nuevas condiciones o cambios en el sistema. Este cambio refleja una actitud más madura hacia la naturaleza que reconoce las limitaciones de nuestro conocimiento y capacidades, la importancia de las interacciones entre especies y una apreciación de los peligros de un modo de operación de comando y control.

Este nuevo enfoque de la gestión permite aplicar elementos del método científico en un contexto nuevo y significativo: podemos diseñar esquemas de gestión experimentales que proporcionen la información necesaria para mejorar el proceso de gestión y adaptarse a los cambios, incluso imprevistos. Este nuevo enfoque desafía nuestras habilidades matemáticas y estadísticas. Una adaptación exitosa requiere una organización eficaz y oportuna de los datos mediante la estimación de parámetros que afectan la dinámica del sistema, incluida la dinámica de nuestro aprendizaje. Luego, esa información debe traducirse en una evaluación de las posibles consecuencias de las estrategias y acciones de gestión.

Los principales desafíos a los que se enfrenta la especie humana no pueden afrontarse con un enfoque reduccionista o fragmentado. En cambio, debemos reunir todo nuestro ingenio y recursos para aprender sobre el comportamiento de sistemas naturales intactos bajo estrés y perturbación, y adaptar nuestras instituciones humanas a un mundo finito y vulnerable.

CAMBIO GLOBAL Y BIODIVERSIDAD

El cambio climático y los cambios asociados en los gases de efecto invernadero han hecho imperativo el examen de los impactos potenciales en los sistemas naturales y las retroalimentaciones asociadas. Los avances en las capacidades computacionales han hecho posible la construcción de modelos detallados basados ​​en individuos que tienen en cuenta las respuestas de los árboles individuales a los cambios en las condiciones ambientales y sus efectos mutuos. Sin embargo, estos modelos requieren una enorme cantidad de datos y tienen un gran potencial para la propagación de errores. Para hacer sus predicciones robustas, y para permitir que esas predicciones se interconecten con las predicciones a escala mucho más amplia de los modelos climáticos, y las masas de información a gran escala que están disponibles a partir de la teledetección, debemos encontrar formas de reducir la dimensionalidad y simplificarlas excesivamente. modelos detallados. Comentarios similares se aplican a modelos de otros sistemas, como la agregación de organismos sociales desde los mohos celulares hasta los invertebrados y vertebrados marinos y terrestres. Métodos como el cierre de momentos y los límites hidrodinámicos, tomados de otras disciplinas, están demostrando ser muy prometedores, especialmente cuando se combinan con enfoques experimentales (Levin y Pacala, 1996).

Esto representa uno de los problemas más desafiantes e importantes de la ciencia de los ecosistemas. Al mismo tiempo, se dispone de una gran cantidad de datos de los sistemas de observación global, y los experimentos críticos están proporcionando comprensión de los vínculos entre la estructura y función de los ecosistemas y, en particular, el papel de la biodiversidad en el mantenimiento de los procesos del sistema. Los próximos 5 a 10 años tienen un potencial notable para enfoques teóricos, empíricos y computacionales integrados para dilucidar cuestiones profundas e importantes (Field, 1992 Bolker, 1995).

LA DINÁMICA DE LAS ENFERMEDADES INFECCIOSAS

El tema de la dinámica de las enfermedades infecciosas ha sido uno de los más antiguos y exitosos en biología matemática durante un siglo, y ha visto avances poderosos en los últimos años en la teoría matemática y en la aplicación de esa teoría a las estrategias de manejo (ver, por ejemplo, Anderson y May, 1991). Gran parte de la literatura ha asumido una mezcla homogénea, de modo que cada individuo tiene la misma probabilidad de infectar a todos los demás, pero tales modelos son inadecuados para describir las características cualitativas centrales de la mayoría de las enfermedades, especialmente las que se transmiten sexualmente, o para qué estructura espacial o socioeconómica localiza interacciones. El trabajo clásico de Hethcote y Yorke (1984) sobre la dinámica de los grupos centrales destacó la importancia de tales efectos y formó la base sobre la que descansa gran parte del trabajo reciente. Este trabajo, que involucra la estructura espacial, la frecuencia y la dependencia de la densidad, y los factores de comportamiento, no solo nos han obligado a revisar viejos paradigmas, sino que han revitalizado la interacción entre la dinámica no lineal, la ecología y la epidemiología.

CUESTIONES MATEMÁTICAS Y COMPUTACIONALES QUE SE ENCUENTRAN EN TODOS LOS DOMINIOS - - RELACIÓN ENTRE SIMULACIÓN Y MATEMÁTICAS

La revolución de la tecnología informática nos permite realizar simulaciones complejas con las que solo se soñaba hace una década. El uso eficaz de esta tecnología requiere un uso sustancial de las matemáticas en todas las etapas del proceso de simulación: la formulación cuantitativa (o cualitativa) de modelos, el diseño de tipos de datos y algoritmos apropiados, la traducción de modelos en implementaciones informáticas eficientes, la estimación de valores de parámetros, visualización de la salida y comparación de los resultados de la simulación con los resultados de la experimentación adicional. Las matemáticas también son esenciales en el paso crítico del desarrollo de algoritmos que calculan propiedades importantes de los modelos sin recurrir a la simulación numérica.

Además, las matemáticas pueden mejorar significativamente nuestra comprensión de los procesos que se estudian a través de la simulación. Por ejemplo, las teorías de los sistemas dinámicos describen patrones que están muy extendidos, tanto que se les ha llamado "universales". La elucidación de estos patrones recurrentes es una parte central de las matemáticas. Las matemáticas reflexionan sobre un lenguaje común, un contexto que da sentido a los resultados de la simulación y una base firme para la infraestructura algorítmica de la simulación. Esta base asegura que los métodos de simulación sean generalizables y capaces de generar predicciones. Además, la teoría puede servir como base para reducir modelos sin pérdida de información, mejorando así la eficiencia de las simulaciones a gran escala.

PRINCIPALES PROBLEMAS DESAFIANTES QUE SE ENCUENTRAN EN TODAS LAS ÁREAS DE LOS SISTEMAS DE MODELADO

  • relaciones de escala y acoplamiento
  • complejidad temporal y codificación
  • estimación de parámetros y tratamiento de la incertidumbre
  • análisis estadístico y minería de datos
  • modelado de simulación y predicción.
  • ácidos nucleicos grandes y pequeños
  • proteinas
  • sistemas de membrana
  • ensamblajes macromoleculares generales
  • sistemas celulares, de tejidos, de organismos
  • sistemas ecológicos y evolutivos.
  • interpretación de imágenes y fusión de datos
  • problemas inversos
  • Visualización 2, 3 y de mayor dimensión y realidad virtual
  • formalismos para la codificación espacial y temporal
  • geometría compleja
  • Relaciones entre la arquitectura y la dinámica de la red.
  • complejidad combinatoria
  • teoría para sistemas que combinan efectos estocásticos y no lineales, a menudo en sistemas parcialmente distribuidos.
  • modelado de datos y diseño de estructura de datos
  • algoritmos de consulta, especialmente en tipos de datos heterogéneos
  • comunicación con el servidor de datos, especialmente la replicación de igual a igual
  • gestión de memoria distribuida y gestión de procesos.

Como se señaló anteriormente, el análisis matemático y el modelado por computadora se han convertido en herramientas indispensables en biología en los últimos años. Estas técnicas han tenido un gran impacto en áreas que van desde la ecología y la biología de poblaciones hasta las neurociencias, el análisis de secuencias de genes y proteínas y el modelado molecular tridimensional. Las técnicas matemáticas y de modelado permiten analizar e interpretar enormes cantidades de datos, proporcionando información y revelando patrones y relaciones que de otro modo permanecerían ocultos.

Dado el papel esencial que desempeñan las técnicas matemáticas y de modelado en tantas áreas diversas de la biología, existe una clara necesidad de oportunidades de formación adecuadas en biología computacional, matemática y teórica. Los mecanismos adecuados y prácticos para fomentar y fomentar la formación en biología computacional podrían incluir 1) programas de becas de formación de posgrado que involucren a profesores involucrados en enfoques tanto computacionales como experimentales, 2) becas posdoctorales para alentar a los matemáticos y científicos computacionales a seguir su capacitación en investigación en biología, y para permitir que los biólogos adquieran habilidades computacionales y de modelado, y 3) talleres de verano y cursos cortos para ayudar a los biólogos, matemáticos y científicos computacionales en ejercicio a comenzar a cerrar la brecha entre estas disciplinas bastante diversas.

Además de la formación de especialistas en biología computacional, existe una clara y dramática necesidad de mejorar la formación en matemáticas y métodos computacionales para los estudiantes de ciencias biológicas u otras personas que puedan ingresar a la fuerza laboral en cualquier disciplina científica. Un enfoque sistemático, comenzando en el nivel K-12, que enfatiza la importancia de las matemáticas y el modelado en las actividades de biología (como se describe en los Estándares Nacionales de Ciencias) ayudaría a asegurar que los estudiantes estén mejor preparados para utilizar enfoques matemáticos en los planes de estudio de biología de pregrado, y es menos probable que eviten los cursos matemáticamente rigurosos en los programas de pregrado debido a antecedentes deficientes en matemáticas o "fobia a las matemáticas". Una mejor formación en matemáticas en los niveles más tempranos probablemente también aumentará el número de estudiantes interesados ​​en realizar estudios de posgrado en áreas interdisciplinarias de biología matemática y computacional. Un mayor énfasis en las matemáticas y los estudios computacionales en los niveles K-12 y de pregrado también se puede combinar de manera efectiva con programas para alentar a las mujeres y las minorías subrepresentadas a seguir carreras en ciencias, especialmente en áreas interdisciplinarias que unen las ciencias biológicas, matemáticas y computacionales.

Finalmente, debe reconocerse que las simulaciones por computadora y las herramientas de modelado matemático pueden ser ayudas eficaces para la enseñanza de las ciencias biológicas. Temas como las relaciones entre la estructura y la función de las proteínas se benefician enormemente de las demostraciones gráficas tridimensionales interactivas. Las simulaciones y animaciones por computadora basadas en modelos matemáticos pueden ser una forma extremadamente efectiva de ilustrar el comportamiento y las propiedades de sistemas complejos, que van desde interacciones proteína-ligando hasta el comportamiento de migración de grandes poblaciones animales. Por lo tanto, la inclusión del trabajo del curso matemático y computacional como un tema lógico y secuencial articulado en los planes de estudio de pregrado y K-12 probablemente tendrá beneficios de gran alcance para la educación en biología.

Alon, R., Hammer, D. A. y Springer, T. A. (1995). Vida útil de la P-selectina - Enlace de carbohidratos y su respuesta a la fuerza de tracción en el flujo hidrodinámico. Nature 374, 539-542.

Alt, W., Deutsch, A. y Dunn, G., eds., (1996). Mecanismos de movimiento celular y tisular. Birkhaeuser Verlag, Basilea.

Anderson, R.M. y May, R.M. (1991) Enfermedades Infecciosas de los Humanos. Universidad de Oxford. Presionar.

Arnold, B. y Rossmann, M.G. (1986). Efecto de errores, redundancia y contenido de solvente en el procedimiento de reemplazo molecular para la determinación de la estructura de macromoléculas biológicas. Proc. Natl. Acad. Sci. USA 83, 5489-5493.

Asilomar (1995). Proteínas 23, 295-460.

Bashford, D. y Karplus, M. (1990). pKa de grupos ionizables en proteínas: detalle atómico de un modelo electrostático continuo. J. Mol. Biol. 29, 10219-10225.

Berendsen, H. J. C. (1996). La dinámica biomolecular llega a la mayoría de edad. Science 271, 954-955.

Berg, H. (1995). Generación de par mediante motor rotativo Flagella. Biophys. 68 (4 Supl.), 163S-166S.

Bolker, B.M., Pacala, S.W., Bazzaz, F.A. y Canham, C.D. (1995) Diversidad de especies y respuesta de los ecosistemas a la fertilización con dióxido de carbono: conclusiones de un modelo de bosque templado. Biología del cambio global 1, 373-381.

Bolker, B. M., Pacala, S.W., Canham, C., Bazzaz, F. y Levin, S.A. (1995) Species Diversity and Ecosystem Response to Carbon Dioxide Fertilization: Conclusions from a Temperate Forest Model. Biología del cambio global 1, 373-381.

Bourret, R. B., Borkovitch, K. A. y Simon, M. I. (1991). Vías de transducción de señales que implican la fosforilación de proteínas en procariotas. Ana. Rev. Biochem. 60, 401-441.

Bower, J.M., editor invitado (1992). Número especial: Modelado del sistema nervioso. Tendencias en neurociencia 15, # 11.

Bowie, J. U., Luthy, R. y Eisenberg, D. (1991).Un método para identificar secuencias de proteínas que se pliegan en una estructura tridimensional conocida. Science 253, 164-170.

Brodland, G. (1994). Métodos de elementos finitos para la biología del desarrollo. En International Review of Cytology, 150, Academic Press, Inc. págs. 95-118.

Bray, D. (1995). Moléculas de proteínas como elementos computacionales en células vivas. Nature 376, 307-312.

Bryant, S. H. y Lawrence, C. E. (1993). Una función de energía empírica para enhebrar la secuencia de proteínas a través del motivo plegable. Proteínas 16, 92-112.

Charlesworth, B. (1994). Evolución en poblaciones estructuradas por edad. Cambridge University Press, segunda edición.

Coyne, J.A., Aulard, S. y Berry, A. (1991). Falta de subdominio en una inversión pericéntrica que ocurre naturalmente en Drosophila-Melanogaster y sus implicaciones para la evolución cromosómica. Genética 129, 791-802.

Coyne, J.A., Charlesworth, B. y Orr, H.A. (1991). Revisión de la regla de Haldane. Evolución 45, 1710-1714.

Davidson, L., Koehl, M., Keller, A. y Oster, G. (1995). ¿Cómo Gastrulan los Erizos de Mar? Distinguir entre mecanismos de invaginación primaria mediante biomecánica. Desarrollo 121, 2005-2018.

Dembo, M. (1989). Mecánica y Control del Citoesqueleto en Amoeba proteus. Biophys. J. 55, 1053-1080.

Doering, C., Ermentrout, B. y Oster, G. (1995). Motores rotativos de ADN. Biophys. J. 69, 2256-2267.

Durrett, R. y Levin, S.A. (1994) Stochastic Spatial Models: A User's Guide to Ecological Applications. Phil. Trans. Soc. Lond. B. 343, 329-350.

Easterwood, T. R., Major, F., Malhotra, A. y Harvey, S. C. (1994). Orientaciones del ARN de transferencia en los sitios ribosomales A y P. Nucl. Ácido. Res. 22, 3779-3789.

Ewald, P.W. (1995). La evolución de la virulencia: un vínculo unificador entre parasitología y ecología. J. Parasitology 81, 659-669.

Eisenberg, D. y McLachlan, A. D. (1986). Energía de solvatación en el plegado y la unión de proteínas. Nature 319, 199-203.

Ellington, C.P. y Pedley, T.J., eds. (1995). Dinámica de fluidos biológica. Company of Biologists Limited, Cambridge, Reino Unido

Field, C.F., Chapin III, F. S., Matson, P. A. y Mooney, H. A. (1992) Responses of Terrestrial Ecosystems to the Changing Atmosphere: A Resource-Based Approach. Ana. Rev Ecol. Syst. 23, 201-235.

Findlay, J. B. C. (1996). Modelos de proteínas de membrana. BIOS, Oxford

Fisher, R.A. (1937). La ola de avance de genes ventajosos. Ana. Eugen. (Lond.) 7, 355-369.

Fleischmann, R.D., Adams, M.D., White, O., Clayton, R.A. (1995) Secuenciación aleatoria de genoma completo y ensamblaje de Haemophilus influenzae Rd. Science 269, 496-512.

Frank, S.A. (1993). Evolución de la diversidad huésped-parásito. Evolution 47, 1721-1732.

Frank, S.A. (1994). Genética coevolucionaria de hospedadores y parásitos con herencia cuantitativa. Ecología evolutiva 8, 74-94.

Gao, J. (1996). Simulaciones híbridas de mecánica cuántica y molecular: una vía alternativa a los efectos de los disolventes en la química orgánica. Acc. Chem. Res. 29, 298-305.

Gilson, M. K., McCammon, J. A. y Madura, J. D. (1995). Simulación de dinámica molecular con un modelo electrostático continuo del disolvente. J. Comput. Chem. 16, 1081-1095.

Goldstein, B. y Wofsy, C., eds. (1994). Conferencias de Matemáticas en las Ciencias de la Vida 24: Biología Celular. Sociedad Americana de Matemáticas, Providence, RI.

Golomb, D., Wang, X-J y Rinzel, J. (1996) Propagation of Spindle Waves in a Thalamic Slice Model. J. Neurophys 75, 750-769.

Griffiths, R.C y Tavare, S. (1996). Métodos computacionales para el coalescente. Volumen IMA, P. Donnelly y S. Tavare, eds. En prensa.

Guida, W. C. (1994). Software para el diseño de fármacos basado en estructuras. Curr. Opin. Struc. Biol. 4, 777-781.

Harris-Warrick, R., Marder, E., Selverston, A. y Moulins, M., eds. (1992). Redes biológicas dinámicas: el sistema nervioso estomatogástrico, MIT Press

Hethcote, H.W. y Yorke, J.A. (1984) Gonorrea: dinámica de transmisión y control. Lect. Notas en Biomath. 56, 1-105.

Hilborn, R., Walters, C.J. y Ludwig, D. (1995) Explotación sostenible de recursos renovables. Revisión anual de ecología y sistemática 26, 45-67.

Ho, D. D., Neumann, A. U., Perelson, A. S., Chen, W., Leonard, J. M. y Markowitz, M. (1995). Rotación rápida de viriones plasmáticos y linfocitos CD4 en la infección por VIH-1. Nature 373, 123-126.

Honig, B. y Nicholls, A. (1995). Electrostática clásica en biología y química. Science 268, 1144-1149.

Humphreys, D. D., Freisner, R. A. y Berne, B. J. (1994). Un algoritmo de dinámica molecular de múltiples etapas de tiempo para macromoléculas. J. Phys. Chem. 98, 6884-6892.

Jaeger, L., Michel, F. y Westhof, E. (1994). Participación de un Tetraloop GRNA en interacciones terciarias de largo alcance. J. Mol. Biol. 236, 1271-1276.

Jafri, S. M., y Keizer, J. (1994) La difusión de 1,4,5-trifosfato de inositol pero no Ca2 + es necesaria para una clase de ondas de Ca2 + inducidas por 1,4,5-trifosfato de inositol. Proc. Natl. Acad. Sci. 91, 9485-9489.

Johnson, B. A. y Blevins, R. A. (1994). NMRView: un programa informático para la visualización y análisis de datos de RMN. J. Bimolec. NMR 4, 603-614.

Kearsley, S.K., Underwood, D.J., Sheridan, R.P. y Miller, M.D. (1994). Flexibases: una forma de mejorar el uso de métodos de acoplamiento molecular. J. Comp. Ayudar. Mol. Diseño 8, 565-582.

Koch, C. y Segev, I., eds. (1989). Métodos en el modelado neuronal: de las sinapsis a las redes, MIT Press, Cambridge MA. 2a edición, en prensa 1996.

Kontoyianni, M. y Lybrand, T. P. (1993). Modelos tridimensionales para proteínas de membrana integral: posibilidades y dificultades. Perspectiva, disco de drogas. Diseño 1, 291-300.

Kopell, N. y LeMasson, G. (1994) Rhythmogenesis, Amplitude Modulation, and Multiplexing in a Cortical Architecture, Proc. Natl. Acad. Sci, Estados Unidos 91, 10586-10590.

Kreusch, A. y Schulz, G. E. (1994) Estructura refinada de la porina de Rhodopseudomonas blastica. Comparación con el Porin de Rhodobacter capsulatus. J. Mol. Biol. 243, 891-905.

Lande, R. (1993). Riesgos de extinción de la población por estocasticidad demográfica y ambiental. Soy. Nat. 142, 011-927.

Lande, R. (1994). Riesgos de extinción de la población por nuevas mutaciones perjudiciales. Evolution 48, 1460-1469.

Lander, E.S. y Waterman, M.S. (1995). Calculando los secretos de la vida, National Academy Press, Washington, D.C.

Lauffenburger, D. A. y J. J. Linderman (1993). Receptores: modelos de vinculación, tráfico y señalización. Prensa de la Universidad de Oxford, Oxford.

Leahy, D.J., Hendrickson, W.A., Aukhil, I. y Erickson, H.P. (1992). Estructura de un dominio de fibronectina tipo III de tenascina en fases mediante análisis MAD de la proteína selenometionil. Science 158, 987-991.

Lee, C. y Subbiah, S. (1991). Predicción de la conformación de la cadena lateral de proteínas mediante la optimización del empaque. J. Mol. Biol. 217, 373-388.

Levitt, M. (1993). Modelado preciso de la conformación de proteínas mediante la coincidencia automática de segmentos. J. Mol. Biol. 226, 507-533.

Levin, S.A. y Pacala, S.W. (1996). Teorías de simplificación y escalado de procesos distribuidos espacialmente. En prensa, 1997. En Ecología espacial: El papel del espacio en la dinámica de la población y las interacciones interespecíficas. D. Tilman y P. Kareiva, editores, Princeton University Press, Princeton NJ.

Lewis, MA, Kareiva, P. (1993). Allee Dynamics y la propagación de organismos invasores. Biología teórica de poblaciones 43, 141-158.

Lyubchenko, Y. Shlyakhtenko, L., Harrington, R., Oden, P. y Lindsay, S. (1993). Microscopía de fuerza atómica de ADN largo: imágenes en el aire y bajo el agua. Proc. Natl. Acad. Sci. USA 90, 2137-2140.

Misra, V.K., Hecht, J.L., Sharp, K.A., Friedman, R.A. y Honig, B. (1993). Efectos de la sal en las interacciones proteína-ADN: el represor Lambda-CI y la endonucleasa EcoRI. J. Mol. Biol. 238, 264-280.

Mogilner, A. y Oster, G. (1996). Motilidad celular impulsada por la polimerización de actina. Biophys. J., en prensa.

Murray, A. y Hunt, T. (1993). El ciclo celular: una introducción. Nueva York, W.H. Hombre libre.

Murray, J. y Oster, G. (1984). Modelos de tracción celular para generar patrones y formas en morfogénesis. J. Math. Biol 19, 265-80.

Naranjo, D., Latorre, R., Cherbavaz, D., McGill, P. y Schumaker, M. F. (1994). Un modelo simple para cargas de superficie en canales de iones. Biophysical J. 66, 59-70.

OTA (Oficina de Evaluación de Tecnología), (septiembre de 1993). Especies no indígenas nocivas en los Estados Unidos. OTA-F-565. Gobierno de EE. UU. Imprenta, Washington D.C.

Oliver, T., Dembo, M. y Jacobson, K. (1995). Fuerzas de tracción en celdas de locomoción. Cell Motil. Cytoskel. 31, 225-240.

Olsen, L., Sherratt, J. y Maini, P. (1995). Un modelo mecanoquímico para la contracción de la herida dérmica en adultos y la permanencia del perfil de desplazamiento del tejido contraído. J. Theor. Biol. 177 (2), 113-128.

Orengo, C. A., Swindell, M. B., Michie, A. D., Zvelebil, M. J., Driscoll, P. C., Waterfield, M. D. y Thornton, J. M. (1995). Similitud estructural entre el dominio de homología de Pleckstrin y la verotoxina: el problema de medir y evaluar la similitud estructural. Prot. Sci. 4, 1977-1983.

Peskin, C. y Oster, G. (1995). La hidrólisis coordinada explica el comportamiento mecánico de la kinesina. Biophys. J. 68 (4), 202s-210s.

Rayment, I. y H. Holden (1994). La estructura tridimensional de un motor molecular. TIBS 19, 129-134.

Ringe, D. y Petsko, G.A. (1996). Una guía del usuario para la cristalografía de proteínas. En Protein Engineering and Design, P.R. Carey, ed. Prensa académica, San Diego.

Roughgarden, J. (1979). Teoría de la genética de poblaciones y ecología evolutiva: una introducción. Macmillan, Nueva York.

Rybenkov, V.V., Cozzarelli, N.R. y Vologodskii, A.V. (1993). Probabilidad de anudamiento del ADN y diámetro efectivo de la doble hélice del ADN, Proc. Nat. Acad. Sci. 90, 5307-5311.

Schlick, T. y Olson, W.K. (1992). Energética y dinámica del ADN superenrollado mediante simulación por ordenador, J. Mol. Biol. 223, 1089-1119.

Scholey, J. (1994). Transporte de orgánulos a base de kinesina. En biología celular moderna: microtúbulos. J. S. Hyams y C. W. Lloyd, eds. Nueva York, Wiley-Liss. 13: págs. 343-365.

Senderowitz, H., Guanieri, F. y Still, W. C. (1996), Una técnica inteligente de Monte Carlo para simulaciones de energía libre de moléculas multiconformacionales, cálculo directo de las poblaciones conformacionales de moléculas orgánicas. J. Amer. Chem. Soc. 117, 8211-8219.

Shadlen, M. y Newsome, W. (1994), Ruido, códigos neurales y organización cortical. Curr. Opin. Neurobiol. 4, 569-579.

Silver, R.B. Calcium, BOB, Microdomains and a Cellular Decision: Control of Mitotic Cell Division in Sand Dollar Blastomeres, Cell (en prensa).

Simmons, A. H., Michal, C. A. y Jelinski, L. W. (1996). Orientación molecular y fracción cristalina de dos componentes de seda de dragalina de araña, Science 271, 84-87.

Smith, K. C. y Honig, B. (1994). Evaluación de las energías libres conformacionales de bucles en proteínas. Proteínas: estructura, función y genética 18, 119-132.

Smith, S.B., Cui, Y. y Bustamante, C. (1996). Sobreestiramiento de B-ADN: la respuesta elástica de moléculas de ADN de cadena simple y doble individual, Science 271, 795-799.

Softky, W.R. (1995). Códigos simples versus códigos eficientes. (Comentario) Curr. Opin. Neurobiol. 5, 239-247.

Softky, W.R. y Koch, C. (1993). El disparo altamente irregular de las células corticales es incompatible con la integración temporal de los EPSP aleatorios. J. Neuroscience 13, 334-350.

Stasiak, A. y col. (1996). Determinación de la repetición helicoidal del ADN y de la estructura del ADN superenrollado mediante microscopía crioelectrónica. En Enfoques matemáticos de la estructura y dinámica biomolecular, Actas de IMA 82, Springer Verlag, Nueva York, p. 117.

Steinhoff, H. J., Mollaaghabada, R., Altenbach, C., Khorana, H. G. y Hubbell, W. L. (1994). Estudios de etiquetado de espín dirigidos al sitio de estructura y dinámica en bacteriorrodopsina. Biophys. Chem. 56, 89-94.

Stuart, G.J. y Sakmann, B. (1994). Propagación activa de potenciales de acción somática en dendritas de células piramidales neocorticales. Nature 367, 69-72.

Sumners, D.W., Ernst, C., Spengler, S.J. y Cozzarelli, N.R. (1995). Análisis del mecanismo de recombinación del ADN mediante enredos, revisiones trimestrales de biofísica 28, 253-313.

Svoboda, K. y S. Block (1994). Fuerza y ​​velocidad medidas para moléculas de kinesina simple. Celda 77, 773-84.

Thorne, J.S., Kishino, H. y Febenstein, J. (1992). Avanzando poco a poco hacia la realidad: un modelo de probabilidad mejorado de evolución de secuencia. J. Mol. Evolución 34, 3-16.

Tilman, D. (1994) Competencia y biodiversidad en hábitats estructurados espacialmente. Ecología 75, 2-16.

Tirrell, J. G., Fournier, M. J., Mason, T. L. y Tirrell, D. A. (1994). Materiales biomoleculares. Chem. Ing. News, 19 de diciembre, 40-51.

Tranquillo, R. T. y Alt, W. (1996). Modelo estocástico de citomecánica mediada por receptores y morfología dinámica de leucocitos. J. Math. Biol. 34, 361-412.

Tranquillo, R. y J. D. Murray (1993). Modelo mecanicista de contracción de la herida. J. Surg. Res 55, 233-47.

Tuljapurkar, S. y Wiener, P. (1994). Migración en variable: exploración de la evolución del ciclo de vida utilizando modelos de población estructurados. J. Theor. Biol. 166 75-90.

Tuljapurkar, S. (1994). Demografía estocástica e historias de vida. En Frontiers in Mathematical Biology, S.A. Levin, ed. Springer-Verlag, Berlín, págs. 254-262.

Tyson, J. J., Novak, B., Odell, G. M., Chen, K. y Thron, C. D. (1996). Teoría cinética química: comprensión de la regulación del ciclo celular. Tendencias en ciencias bioquímicas 21, 89-96.

Walters, C. y Maguire, J.J. (1996). Lecciones para la evaluación de poblaciones del colapso del bacalao del norte. Reviews In Fish Biology and Fisheries 6, 125-137.

Walters, C. y Parma, R.M. (1996). Estrategias de tasa de explotación fija para hacer frente a los efectos del cambio climático. Revista canadiense de pesca y ciencias acuáticas 53, 148-158.

Williams, N. (1996). La secuencia del genoma de levadura fermenta una nueva investigación, Science 272, 481-481.

White, J.H., (1992). Geometría y Topología. En Proceedings of Symposia in Applied Mathematics 45, American Mathematical Society, Providence, R.I., 17.

Whittington, M.A., Traub, R.D. y Jefferys, J.G.R. (1995). Oscilaciones sincronizadas en redes interneuronales impulsadas por la activación del receptor metabotrópico de glutamato. Nature 373, 612-615.

Wofsy, C., Kent, U. K., Mao, S-Y., Metzger, H. y Goldstein, B. (1995). Cinética de la fosforilación de tirosina cuando los dímeros de IgE se unen a los receptores Fce en células de leucemia basófila de rata. J. Biol. Chem. 270, 20264-20272.


El citoesqueleto de actomiosina: un generador de fuerza en la sinapsis inmunitaria

Las fuerzas experimentadas por los linfocitos T durante la formación de la sinapsis pueden provenir del exterior, pero también pueden provenir del interior generadas por el propio citoesqueleto de la célula. Muchas revisiones han descrito y discutido la remodelación del citoesqueleto en la sinapsis inmunitaria y su papel potencial. Aquí nos concentraremos en el papel del citoesqueleto de actomiosina en la generación de fuerzas. En el primer estudio dinámico de la formación de sinapsis inmunes en bicapas lipídicas artificiales, Grakoui et al. propuso un modelo de formación de sinapsis en tres etapas (10): en la primera etapa, la unión de LFA-1 en el centro de la sinapsis naciente proporcionaría un punto de apoyo de & # x0201Ca para los mecanismos protrusivos del citoesqueleto que fuerzan un anillo más externo de la membrana de las células T en una aposición cercana con el sustrato & # x0201D en la segunda etapa, el transporte de pares de TCR & # x02013pMHC al centro de la sinapsis sería impulsado por actina y en la última etapa, las fuerzas ejercidas se equilibrarían, conduciendo a la estabilización (10). Este modelo ya propuso que las fuerzas generadas por el citoesqueleto de los linfocitos T jugarían un papel clave en la formación de sinapsis inmunes. Es notable notar que este modelo se ajustaba tan bien a los datos experimentales obtenidos más adelante. Se sabe desde hace mucho tiempo que el citoesqueleto de actina controla la activación de los linfocitos T a diferentes niveles, como la adhesión a APC, la señalización temprana a través del TCR y la liberación de gránulos citolíticos o citocinas (67 & # x0201371). Los linfocitos T, cuando son activados por el TCR & # x02013CD3, se propagan rápidamente (en 2 & # x020134 min) sobre el sustrato activador o la célula con la que interactúan, se estabilizan (durante 15 & # x0201320 min) y luego se retraen (10, 21, 72 & # x0201374). Estas fases recuerdan las fases observadas cuando las células adherentes se extienden sobre su sustrato (75). De hecho, las diferentes zonas de la sinapsis inmune o grupos de activación supramolecular (SMAC) se han comparado con el lamelipodio (para el SMAC distal), la laminilla adhesiva (para el SMAC periférico) y el uropod (para el SMAC central no adhesivo). ) de una célula adherente móvil (76). Durante la formación de la sinapsis, se forman micro grupos de receptores en la periferia y luego se mueven hacia el centro de la sinapsis (77). Los grupos de LFA-1 se detienen en la zona de laminillas de pSMAC, mientras que los micro grupos de TCR siguen su camino hacia el cSMAC donde son endocitosados ​​(78, 79) o secretados (80).

En el contexto de propagación descrito anteriormente, se ha propuesto que el movimiento centrípeto de los grupos de receptores es impulsado por una combinación de fuerzas de empuje que se originan en el flujo retrógrado de actina en el lamelipodio y fuerzas de tracción generadas en la laminilla por la contracción basada en miosina. De hecho, se ha demostrado que el flujo hacia adentro de la F-actina cortical en la sinapsis inmune es la principal fuerza impulsora detrás del movimiento de los micro grupos (67, 81 & # x0201384). El papel de las contracciones basadas en la miosina II en la laminilla en el movimiento de los microclusters, aunque más controvertido (85), también se ha demostrado que controla el movimiento centrípeto de los microclusters de TCR y LFA-1 (86 & # x0201388). Se puede especular que la resistencia de TCR, LFA-1 y otros receptores a esta movilización generaría fuerzas de tracción sobre los enlaces receptor / ligando. Por tanto, el acoplamiento de receptores con el citoesqueleto de actina junto con la movilidad de los ligandos en la membrana de la APC serían elementos clave en la generación de fuerza sobre los receptores. Las moléculas adaptadoras, como la talina, median la interacción de LFA-1 con el citoesqueleto de actina (89). Se ha demostrado que la generación de fuerzas de tracción localizadas por el flujo retrógrado de actina regula la adhesión (90, 91) en muchos tipos de células, incluidos los linfocitos T que forman sinapsis inmunes (92). Por el contrario, el acoplamiento de TCR al citoesqueleto de actina sigue siendo difícil de alcanzar. Sin embargo, las interacciones de los grupos de TCR con la actina se han revelado en experimentos que introdujeron barreras selectivas, que alteraron el transporte de los micro grupos de TCR al SMAC central (82, 93). La asociación de signalosomas con complejos CD3 fosforilados en tirosina puede contribuir al acoplamiento dinámico de los complejos TCR & # x02013CD3 con el flujo de actina. La movilidad de los ligandos en la superficie de APC es otro parámetro a tener en cuenta en la generación de fuerzas en los enlaces receptor / ligando (92, 94, 95) (Figura 2 y ver discusión posterior en la Sección & # x0201CT Los linfocitos interactúan con células que Tienen diferentes propiedades mecánicas & # x0201D). Se requieren más estudios y análisis de modelos para abordar estos aspectos específicos.

Figura 2.Papel del citoesqueleto del linfocito T y la APC en la fuerza ejercida sobre los enlaces receptor / ligando. (A) El flujo centrípeto de actina ejerce fuerzas sobre los enlaces receptor / ligando cuando los receptores se acoplan mediante un adaptador al citoesqueleto. Estas fuerzas pueden conducir a cambios conformacionales de los receptores y la señalización. (B) Cuando los ligandos están asociados con el citoesqueleto de APC, las fuerzas sobre los enlaces receptor / ligando se someten a resistencia debido a la movilidad reducida de los ligandos en la superficie de APC y aumentan las fuerzas ejercidas sobre los enlaces.


Introducción

Scar / WAVE es la fuente dominante de protuberancias de actina en el borde de las células migratorias. En particular, los lamelípodos (en células de mamíferos cultivadas en 2-D) y los pseudópodos (en células en entornos 3-D, o células como amebas) son impulsados ​​por Scar / WAVE que reclutan el complejo de proteínas relacionadas con actina (Arp2 / 3), lo que a su vez promueve un aumento en el número de filamentos de actina polimerizantes y el crecimiento de estructuras de actina [1]. Funciona como parte de un gran complejo de 5 miembros, cuyos miembros tienen varios nombres [2] en este documento, se denominarán Nap1, PIR121, Scar, Abi y Brk1 en Dictyosteliumy Nap1, PIR121, WAVE2, Abi2 y HSPC300 en mamíferos.

El principal activador conocido de la activación del complejo Scar / WAVE es la pequeña GTPase Rac. El Rac inactivo se une a la guanosina 5 'difosfato (GDP) pero al ser estimulado se une temporalmente a la guanosina 5' trifosfato (GTP). La forma unida a GTP, pero no la unida a GDP, se une al complejo [3], en particular a través del sitio A de PIR121, que incluye un dominio DUF1394 de unión a Rac [4]. La interacción con Rac unido a GTP es esencial para que el complejo pueda funcionar [3,5]. Sin embargo, aunque está claro que Rac es esencial, no es el único regulador [1]. Varios experimentos han encontrado que la activación de Rac ocurre más tarde que el inicio de la protrusión basada en actina [6], y la polimerización de actina inducida por señales puede ocurrir antes que la activación de Rac [7]. En Dictyostelium, El comportamiento de Scar / WAVE es mucho más variable localmente que la actividad de Rac [8], por lo que Rac no puede simplemente estar impulsando los cambios en Scar / WAVE. Para comprender la dinámica de los pseudópodos, será vital enumerar diferentes modos de regulación de Scar / WAVE.

Una forma potencial de regulación, la fosforilación, se ha descrito en varios artículos y también se encuentra en pantallas no dirigidas y de alto rendimiento. Una narración típica es que Scar / WAVE se fosforila en respuesta a la señalización externa, a través de quinasas como (particularmente) el transductor de señal global ERK2. Esto se ha descrito en cultivos de fibroblastos [9], fibroblastos embrionarios de ratón (MEF) [10] y células endoteliales [11]. Por lo general, se encuentra que la fosforilación cambia el complejo de un estado inactivo a uno activable, por lo que la fosforilación de Scar / WAVE conduce directamente a la polimerización de actina. Se ha encontrado que las tirosina quinasas, en particular Abl, se activan de manera similar [12, 13]. Estos informes son curiosos por varias razones. En primer lugar, la actina es una proteína fuertemente ácida, por lo que la fosforilación de las proteínas de unión debilita típicamente su afinidad por la actina y las proteínas relacionadas con la actina. En segundo lugar, ERK2 tiene una secuencia de consenso bien definida, sin embargo, los sitios de fosforilación propuestos (y confirmados por nosotros a continuación) no se ajustan a este consenso. Por lo tanto, hemos explorado en detalle las funciones biológicas de la fosforilación de Scar / WAVE. Un conjunto separado de fosforilaciones está presente en el dominio VCA C-terminal de Scar / WAVE. No es detectable, por ejemplo, por un cambio en el patrón de bandas en las transferencias Western y es difícil de ver por espectrometría de masas, por lo que se describe mucho menos ampliamente. Nosotros [14] y otros [15] hemos demostrado que esto es constitutivo y tiene un papel en el ajuste de la sensibilidad del complejo Scar / WAVE en lugar de activarlo, tanto los mutantes fosfomiméticos como los deficientes en fosforilación están activos.

Un proceso clave en la biología de Scar / WAVE que se comprende particularmente poco es la autoactivación. Está claro que los pseudópodos de las células migratorias (que son causados ​​por Scar / WAVE) se controlan mediante retroalimentación positiva: la nueva polimerización de actina se produce junto a los pseudópodos recientes [8], lo que genera ondas viajeras en los bordes de las células [16], pero el El mecanismo de esta regulación no se comprende bien [17,18]. Sin embargo, enfatiza la importancia de comprender la dinámica completa de Scar / WAVE — su reclutamiento y liberación de pseudópodos, y su síntesis y ruptura — en lugar de enfocarse exclusivamente en su activación.

No hay ninguna razón de peso para conectar la fosforilación de Scar / WAVE con el paso de activación. La fosforilación podría alterar la actividad del complejo después de su activación o alterar propiedades como la tasa de autoactivación o la estabilidad de Scar / WAVE una vez reclutado [18]. En el presente trabajo, encontramos que el papel principal de la fosforilación parece centrarse en sesgar el comportamiento de los pseudópodos, como lo requieren los modelos de migración celular basados ​​en pseudópodos, en lugar de iniciar nuevos pseudópodos o polimerización de actina.


Observaciones finales

Como revisamos aquí, la interacción fina entre la actina y el citoesqueleto de microtúbulos y el tráfico de vesículas intracelulares es crucial para las funciones de las células T, desde la migración hasta la señalización de TCR, la formación de sinapsis inmunológicas, la activación de las células T y las funciones efectoras. El mecanismo molecular detallado de esta diafonía no se comprende completamente. Una serie de moléculas que unen las estructuras del citoesqueleto y sus moléculas reguladoras, junto con las que unen las proteínas ancladas a la membrana plasmática con el citoesqueleto, es clave para esta regulación, y su acción específica necesita más investigación. Del mismo modo, actualmente se están desvelando nuevas características celulares que necesitan la interacción del citoesqueleto. Por ejemplo, el papel de las fuerzas mecánicas en la fisiología de las células T se está convirtiendo en un campo de investigación activa, y el papel de la diafonía citoesquelética necesita una mayor integración en estos procesos. En vivo, Las células T se mueven continuamente en un entorno abarrotado del que pueden recibir señales mecánicas. En este sentido, los filamentos intermedios, un tercer componente importante del citoesqueleto celular, parecen jugar un papel clave en otras células para asegurar la estabilidad mecánica celular, así como la mecanotransducción desde la superficie celular al núcleo. La dinámica, la función y la interacción de los filamentos intermedios con varios componentes celulares todavía se investigan poco en las células T y será un campo de investigación interesante. Interesante, reguladores de polaridad como Apc aseguran la interacción entre las tres estructuras citoesqueléticas.


Respuesta del autor

Antes de sumergirnos en la maleza, sugeriría que el manuscrito podría comenzar con una declaración simple sobre la interacción de los sistemas magnéticos. Quizás un breve resumen para su consideración podría ser "La energía total de un sistema de espín tiene términos relacionados con la interacción de los espines individuales con el campo magnético externo, más la energía de interacción de los espines entre sí. La contribución posterior puede ser bastante grande , como ocurre en el ferromagnetismo. Esta energía total debe compararse con la energía térmica y, para los sistemas que interactúan, la energía térmica puede ser demasiado pequeña para desfasar apreciablemente los espines. Por lo tanto, la posibilidad de que los experimentadores exploten la interacción de nanopartículas magnéticas en vivo con razonable

1 T) los campos externos no es irrazonable ". Además, y luego de los comentarios de los revisores, debe decir explícitamente desde el principio que está discutiendo cuestiones de principal, ya que los materiales necesarios aún no se han descubierto o sintetizado. en vivo.

Los revisores plantean una serie de problemas técnicos críticos. Le solicito que responda a los comentarios de cada revisor y modifique el manuscrito en consecuencia. Un resumen de las cuestiones clave incluye:

1) Discusión adicional de la física de la ferritina, para la cual existe una literatura sustancial, y también abogaría por una discusión de las clases conocidas de todos los compuestos que contienen hierro / níquel / cobalto / tierras raras que podrían incautarse para su uso en Biología.

2) Analistas de la interacción de ferritina, y otras moléculas, que no utilizan una aproximación cuasiestática. Como señaló Littlewood, el tiempo de relajación es corto, es decir, se estima en menos de 100 fs, y es mucho más corto que el período de excitación de RF en muchos de los artículos experimentales que analiza.

3) La discusión sobre experimentos previos es vaga y debe expresarse claramente. Como señaló el revisor 2, está de acuerdo en que muchas afirmaciones parecen poco razonables para las interacciones entre la ferritina y el campo magnético de aproximadamente 50 mT de la Tierra. Este desacuerdo debe expresarse claramente. Luego plantea el punto adicional de que los efectos de las interacciones podrían verse en aproximadamente 1 T de campos magnéticos. Los últimos se obtienen fácilmente en el laboratorio, incluso se obtienen fácilmente para campos pulsados ​​localizados. Haga que este nuevo reclamo se destaque claramente.

4) Una discusión, incluso breve, sobre las perspectivas de sintetizar materiales con grandes interacciones.

5) Una discusión de un camino experimental a seguir sería una forma muy útil y poderosa de concluir el manuscrito.

Todos los cambios, correcciones y adiciones a mi manuscrito según las sugerencias del Editor Revisor y los revisores están claramente resaltados a lo largo del manuscrito revisado. El resumen de estos se enumera aquí:

1) Incluí la declaración simple en la parte introductoria del manuscrito sobre el sistema magnético que interactúa, por sugerencia del editor de revisión. Ahora afirmo claramente que el manuscrito argumenta el tema como una cuestión de principio, también por sugerencia del editor de revisión.

2) Estoy totalmente de acuerdo con todos los revisores en que el mayor desafío ahora en magnetogenética es uno experimental de aislar y medir la ferritina estructural y magnéticamente, con suerte en un nivel de partícula única. Realicé una amplia búsqueda bibliográfica sobre los métodos experimentales que podrían ser adecuados para tal tarea, y el manuscrito ahora incluye una amplia discusión sobre el camino experimental potencial a seguir, según las solicitudes de todos los revisores y editores. Cuando sea apropiado, ahora expongo claramente qué técnica experimental podría ser particularmente apropiada para probar algunas de las predicciones de mi modelo.

3) Ahora establezco claramente el rango experimental de validez de mis estimaciones calculadas, y afirmo claramente que algunos, pero no todos, los experimentos previos en magnetogenética caen dentro de ese rango experimental y, por lo tanto, requieren un estudio experimental más cuidadoso y confirmación.

4) Al recibir la solicitud de los revisores, realicé una búsqueda exhaustiva de la literatura sobre los hallazgos previos de física y ciencia de los materiales sobre la ferritina, y todas las citas relevantes que los revisores solicitaron ahora se citan en el manuscrito revisado. Cuando sea apropiado, ahora expongo claramente dónde los hallazgos experimentales anteriores coinciden relativamente de cerca con los supuestos de mi sistema modelo.

5) Ahora reconozco el desafío de la dinámica de magnetización de la ferritina, por solicitud del revisor. Ahora tengo una discusión extensa sobre la dinámica de magnetización de ferritina en el manuscrito, aunque reconozco claramente que este tema especulativo está muy poco estudiado en magnetogenética y requiere más investigación.

6) Por solicitud del revisor, ahora tengo una discusión más extensa sobre la estimación de la deformación diamagnética, e incluyo un nuevo orden más específico de cálculo de magnitud basado en los resultados de la mecánica de contacto que elabora la estimación de mi modelo y la justifica aún más. Por sugerencia del revisor, agregué más referencias que refuerzan esa sugerencia de modelo.

7) Por solicitud del editor de revisión, ahora incluyo una breve discusión sobre las perspectivas más amplias del uso de materiales sintetizados con grandes interacciones que podrían ser posibles con la proteína ferritina. He agregado numerosas citas para reforzar esa discusión y sugerencia.

8) En su caso, según lo sugerido por los revisores, he modificado y simplificado las figuras relevantes. Agregué más etiquetas que los revisores señalaron que eran necesarias y eliminé algunas líneas y flechas redundantes o engañosas en algunas de las figuras que los revisores señalaron que eran confusas.


Ver el vídeo: Práctica Ondas Física (Noviembre 2022).