معلومة

هل هناك أي تعريف للتعقيد حول الجين والبروتين حسب وظيفتهما؟


آسف لمثل هذا السؤال ، إذا كان ساذجًا جدًا.

هل يوجد تعريف للتعقيد في الجين والبروتين حسب وظيفتهما ، وإذا كان الأمر كذلك فما هي العلاقة بينهما؟


تصنف البروتينات والجينات عادةً في العائلات الفائقة والعائلات وفقًا لبنيتها الداخلية (تنظيم مجالها بشكل أساسي). المجالات هي أجزاء من البروتين لها هيكل ثلاثي الأبعاد خاص بها والتي عادة ما يكون لها وظيفتها الخاصة وتعمل بشكل أو بآخر بطريقة مستقلة.

ومع ذلك ، هذا لا يتحدث كثيرًا عن تعقيدها. الميوغلوبين والهيموجلوبين ، على سبيل المثال ، من البروتينات شديدة الارتباط ، وبالتالي يتم تصنيفهما في نفس العائلة. ومع ذلك ، فإن الهيموغلوبين يشكل رباعي الأبعاد ، في حين أن الميوغلوبين هو جزيء واحد. ليس من غير المعروف أن البروتينات شديدة الارتباط قد تختلف في ارتباطها ببروتينات أخرى ، ونمط التعدد ، وإضافة مجالات جديدة ، وما إلى ذلك. قد يكون للبروتينات المتشابهة جدًا وظائف مختلفة جدًا ، أي تحفيز تفاعل مماثل في اتجاهات متعاكسة أو في مسارات مختلفة جدًا ، أو تتصرف في أجزاء مختلفة من الخلية أو الكائن الحي.

في علم الأحياء ، من المستحسن أن يستند أي تصنيف إلى معايير تطورية ، لأنه ليس فقط طريقة أكثر حيادية وغير منحازة لتصنيف الأشياء البيولوجية ، بل يوفر أيضًا معلومات حول أصل هذه الأشياء وبنيتها. يمكنك تصنيف البروتينات حسب هيكلها ، وعدد الأشكال ، وعدد المجالات ، وعدد المجالات المختلفة ، والحجم ، والوظيفة (في الواقع ، هناك تصنيف مفيد للغاية ومستخدم على نطاق واسع للأنزيمات) ، إلخ ؛ ويمكنك تصنيف الجينات وفقًا لعدد exons الخاص بها ، وبنية المروج / المحسن ، والسياسي أم لا ، وما إلى ذلك. ومع ذلك ، فإن هذا التصنيف عادةً ما يثبت أنه أدنى من التصنيف التطوري.


تطور التعقيد البيولوجي

ال تطور التعقيد البيولوجي هي إحدى النتائج المهمة لعملية التطور. [1] أنتج التطور بعض الكائنات الحية المعقدة بشكل ملحوظ - على الرغم من صعوبة تحديد المستوى الفعلي للتعقيد أو قياسه بدقة في علم الأحياء ، مع وجود خصائص مثل محتوى الجينات أو عدد أنواع الخلايا أو التشكل المقترحة جميعها كمقاييس محتملة. [2] [3] [4]

اعتاد العديد من علماء الأحياء على الاعتقاد بأن التطور كان تقدميًا (تكوين العظام) وكان له اتجاه أدى نحو ما يسمى بـ "الكائنات الحية الأعلى" ، على الرغم من عدم وجود دليل على وجهة النظر هذه. [5] هذه الفكرة عن "التقدم" و "الكائنات الحية الأعلى" في التطور تعتبر الآن مضللة ، حيث أن الانتقاء الطبيعي ليس له اتجاه جوهري ويتم اختيار الكائنات إما لزيادة التعقيد أو تقليله استجابة للظروف البيئية المحلية. [6] على الرغم من حدوث زيادة في الحد الأقصى لمستوى التعقيد على مدار تاريخ الحياة ، فقد كان هناك دائمًا غالبية كبيرة من الكائنات الحية الصغيرة والبسيطة ويبدو أن المستوى الأكثر شيوعًا من التعقيد ظل ثابتًا نسبيًا.


هل هناك أي تعريف للتعقيد حول الجين والبروتين حسب وظيفتهما؟ - مادة الاحياء

يتم سرد الأنواع والوظائف الأساسية للبروتينات في الجدول 1.

الجدول 1. أنواع البروتين ووظائفه
نوع أمثلة المهام
الانزيمات الهاضمة الأميليز ، الليباز ، البيبسين ، التربسين تساعد في هضم الطعام عن طريق تقويض العناصر الغذائية إلى وحدات أحادية
المواصلات الهيموغلوبين ، الزلال تحمل المواد في الدم أو اللمف في جميع أنحاء الجسم
الهيكلي أكتين ، توبيولين ، كيراتين بناء هياكل مختلفة ، مثل الهيكل الخلوي
الهرمونات الأنسولين ، هرمون الغدة الدرقية تنسيق نشاط أجهزة الجسم المختلفة
دفاع المناعية حماية الجسم من مسببات الأمراض الغريبة
منقبض أكتين ، ميوسين تأثير تقلص العضلات
تخزين بروتينات تخزين البقوليات ، بياض البيض (الزلال) توفير الغذاء في التطور المبكر للجنين والشتلات

نوعان خاصان وشائعان من البروتينات هما الإنزيمات والهرمونات. الانزيمات، التي تنتجها الخلايا الحية ، هي محفزات في التفاعلات الكيميائية الحيوية (مثل الهضم) وعادة ما تكون بروتينات معقدة أو مترافقة. كل إنزيم خاص بالركيزة (المادة المتفاعلة التي ترتبط بالإنزيم) التي يعمل عليها. قد يساعد الإنزيم في الانهيار أو إعادة الترتيب أو تفاعلات التوليف. الإنزيمات التي تكسر ركائزها تسمى الإنزيمات التقويضية ، والإنزيمات التي تبني جزيئات أكثر تعقيدًا من ركائزها تسمى الإنزيمات الابتنائية ، والإنزيمات التي تؤثر على معدل التفاعل تسمى الإنزيمات التحفيزية. وتجدر الإشارة إلى أن جميع الإنزيمات تزيد من معدل التفاعل وبالتالي تعتبر محفزات عضوية. مثال على الإنزيم هو الأميلاز اللعابي ، الذي يحلل ركائزه الأميلوز ، وهو أحد مكونات النشا.

الهرمونات هي جزيئات إشارات كيميائية ، عادة ما تكون بروتينات صغيرة أو منشطات ، تفرزها خلايا الغدد الصماء التي تعمل على التحكم في عمليات فسيولوجية معينة أو تنظيمها ، بما في ذلك النمو والتطور والتمثيل الغذائي والتكاثر. على سبيل المثال ، الأنسولين هو هرمون بروتيني يساعد على تنظيم مستوى الجلوكوز في الدم.

البروتينات لها أشكال مختلفة وأوزان جزيئية مختلفة ، فبعض البروتينات كروية الشكل بينما البعض الآخر ليفي بطبيعته. على سبيل المثال ، الهيموغلوبين هو بروتين كروي ، لكن الكولاجين الموجود في بشرتنا هو بروتين ليفي. شكل البروتين مهم لوظيفته ، ويتم الحفاظ على هذا الشكل من خلال أنواع مختلفة من الروابط الكيميائية. قد تؤدي التغييرات في درجة الحرارة ودرجة الحموضة والتعرض للمواد الكيميائية إلى تغيرات دائمة في شكل البروتين ، مما يؤدي إلى فقدان الوظيفة ، والمعروف باسم تمسخ. تشتمل الترتيبات المختلفة لنفس 20 نوعًا من الأحماض الأمينية على جميع البروتينات. تم اكتشاف نوعين من الأحماض الأمينية النادرة مؤخرًا (سيلينوسيستين وبيروليزين) ، ويمكن إضافة اكتشافات جديدة إضافية إلى القائمة.

باختصار: وظيفة البروتينات

البروتينات هي فئة من الجزيئات الكبيرة تؤدي مجموعة متنوعة من الوظائف للخلية. تساعد في عملية التمثيل الغذائي من خلال توفير الدعم الهيكلي والعمل كأنزيمات أو ناقلات أو هرمونات. اللبنات الأساسية للبروتينات (المونومرات) هي أحماض أمينية. يحتوي كل حمض أميني على كربون مركزي مرتبط بمجموعة أمينية ومجموعة كربوكسيل وذرة هيدروجين ومجموعة R أو سلسلة جانبية. يوجد 20 نوعًا شائعًا من الأحماض الأمينية ، كل منها يختلف في المجموعة R. يرتبط كل حمض أميني بجيرانه بواسطة رابطة ببتيدية. تُعرف سلسلة طويلة من الأحماض الأمينية باسم عديد الببتيد.

يتم تنظيم البروتينات في أربعة مستويات: الابتدائي والثانوي والثالثي والرباعي (اختياري). الهيكل الأساسي هو التسلسل الفريد للأحماض الأمينية. الطي المحلي للبولي ببتيد لتشكيل هياكل مثل α الحلزون و βتشكل الورقة المطوية الهيكل الثانوي. الهيكل العام ثلاثي الأبعاد هو الهيكل الثالث. عندما يتحد اثنان أو أكثر من عديد الببتيدات لتشكيل بنية البروتين الكاملة ، يُعرف التكوين بالبنية الرباعية للبروتين. يرتبط شكل البروتين ووظيفته ارتباطًا وثيقًا بأي تغيير في الشكل ناتج عن التغيرات في درجة الحرارة أو درجة الحموضة قد يؤدي إلى تمسخ البروتين وفقدان الوظيفة.


ما هو بيولوجيا النظم

تعتمد بيولوجيا الأنظمة على فهم أن الكل أكبر من مجموع الأجزاء.

كانت بيولوجيا الأنظمة مسؤولة عن بعض أهم التطورات في علم صحة الإنسان والاستدامة البيئية. إنها كلي نهج لفك رموز تعقيد الأنظمة البيولوجية الذي يبدأ من فهم أن الشبكات التي تشكل الكائنات الحية بأكملها هي أكثر من مجموع أجزائها. إنها التعاونيه، دمج العديد من التخصصات العلمية - علم الأحياء وعلوم الكمبيوتر والهندسة والمعلوماتية الحيوية والفيزياء وغيرها - من أجل يتنبأ كيف تتغير هذه الأنظمة بمرور الوقت وفي ظل ظروف مختلفة ، ولتطوير حلول لأكثر المشكلات الصحية والبيئية إلحاحًا في العالم.

تمكن هذه القدرة على تصميم نماذج تنبؤية متعددة النطاقات علماءنا من القيام بذلك يكتشف مؤشرات حيوية جديدة للمرض ، طبقية المرضى على أساس ملامح وراثية فريدة من نوعها ، و استهداف الأدوية والعلاجات الأخرى. بيولوجيا الأنظمة ، في نهاية المطاف ، تخلق إمكانات لأنواع جديدة تمامًا من الاستكشاف ، وتدفعها بشكل ثابت التعاون في التكنولوجيا والحساب المستندة إلى البيولوجيا.

نظرًا لأن بيولوجيا الأنظمة تتطلب اهتمامًا مستمرًا بتجربة اجتماعية معقدة للغاية وإنسانية للغاية ، فإن ISB تعزز نوع البيئة المالية والاجتماعية والنفسية التي يمكن فيها لأفضل العلماء والتقنيين والمهندسين وعلماء الرياضيات في العالم يتعاون ويبذلون قصارى جهدهم.

يشرح الدكتور نيتين باليجا ، نائب الرئيس الأول للرئيس ومدير ISB ، ما هو بيولوجيا الأنظمة. شاهد على يوتيوب.

بيولوجيا الأنظمة 101:

محرك الابتكار ISB & # 8217s

يتمثل أحد المبادئ الأساسية لبيولوجيا الأنظمة في أن حل المشكلات البيولوجية الصعبة يتطلب دائمًا تطوير تقنيات جديدة لاستكشاف أبعاد جديدة لمساحة البيانات. تتطلب أنواع البيانات الجديدة أدوات تحليلية جديدة. لا يمكن أن توجد هذه الدورة الفاضلة للبيولوجيا التي تقود تقنية الحوسبة إلا في بيئة متعددة التخصصات حيث يمكن لعلماء الأحياء والكيميائيين وعلماء الكمبيوتر والمهندسين والرياضيين والفيزيائيين والأطباء وغيرهم أن يجتمعوا في فرق لمواجهة التحديات الكبرى. هذا هو ISB. وهذا يصف ما نطلق عليه "محرك الابتكار" (كما هو موضح أدناه) الذي يدفع قدرتنا على تطوير الملكية الفكرية ، والتي نشاركها من خلال منصات الوصول المفتوح أو من خلال إدارة الشركات.

فرق متعددة التخصصات

عند وصف بيولوجيا الأنظمة والخصائص المميزة لنهج ISB ، نؤكد دائمًا على أن مجموعات المختبرات لدينا متعمدة ومتعددة التخصصات بالضرورة. يضم أحد مختبراتنا ، على سبيل المثال ، علماء الأحياء الجزيئية وعلماء الأحياء الدقيقة وعلماء الوراثة والمهندسين وعلماء المحيطات وحتى عالم الفيزياء الفلكية. يتطلب تعقيد علم الأحياء في عصر "البيانات الضخمة" هذا فرقًا متنوعة من أجل معالجة مثل هذه الكميات الهائلة من البيانات وفهمها جميعًا. كما تسمح التقنيات الجديدة التي تقضي على البيانات بشكل أسرع وأكثر كفاءة للباحثين بإعادة تحليل مجموعات البيانات الموجودة ، وهي عملية غالبًا ما تكشف عن معلومات غير مكتشفة. تعمل المهارات التكميلية على تمكين أي من مجموعات الباحثين لدينا من فهم التحديات البيولوجية أو البيئية بشكل أفضل من وجهات نظر مختلفة والتوصل إلى رؤى قابلة للمشاركة بسرعة أكبر. ساهمت فرقنا متعددة التخصصات في تحقيق تقدم ملحوظ في كل شيء بدءًا من تحمض المحيطات إلى الأمراض التنكسية العصبية والسل وحتى السرطانات المتعددة.

شبكة الشبكات

مع الشبكات ، يمكننا تنظيم المعلومات ودمجها على مستويات مختلفة. لقد غيرت الشبكات الاجتماعية الاتصالات في القرن الحادي والعشرين ، وأضفت الطابع الديمقراطي على منصات الاتصالات الخاصة بنا. نحن في ISB نهتم أيضًا بالشبكات. أحد مبادئ بيولوجيا الأنظمة التي نشير إليها غالبًا هو "شبكة الشبكات". على المستوى البيولوجي ، تتكون أجسادنا من العديد من الشبكات التي تتكامل وتتواصل على مستويات متعددة. من الجينوم إلى الجزيئات والخلايا التي تشكل الأعضاء في أجسامنا وصولًا إلى أنفسنا في عالمنا: نحن أساسًا شبكة من الشبكات. تنظر بيولوجيا الأنظمة إلى هذه الشبكات عبر المقاييس لدمج السلوكيات على مستويات مختلفة ، وصياغة فرضيات للوظيفة البيولوجية ولتوفير رؤى مكانية وزمنية للتغيرات البيولوجية الديناميكية. لا يكفي فهم جزء واحد فقط من النظام عند دراسة تعقيد علم الأحياء. لذلك فإن إطار عمل "شبكة الشبكات" يوفر رؤية ذات مغزى لفهم كيفية اختلاف نهج بيولوجيا الأنظمة ، وأكثر تكاملاً وأكثر قدرة على تحليل وتوقع انتقالات الحالة في الأنظمة البيولوجية.

النمذجة متعددة النطاقات

سواء أدركنا ذلك صراحة أم لا ، فإن الظواهر متعددة النطاقات هي جزء من حياتنا اليومية. ننظم وقتنا بالأيام والشهور والسنوات ، كنتيجة للديناميات متعددة النطاقات للنظام الشمسي. مجتمعنا منظم في هيكل هرمي ، من المدن إلى الدول والبلدان والقارات. جسم الإنسان عبارة عن آلة معقدة ، بها العديد من الأجزاء الصغيرة التي تعمل من تلقاء نفسها أو مع أجزاء أخرى لأداء وظائف محددة. تتفاعل العضيات داخل كل خلية في أجسامنا مع بعضها البعض للحفاظ على خلية عاملة سليمة تتحرك وتميز وتموت. تتحكم هذه العضيات دون الخلوية وعملياتها في آلية إرسال الإشارات لكل خلية للتفاعل مع الخلايا المجاورة لها ، وتشكيل أنظمة متعددة الخلايا تسمى الأنسجة (مثل الأنسجة الظهارية والأنسجة العضلية). يعمل نوعان أو أكثر من الأنسجة معًا لتكوين عضو يؤدي مهمة محددة (مثل الفم والمعدة والكبد). يعمل عضوان أو أكثر معًا لتكوين أجهزة عضوية ، مثل الجهاز الهضمي والجهاز العصبي ، والتي تؤدي مهامًا أكثر تعقيدًا. تتفاعل جميع أجهزة الأعضاء هذه مع بعضها البعض لتمكين كائن حي يعمل بشكل صحي. تركز الأساليب التقليدية لنمذجة أنظمة العالم الحقيقي على مقياس واحد يضفي فهمًا محدودًا للنظام. لقد مكنتنا الوتيرة التي نمت بها التكنولوجيا الحيوية من جمع كميات كبيرة من سلوك التقاط البيانات على مستويات متعددة من النظام البيولوجي. التغيرات الجينية والبيئية على الحمض النووي ، ومستويات التعبير عن الحمض النووي الريبي ، والتعبير عن الجينات وتوليف البروتينات & # 8211 كل هذا قابل للقياس الآن في غضون أيام بتكلفة منخفضة بسرعة. لذا ، فإن الأمر متروك حقًا للعلماء ومحللي البيانات للاستفادة من هذه الأنواع المتنوعة من البيانات وبناء نماذج تكاملية تتيح فهمًا شاملاً للنظام قيد الدراسة. النماذج متعددة النطاقات تفعل ذلك بالضبط. من خلال دمج النماذج على مستويات مختلفة والسماح بتدفق المعلومات بينها ، تصف النماذج متعددة النطاقات نظامًا في مجمله ، وعلى هذا النحو ، فهي جوهرية لمبادئ بيولوجيا الأنظمة.

تحليل خلية واحدة

من المعروف أنه لا يوجد مريض "عادي". لذلك ، في التجارب السريرية التي تشمل مجموعات كبيرة من المرضى ، يحتاج المرء إلى النظر في خصائص كل مريض ، بما في ذلك الميل الجيني الفردي لكل شخص للاستجابة لعقار بطريقة معينة. التحليل الإحصائي للمتوسطات السكانية يقمع المعلومات القيمة الخاصة بكل فرد. يُطلق على اعتبار عدم التجانس السكاني بسبب التباين الحتمي من مريض إلى مريض "التقسيم الطبقي" ويقع في قلب الطب الشخصي. سيسمح هذا التقسيم الطبقي بمطابقة مقاومة مناسبة ضد الأدوية المناسبة والفعالة. كل خلية في مجموعة خلايا من خلايا متطابقة ظاهريًا هي فرد متميز. لا توجد خلية "متوسطة" حتى داخل مجموعة من الخلايا من نفس نوع الخلية. تمامًا كما يمكن للمرء أن ينظر إلى المرضى الفرديين في مجتمع ما ويحدد الأنواع الفرعية للأمراض ، يمكن تحديد & # 8220 أنواع الخلايا الفرعية الكمية أو "المنفصلة" في مجموعة الخلايا. تؤدي الأنواع الفرعية الكمية وظائف مختلفة وتشكل شبكة تشبه إلى حد كبير شبكة اجتماعية بين البشر. لذا فإن فهم كيفية عمل العضو يتطلب فهم التكامل المنسق لعمل جميع أنواع الخلايا الكمية. بسبب عدم التجانس الخلوي هذا ، حتى أكثر الأدوية فعالية في تحديد الهدف لن تقتل سوى جزء بسيط من الخلايا السرطانية & # 8211 تشرح مقاومة الأدوية التي لا هوادة فيها في الأورام الخبيثة. تستدعي هذه الرؤية الجديدة حول عدم التجانس الخلوي قياس جميع الملامح الجزيئية في الخلايا الفردية. يجب ألا يُنظر إلى الأنسجة على أنها كتلة غير متبلورة ولكن يجب تحليلها كمجموعات ديناميكية من الخلايا وبدقة خلية واحدة.

فهم البروتيوميات

إذا كان الحمض النووي هو مخطط الحياة ، فإن البروتينات هي لبنة. تُترجم الجينات الموجودة في الحمض النووي إلى بروتينات ، وهي سلاسل من الأحماض الأمينية تنثني في هياكل ثلاثية الأبعاد. سيغير نوع وترتيب الأحماض الأمينية في البروتين شكله ويحدد وظيفته الخاصة. البروتينات هي الجزيئات التي تجعل الحياة تحدث: إنها محطات الطاقة التي تحول الطعام إلى طاقة ، والآلات التي تجعل الخلايا تتحرك ، وحتى أجهزة الكمبيوتر التي تقرأ الحمض النووي وتنتج المزيد من البروتينات. المعلومات الخاصة ببناء كل بروتين في الكائن الحي موجودة في الحمض النووي ، ولكن لا يتم إنتاج كل بروتين مرة واحدة أو بنفس الكمية. فكر في خلية في الكبد وخلية في شبكية العين - تحتوي كلتا الخليتين على حمض نووي متطابق ، ولكن يتم إنتاج مجموعات فرعية مختلفة جدًا من البروتينات لإعطاء كل خلية وظيفتها الخاصة. علم البروتيوميات هو نظام تحديد وقياس البروتينات الموجودة في الكائن الحي. في ISB ، نستخدم أحدث الأدوات العلمية والتقنيات الحاسوبية المتطورة لاكتشاف آلاف البروتينات في وقت واحد ، مما يمنحنا رؤية على مستوى الأنظمة للآلية الجزيئية للحياة.

كن في طليعة الاختراقات العميقة في مجال صحة الإنسان. كن جزءًا من ISB والثورة التي نفتخر بأننا ساعدنا في تحقيقها.


مشهد صعب لعالم RNA؟

& # 8217m عدت ، والآن يمكنني & # 8217t حقًا أن أقرر ما إذا كان يجب أن أكون ماهرًا أو حزينًا بشأن خيمينيز وآخرون. (2013).

فيما يتعلق بالضغط ، لدي بعض الحجج المقنعة جدًا.

  1. إنها & # 8217s ورقة عالم RNA. أنا & # 8217m معجب بلا خجل لعالم الحمض النووي الريبي. (لا يعني ذلك أن رأيي مهم ، نظرًا لأن هذه & # 8217s هي فرضية أصل الحياة الوحيدة التي أنا في الواقع أعرف أي شيء عنه. & # 8217s مثل التصويت للحزب الوحيد الذي شاهدت إعلانات حملته أنت & # 8217.)
  2. أجد التجربة الفعلية رائعة بشكل يبعث على السخرية. إنه يشبه إلى حد ما دراسة الطفرة حول بروتين الصدمة الحرارية 90 التي كتبت عنها منذ aaaaages ، باستثناء هؤلاء الرجال قاموا بتقييم الملاءمة النسبية لكل جزيء RNA محتمل من 24 نيوكليوتيد. نعم ، هذا هو 4 ^ 24 جزيء RNA مختلف ، كل منها في نسخ عديدة. وقد فعلوا ذلك مرتين ، فقط للتأكد من أنهم لم يخطئوا في فهم النتائج الإحصائية للنتائج [1].
  3. يستكشف المشهد الطبيعي للتطور ويبحث في أسئلة كبيرة مثل ، ما مدى حتمية / تكرار التطور؟ أو ، كما قال ستيفن جاي جولد ، ماذا سيحدث إذا أعدنا شريط الحياة؟

من ناحية أخرى ، فإن النتائج قاتمة بعض الشيء. لذلك كان الإعداد التجريبي هو الاختيار من بين هذه المجموعة الضخمة من تسلسلات الحمض النووي الريبي لتلك التي يمكن أن تربط GTP ، والتي هي أساسًا لبنة من الحمض النووي الريبي مع حزمة طاقة ملحقة. في كل جولة اختيار ، كان أداء الحمض النووي الريبي (RNA) الذي يمكن أن يرتبط بقوة أكبر بـ GTP هو الأفضل. (تم قياس الوفرة النسبية للتسلسلات المختلفة باستخدام تسلسل الجيل التالي.) كان السؤال الرئيسي هو شكل مشهد اللياقة البدنية لهذه RNAs: ما مدى شيوع متواليات ربط GTP الوظيفية ، وما مدى تشابهها لأداء هذه الوظيفة ، مدى سهولة تحول تسلسل وظيفي إلى تسلسل وظيفي آخر ، هذا النوع من الأشياء.

  1. لم يكن هناك سوى 15 قمة لياقة ظهرت باستمرار في كلتا التجربتين. (تتكون ذروة اللياقة من مجموعة من التسلسلات المتشابهة التي تكون أفضل في الوظيفة المحددة من & # 8220masses & # 8221.) يبدو أن RNAs المرتبطة بـ GTP بهذا الحجم نادرة جدًا.
  2. تم عزل القمم بشكل عام بواسطة الوديان العميقة & # 8211 ، أي إذا كنت جزيء RNA يجلس على قمة واحدة وأردت العبور إلى قمة أخرى ، عليك & # 8217d تحمل الكثير من الطفرات الضارة للوصول إلى هناك. من الناحية العملية ، هذا يعني أنك قد لا تصل أبدًا إلى هناك ، لأن التطور يمكن & # 8217t التخطيط للمستقبل [2].
  1. نظرت هذه الدراسة في وظيفة واحدة فقط وبيئة واحدة فقط. ليس لدينا أي فكرة عن كيفية تغيير مظهر المنظر الطبيعي إذا أخذت التجربة في الاعتبار أن جزيء الحمض النووي الريبي البدائي قد يضطر إلى القيام بالعديد من الوظائف لـ & # 8220survive & # 8221 ، وقد & # 8220 يعيش & # 8221 في بيئة مليئة بالآخرين الجزيئات ، الأيونات ، درجات الحرارة المتغيرة ، أيا كان. (سيكون هذا ملف الجحيم من تجربة. أعتقد أنني قد أنفجر تلقائيًا في ألعاب نارية إذا فعلها شخص ما.)
  2. & # 8217s ليس مثل هذا هو حقًا ملف مشكلة من منظور المعقولية. بدايات الأرض فعلت لديها قدر لا بأس به من الوقت وربما الكثير من الحمض النووي الريبي بين يديها. لا أعتقد أنه كان سيحصل في الأصل على الكثير طويل جزيئات الحمض النووي الريبي أكثر من تلك الموجودة في هذه التجربة ، ليس حتى اكتشف الحمض النووي الريبي كيفية صنع المزيد من نفسه ، لكنني متأكد تمامًا من أنه يحتوي على أكثر من كافٍ لاستكشاف مساحة التسلسل.

4 ^ 24 جزيء حوالي 2.8 × 10 ^ 14 ، أو حوالي نصف أ نانوالخلد (الخلد الواحد هو 6 × 10 ^ 23 جزيء). يبلغ حجم مول واحد من الحمض النووي الريبوزي أحادي السلسلة 24-nt حوالي 8.5 كيلوغرام & # 8211 & # 8217d أعتقد أنه يمكنك وضع أكثر قليلاً من جزء من المليار من ذلك على كوكب بأكمله به الكثير من الأماكن التي تساعد على تخليق الحمض النووي الريبي. لذلك لا أرى حاجة للذعر بشأن معقولية جزيئات الحمض النووي الريبي العشوائية التي تؤدي وظائف مفيدة (في شروط أصل الحياة). (أول ما فكرت به عندما قرأت هذه الورقة كان & # 8220oh يا إلهي ، علف الخلق ، & # 8221 ولكن عند الفحص الدقيق ، عليك & # 8217d أن تكون متحديًا رياضيًا جدًا لرؤيتها على هذا النحو.)

لذا ، في النهاية & # 8230 أعتقد أنني سأكتفي بـ * SQUEEE! * بعد كل شيء ، هذه تجربة رائعة حقًا لا & # 8217t ينتهي الأمر بقتل عالمي الحبيب من الحمض النووي الريبي. فيما يتعلق بمسألة إعادة تشغيل الشريط ، لم ألتزم بأي من الاتجاهين ، لكنني مفتون بأي شيء يقدم نظرة ثاقبة. وهذه الورقة & # 8211 ضمن نطاقها المحدود ، تنخفض إلى جانب التطور الذي يعتمد بشدة على حوادث التاريخ.

[1] لقد عملت قليلاً مع RNA ، وليس لدي سوى الإعجاب بالناس الذين يفعلون ذلك طوال الوقت. الجزيء اللعين هو ألم كلي متقلب غير مستقر في المؤخرة. وكل شيء حرفيًا مليء بالأنزيمات التي لا تقتل تقريبًا والتي تأكلها لمجرد السخرية من جهودك. أو ربما سأمتص حقًا في علم الأحياء الجزيئي.

[2] يجب أن أشير إلى أن الطفرات الضارة لا تشكل دائمًا عقبات أمام التطور. يمكنهم المساهمة بشكل كبير في التكيف أو حتى وظائف جديدة تمامًا. أنا & # 8217m أجهد عقلي لدراسات الكائنات الحية الحقيقية المتعلقة بهذه المشكلة ، ولكن كل ما يمكنني العثور عليه في الوقت الحالي هو تجارب ريتشارد لنسكي وزملائه المذهلة مع الكائنات الرقمية ، لذا فإن Lenski وآخرون. (2003) و Covert وآخرون. (2013) يجب القيام به للاستشهادات.

السرية AW وآخرون. (2013) تجارب على دور الطفرات الضارة كنقطة انطلاق في التطور التكيفي. PNAS 110: E3171-3178

خيمينيز جي وآخرون. (2013) مشهد لياقة تجريبي شامل وشبكة تطورية للحمض النووي الريبي الصغير. PNAS منشور إلكتروني مسبق ، 26/08/2013 ، دوى: 10.1073 / pnas.1307604110

لنسكي ري وآخرون. (2003) الأصل التطوري للسمات المعقدة. طبيعة سجية 423:139-144


التعقيد في علم الأحياء

الهدف النهائي للبحث العلمي هو فهم العالم الطبيعي. من أجل تحقيق هذا الهدف ، اعتمد العلم الغربي على استراتيجيات معرفية مختلفة ، بما في ذلك التبسيط ، من حيث التحليل والتفسير. كما قال الفيلسوف الطبيعي البريطاني السير إسحاق نيوتن (1643-1727) ، "الحقيقة موجودة دائمًا في البساطة ، وليس في تعدد الأشياء وارتباكها." بطريقة ما ، تشمل أمثلة التبسيط استخدام نماذج مثالية ، مثل "كرة مثالية تتدحرج على مستوى أملس في فراغ" لإجراء تجارب في بيئة محكومة بدقة مثل المختبر الذي يحلل الأنظمة المعقدة عن طريق تقليلها إلى أجزائها الفردية وبشكل عام باستخدام مفهوم خطي وحتمي لكيفية عمل العالم ، بما في ذلك الحياة.

كان الفيلسوف وعالم الرياضيات الفرنسي رينيه ديكارت (1596-1650) أول من أدخل الاختزالية إلى التفكير والفلسفة الغربيين. وفقًا لوجهة نظره ، يمكن اعتبار العالم آلية آلية لفهمه ، يحتاج المرء فقط إلى فحص الأجزاء ثم إعادة تجميع كل مكون لإعادة تكوين الكل. تم توسيع عمل ديكارت بواسطة نيوتن (1643-1727) وبلغ ذروته في نهاية المطاف في مبادئ الرياضيات في عام 1687 - أحد أكثر الكتب العلمية تأثيرًا على الإطلاق - حيث طور نيوتن فكرة "عالم الساعة".

منذ عهد نيوتن ، تعتبر الميكانيكا الكلاسيكية أساس البحث العلمي. اعتمد العلماء ، بما في ذلك علماء الأحياء ، النهج النيوتوني على المستوى الوجودي - من حيث مفهومهم للعالم والأشياء التي يتكون منها - والمستوى المعرفي - من حيث نهجهم لفهم هذه الأشياء. في الواقع ، تنص نظرية المعرفة النيوتونية على أن المعرفة العلمية يجب أن توفر تمثيلًا موضوعيًا للعالم الخارجي. يمكن حل التعقيد الظاهري للعالم عن طريق التحليل واختزال الظواهر إلى أبسط مكوناتها. "بمجرد القيام بذلك ، سيصبح [تطور الظواهر] منتظمًا تمامًا ويمكن عكسه ويمكن التنبؤ به ، في حين أن المعرفة التي اكتسبتها ستكون مجرد انعكاس لذلك النظام الموجود مسبقًا" (Heylighen وآخرون, 2007 ).

منذ أن صاغ نيوتن قوانين الجاذبية الأولى ، نجح النموذج المفاهيمي للعالم المادي في وصف شكل وحركات وأفعال الأشياء بداخله. ولكن عندما بدأ الفيزيائيون في استكشاف العوالم الذرية ودون الذرية بشكل خاص في أوائل القرن العشرين ، أصبحت ملاحظاتهم بلا معنى جزئيًا. تطلبت الاكتشافات الجديدة نقلة نوعية وإطارًا فكريًا جديدًا لفهم الأحداث على المستوى دون الذري ، مما أدى في النهاية إلى فيزياء الكم.

منذ عهد نيوتن ، تعتبر الميكانيكا الكلاسيكية أساس البحث العلمي

نظرًا لأن العديد من علماء الأحياء الجزيئية في الخمسينيات من القرن الماضي جاءوا من الفيزياء ، فليس من المستغرب أن يوسعوا نهجهم الكلاسيكي لدراسة الكائنات الحية. اعتمدت البيولوجيا الجزيئية ، مع بعض الاستثناءات (Westerhoff & Palsson ، 2004) إلى حد كبير وجهة نظر اختزالية لشرح الأنظمة البيولوجية وفقًا للخصائص الفيزيائية والكيميائية لمكوناتها الفردية. كما قال فرانسيس كريك (1916-2004) ، "الهدف النهائي للحركة الحديثة في علم الأحياء هو شرح كل البيولوجيا من حيث الفيزياء والكيمياء" (كريك ، 1966). في الوقت المناسب ، أثبت الاختزالية أنها منهجية تحليلية قوية للغاية ومكنت العلماء من تحليل العديد من العمليات الجزيئية والخلوية الأساسية.

توجد أنظمة معقدة على مستويات مختلفة من التنظيم تتراوح من المجال دون الذري إلى الكائنات الحية الفردية إلى مجموعات سكانية بأكملها وما بعدها

ومع ذلك ، قد يصل علماء الأحياء إلى حدود هذا النهج. على الرغم من بذل قصارى جهدهم ، لا يزال العلماء بعيدون عن الانتصار في الحرب على السرطان ، ويرجع ذلك إلى حد كبير إلى الطبيعة المعقدة لكل من المرض والكائن البشري. الدماغ البشري هو نظام معقد وغير خطي يتحدى كل المحاولات الاختزالية والحتمية لفهمه (سنجر ، 2007). على المستوى الكلي ، تمثل النظم البيئية والمجتمعات البشرية نفس التحدي. ما نحتاجه هو نهج جديد لدراسة هذه الأنظمة. يمكن أن توفر نظرية التعقيد أدوات مفاهيمية جديدة من شأنها أن تشكك حتمًا في العديد من افتراضات العلم النيوتوني.

توجد أنظمة معقدة على مستويات مختلفة من التنظيم تتراوح من المجال دون الذري إلى الكائنات الحية الفردية إلى مجموعات سكانية بأكملها وما بعدها. وهي تشمل ، على سبيل المثال ، الجزيئات والخلايا والكائنات الحية والنظم الإيكولوجية والمجتمعات البشرية. على الرغم من اختلافاتهم ، فإن كل هؤلاء يشتركون في سمات مشتركة ، مثل الخصائص الناشئة. بالإضافة إلى ذلك ، فإن كل من العشوائية والنظام لهما صلة بسلوك النظام ككل. هم ، في الواقع ، لم يتم تصنيفهم بالحتمية الكاملة ، مثل الظواهر التي تم التحقيق فيها بواسطة الميكانيكا النيوتونية ، ولا بالعشوائية الكاملة ، مثل موضوعات الميكانيكا الإحصائية (Heylighen وآخرون، 2007). توجد أنظمة معقدة على "حافة الفوضى". قد يظهرون سلوكًا منتظمًا ويمكن التنبؤ به ، لكن يمكنهم الخضوع لتغييرات عشوائية مفاجئة هائلة استجابة لما يبدو أنه تعديلات طفيفة. استعارة "تأثير الفراشة" - حيث يمكن لفراشة واحدة أن تضرب جناحيها أن تسبب عاصفة - تصف ، على سبيل المثال ، اعتماد نظام معقد على ظروفه الأولية.

لذلك من المهم تحليل كيف يمكن أن يؤثر تطبيق نظرية التعقيد على دراسة النظم البيولوجية ، في مجال البيولوجيا الجزيئية أيضًا. تهتم هذه المناقشة بشكل أساسي بالآثار التي تحملها هذه المفاهيم على الاختزالية والحتمية. يمكن تمييز الاختزالية على وجه الخصوص إلى ثلاثة أنواع: الاختزال الوجودي ، الذي يفترض أن كل شيء موجود في الطبيعة يتكون من مجموعة صغيرة من العناصر البدائية التي تتصرف بطريقة منتظمة ويمكن التنبؤ بها الاختزالية المعرفية ، والتي تجادل بأن المفاهيم الأساسية والقوانين والنظريات يمكن اشتقاق مستوى معين من التنظيم من المفاهيم والقوانين والنظريات المتعلقة بالمستوى الأدنى والاختزال المنهجي ، والتي تدعي أن الظواهر أو الأنظمة المعقدة يمكن وينبغي فهمها عن طريق تحليل أجزائها الفردية.

يجادل عدد متزايد من العلماء بأن النهج الاختزالي لم يعد قادرًا على التعامل مع الكمية الهائلة من المعلومات التي تأتي من ما يسمى بعلوم وتقنيات "الجينوميات ، والبروتيوميات ، وعلم الأيض ، وما إلى ذلك - والتعقيد المذهل الذي يكشفون. الافتراض القائل بأن الأنظمة البيولوجية المعقدة يمكن تفسيرها بالكامل من خلال نموذج عمل ديكارت ، قد تم التشكيك فيه مرارًا وتكرارًا. كما علق عالم الأحياء البلجيكي مارك فان ريجنمورتل ، فإن الابتعاد عن "وجهة النظر الاختزالية ومجموعة الأدوات يمثل أولوية قصوى لكل من البحث البيولوجي والطب الحيوي" (فان ريجنمورتل ، 2004).

أولاً ، النهج الاختزالي غير قادر على تحليل الخصائص الناشئة التي تميز الأنظمة المعقدة وتفسيرها بشكل صحيح. سبق أن وصف الفيلسوف اليوناني أرسطو (384-322 قبل الميلاد) الظهور في أطروحته الميتافيزيقيا مثل ، "الكل أكثر من مجموع أجزائه." وبالتالي ، لا يمكن اختزال النظام بأكمله أو استنتاجه من صفات أجزائه الفردية ، وهي وجهة نظر موجودة الآن في مجموعة متنوعة من المجالات العلمية التي تتراوح من الفيزياء إلى علم الاجتماع.

تظهر الكائنات البيولوجية الخصائص الناشئة التي تنشأ من التفاعلات بين مكوناتها ومع العوامل الخارجية. على سبيل المثال ، خصائص البروتين لا تعادل مجموع خصائص كل حمض أميني. البروتينات قادرة على تحفيز تفاعل كيميائي على وجه التحديد ، أو التعرف على مستضد أو التحرك على طول بوليمر بروتين آخر ليس فقط لأن أحماضها الأمينية مرتبة بترتيب معين ، ولكن أيضًا لأن هيكلها ووظيفتها ثلاثية الأبعاد يتم تحديدها بشكل إضافي بواسطة عوامل خارجية.

ترتبط فكرة الظهور أيضًا بفكرة أن العالم الطبيعي يتكون من مستويات هرمية من التنظيم تتراوح من الجسيمات دون الذرية إلى الجزيئات والنظم البيئية وما بعدها (De Haan، 2006). يتميز كل مستوى ويحكمه على حد سواء القوانين الناشئة التي لا تظهر في المستويات الدنيا من التنظيم. هذا يعني أنه من أجل شرح ميزات وسلوك النظام بأكمله ، فإننا نحتاج إلى نظرية تعمل على المستوى الهرمي المقابل. على سبيل المثال ، لا يمكن تفسير الظواهر الناشئة التي تحدث على مستوى الكائن الحي بشكل كامل بالنظريات التي تصف الأحداث على مستوى الخلايا أو الجزيئات الكبيرة. However, there are also various general features and characteristics—described in this article—that permeate all levels of organization and that allow the study of biological systems in the framework of complexity science.

…the reductionist approach is not able to analyse and properly account for the emergent properties that characterize complex systems

This hierarchical organization creates ‘downward causation’ ( De Haan, 2006 ). While the behaviour of the whole is, to some degree, constrained by the properties of its components—‘upward causation’—the behaviours of its components are also constrained to a certain extent by the properties of the system. The behaviour of a cell, for example, is controlled both by the properties of its macromolecules and by the properties of the organ of which it is a part. The whole is not only more than the sum of its parts, but also less than the sum of its parts because some properties of the parts can be inhibited by the organization of the whole. From an epistemological point of view, this means that it is not enough to analyse each individual part (reductionism), nor is it enough to analyse the system as a whole (holism). A new model of scientific investigation to understand complex systems would require shifting the perspective from the whole to the parts and back again ( Morin, 1990 ).

Second, reductionism favours the removal of an object of study from its normal context. Experimental results obtained under given particular conditions or from a particular model—such as a mouse, في المختبر cell cultures or computer models—are often extrapolated to more complex situations and higher organisms such as humans. But this extrapolation is at best debatable and at worst misleading or even hazardous. The failure of many promising drug candidates in clinical research shows that it is not always possible to transfer results from mice or even primates to humans ( Horrobin, 2003 ).

More generally, the strategy of putting the object of study in an artificial, controlled and simplified experimental situation, even if it is done for heuristic purposes, is not neutral and has its price—it severs the essential link between the object and the natural context to which it belongs. Phenomena and properties that occur only in the living environment become obscured and skew the results. Field observations of chimpanzees, for example, have shown that these animals have certain complex behaviours that cannot be observed in an artificial setting but only in their natural environment ( Goodall, 1986 ).

Third, reductionism is also closely associated with determinism—the concept that every phenomenon in nature is completely determined by pre-existing causes, occurs because of necessity, and that each particular cause produces a unique effect and vice versa. This, naturally, also sustains the idea of predictability. “When you are able to predict the development of a system from some predefined condition, then you have established a deterministic relation between the elements which constitute the system” ( Emmeche وآخرون، 1997). Nonetheless, complex biological systems cannot be fully understood on a purely deterministic basis. In fact, they often show nonlinear behaviour ( De Haan, 2006 ).

As pointed out above, the individual components in complex systems interact in manifold ways, including highly dynamic regulatory and feedback mechanisms (Van Regenmortel, 2004). Within this framework, a single cause can produce multiple and unpredictable effects and even small fluctuations can have unexpected consequences. Linear casual explanations—that conceive reality as a linear succession of elementary events from cause to effect—are therefore possibly unable to describe how complex systems behave ( Kellenberger, 2004 ).

Nevertheless, many molecular biologists still favour simple models with explanations based on a few individual factors. For example, knockout experiments—which are widely used to determine the functional role of a gene—overemphasize the role of a single gene and are of limited use for understanding complex genetic networks. As a matter of fact, many knockout experiments have no or unexpected effects because any given gene product is only a part of a complex network.

In addition, other phenomena can cause these unforeseen findings such as gene redundancy—the presence of duplicate genes in the genome—and gene pleiotropy, which can lead to several phenotypes based on the same genotype ( Morange, 2001 ). Biology, when based on reductionism and determinism, seems to lack a systemic perspective that could analyse the interaction of the many factors that influence the behaviour of a system ( Van Regenmortel, 2004 ).

Fourth, to better understand complex biological systems and their adaptive behaviour, we need to consider the phenomenon of self-organization, which incorporates many of the ideas mentioned above. Self-organizing systems spontaneously arrange their components and their interactions into adaptive structures with emergent properties. Such structures are able to create new and modify existing strategies to adapt to changing environmental conditions ( Coffey, 1998 ). Complex biological systems, in fact, exist at the ‘edge of chaos’ where, according to Kauffman (1993) , they are able to achieve maximum fitness. Self-organization seems to take place at different levels of biological organization: as a general principle in the organization of the cell itself ( Misteli, 2001 ) in the response of bacterial colonies to chemotactic substrates and in the brain, which reorganizes itself to learn from experience ( Coffey, 1998 ).

An epistemological rethink is needed to instigate a paradigm shift from the Newtonian model that has dominated science, to an appraisal of complexity that includes both holism and reductionism…

As mentioned before, adaptation is strictly associated with self-organization. While the latter is an integral feature of the system itself, the former shifts the perspective to the relationship between the system and the environment. Whatever the pressure from the external environment, complex systems—through dynamic variations in the degree of interactions between the individual components that form the networks—can adjust and reorganize themselves in a new equilibrium in response to external events. Of course, failures can and do occur, nevertheless, adaptation seems to be the rule rather than the exception ( Heylighen وآخرون, 2007 ).

While arguing about the Darwinian metaphor of the organism adapting to its environment, the American evolutionary biologist Richard Lewontin showed how this idea is based on a dichotomy between inside and outside, which disregards the role of the organism in reconstructing its environment ( Lewontin, 2000 ). In fact, organisms neither evolve in isolation nor simply adapt to ‘external’ factors. On the contrary, they react to and modify their environment according to their own needs. Both organism and environment therefore undergo a continuous process of mutual interaction, which Lewontin termed co-adaptation. A biological system is constrained by its environment, but it also changes its environment. This idea might be applied by analogy, although with different implications, to different levels of organization including, for example, the molecular and the cellular levels ( Galtier & Dutheil, 2007 ).

In this framework, it seems that biology, and somehow science as a whole, needs to reconsider the notion of ‘natural laws’. Recent developments in evolutionary biology suggest replacing the idea of a deterministic (prescriptive) law by a non-prescriptive law that just provides a number of constraints. More than actually determining the development of organisms or other complex systems, such laws—if so intended—rather delimit the framework in which they occur. In other words, the ‘law as a constraint’ establishes the ‘rules of the game’. It defines a restricted field of possibilities, within which complex systems develop, but without imposing a unique way of undergoing this process. Other matters should be considered, such as the role of contingencies and of chance, and the way in which the ‘players’ use these and deal with the existing rules ( Ceruti, 1986 ). It seems that a renewed and more fascinating vision of nature emerges with much more room for variability.

…the reintroduction of the observer has fostered a renewed idea of knowledge

Of course, many biologists are well aware of the complexity of living systems, but they do not extend this realization to a reappraisal of how to perform science. “When one searches for the ‘laws of complexity’, one still attaches complexity as a kind of wagon behind the truth locomotive, that which produces laws. A hybrid was formed between the principles of traditional science and the advances towards its hereafter. Actually, one avoids the fundamental problem of complexity, which is epistemological, cognitive, paradigmatic. To some extent, one recognizes complexity, but by decomplexifying it. In this way, the breach is opened, then one tries to clog it: the paradigm of classical science remains, only fissured.” ( Morin, 2007 ).

…key notions such as emergence, nonlinearity and self-organization already offer conceptual tools that can contribute to transform and improve science

An epistemological rethink is needed to instigate a paradigm shift from the Newtonian model that has dominated science, to an appraisal of complexity that includes both holism and reductionism, and which relaxes determinism in favour of recognizing unpredictability as intrinsic to complex systems. Moreover, this ‘complex paradigm’ requires us to develop ‘knowledge of knowledge’ and understand its possibilities and limits. Science should not only continue to develop more refined means to analyse its subjects, but also investigate its own approach to generating knowledge ( Morin, 1990 ).

This raises the important question of the role of the observer. Classical science has developed by eliminating subjectivity in order to create objective knowledge, but complexity theory has reintroduced the observer as an intrinsic component in the process of gathering knowledge and performing research. The famous uncertainty principle formulated by the German physicist Werner Heisenberg (1901–1976) shows how the ‘observer modifies the observation’. This applies not only to quantum physics, but, by extension, can also have practical relevance in the fields of biochemical and biological experimentation. As the Swiss physicist and biologist Eduard Kellenberger (1920–2004) wrote, “for the sub-microscopic world of atoms and molecules, it means that the physical properties of a system—for example, its energy—are uncertain in particular, these properties depend on the type of observation that is performed on that system, defined by the experimental set-up. In the fashionable field of nano-biotechnology, which examines biological structures at the level of atoms, these relationships are directly relevant. Even at a larger scale, the interactions between an experimental set-up and biological matter give rise to modifications too for example, bleaching during fluorescence microscopy or the electron-beam-induced alteration—such as burning or carbonization—of a specimen.” ( Kellenberger, 2004 ).

Broadly speaking, the reintroduction of the observer has fostered a renewed idea of knowledge. Instead of searching for one fundamental point of observation, scientists need to explore different points of view—which can be vicarious in building a cognitive universe—when describing or explaining a given phenomenon ( Ceruti, 1986 ). Different perspectives can, in fact, complement each other and allow scientists to acquire a more complete knowledge of the phenomenon.

Any constraint can also be an opportunity that, if exploited, allows new possibilities to arise

One of the most fundamental relationships within this framework is between the system and its environment—the distinction between a point of view that is within the system and one that is external to the system. These two points of view are irreducible and complementary. They emerge from and are defined with respect to one another. The French scientist Henri Atlan, one of the first who tried to define complexity in biology, investigated biological organization from the perspective of information theory. He suggested that, in a hierarchical system, the external observer can be the higher organizational level ( Atlan, 1979 ). In explaining the role of ‘noise’, he stressed how its ‘meaning’ depends on the observational perspectives: leading respectively to a decrease or to an increase in information content “whether one is interested in the information transmitted in the channel or in the information transmitted to the observer from a whole system in which the channel is part of a redundant communication network” ( Atlan, 1974 ). For example, a cell would try to suppress noise in its communication pathways as it might lead to unexpected and possibly deleterious effects, but an observer at a higher level—an organ or the organism—would regard noise as a factor that increases variability and therefore overall fitness—provided that the cell is not killed.

A new theoretical framework should therefore be able to integrate different levels of order while allowing them to maintain their distinctiveness. Such a framework should be grounded on one of the key concepts of complex thinking, unitas multiplex, according to which it is possible to preserve a distinction among what is connected and to connect without reduction ( Morin, 1990 ).

This framework needs to extend to the organization of knowledge. Each domain of knowledge should not be viewed as a closed system—a view that fragments knowledge. Each area should instead participate in a broader project for the development of a science capable of preserving diversity—each field has its own specific features—but also ensuring the integration of the different parts into one common framework.

Biology can therefore be regarded as a discipline with subdisciplines that pertain to different levels of organization ( Emmeche وآخرون، 1997). It needs, of course, its own vocabulary and system of conceptualization, and remains partly independent of chemistry and physics. Yet, at the same time, it needs to ‘communicate’ with them, as well as with other disciplines devoted to the study of systems at higher levels, such as ecology.

At present, the multifaceted ‘complexity paradigm’ consists more of a unified way of thinking rather than a finished body of knowledge. Possible applications to the different domains of knowledge need to be further investigated. Nonetheless, key notions such as emergence, nonlinearity and self-organization already offer conceptual tools that can contribute to transform and improve science. Novel approaches and specialized fields of knowledge are already emerging. For example, network biology ( Alm & Arkin, 2003 Barabasi & Oltvai, 2004 ) takes advantage of the fact that diverse complex networks, including biological networks, seem to share similar organizational patterns. Some scientists have also stressed how such a change can have beneficial consequences not only at the theoretical level, but also in biomedical research such as drug discovery and vaccine development (Van Regenmortel, 2004).

Furthermore, the epistemological side of complexity offers scientists a chance to reflect on the characteristics and limits of the scientific approach to generating knowledge. Following the notion of the observer, scientists should be more aware that scientific knowledge is always developed within the boundary of given constraints. Yet, this should not be a limiting factor. Any constraint can also be an opportunity that, if exploited, allows new possibilities to arise. Scientists could therefore acquire more complete knowledge of a given phenomenon if they explore it from different cognitive ‘horizons’, such as points of observation at different hierarchical levels, which by virtue of their vicariousness, cooperate and complement each other.


Complexes, Signaling Networks, and Functional modules

The current revolution in our concepts and practices in analyzing complex biological functions has different conceptual and experimental roots. Nonliving, organized physical systems can exhibit emergent properties that cannot be attributed to single molecules but rather to intermolecular interactions within the system 27 . Work in bacteria has led to the realization that several systems, such as the motility apparatus, are modular in organization as their properties cannot be attributed to single components and are characterized by robustness, that is, an ability to resist changes in their function 28 . This concept has taken root in cancer biology and efforts are in progress to describe the reorganization of functional networks in cancer cells using mRNA, miRNA, and protein expression data converted to useful models and interpreted in terms of networks 29, 30 .

Recent advances in cancer cell genomic and proteomic methods greatly facilitate genomic and epigenomic analysis of functional cancer cell networks in terms of interacting molecules in complexes and in their constituent modules, especially in terms of the modular organization of oncogene expression and its correlation with specific cellular behavior 31, 32 . Genetic and epigenetic networks are altered in cancer cells and they are therefore likely to reflect permanent changes in the types, numbers, and interactions of complexes and modules at several levels, including the cell cycle 33 signal transduction pathways, such as the Ras-MAPK pathway 34 and chromatin remodeling in regulation of gene expression 35-37 , giving rise to autonomous function of several modules associated with cell growth and invasion. While there is ample evidence in the molecular cancer literature that cancer cells have different modular and network design 38 of cellular behavior reflecting differences in the types and composition of complexes (Fig. 2), it is unknown (a) how this organization arises, (b) how the levels of identified gene protein products change in their respective complexes, and (c) factors which determine the nodes that (proteins or other molecules) are important in communications between altered complexes and modules. An important aspect of biological networks is that they can have several different forms depending on whether they consist of some (tens) or many (hundreds to thousands) of genes, proteins, or other biological entities studied en masse. For example, simple phages contain only a few genes and proteins whereas simple or higher eukaryotes such as yeast, or mice and humans contain hundreds to thousands. It was therefore necessary for high-throughput data collection and analysis techniques to be developed, starting from automated DNA sequencers all the way to network-generating software (Table 1). Data generation using cDNA or oligonucleotide microarrays 39, 40 permits the simultaneous examination of all genes expressed at any given time under various conditions. For example, genome-wide expression analysis has been applied to the study of the yeast خميرة الخميرة cell cycle module 41 . Protein–protein interaction maps have been generated for yeast using the two hybrid method 42 covering about 80% of all proteins and revealing important nodes, which when functionally inactivated by mutagenesis were lethal. Central to analysis of functional complexes, networks, and modules is the concept of “system,” which is any collection of molecules under study and is distinct from module or network. System molecules can participate in different networks or modules. In analogy to the definition of a module, there are at least two informal system definitions, the first due to experimentalists 43 and the second to theoreticians 44, 45 (reviewed in 46 ). From a practical point of view although it is important not only to define the components of any biological system and model their interactions but also (a) to test if perturbing identified nodes affect the function under study and (b) if the links and function of any known biomolecules such as oncogene or tumor suppressor proteins can be reconciled with what is known about them experimentally.

Subject تقنية
1. Genome-wide gene expression Microarrays: oligonucleotide/cDNA chips microRNA expression
Genome-wide promoter analysis (Regulomics)
2. Expressed proteins (various conditions) Antibody/cell extract chips (Proteomics/Reverse proteomics)
3. Network
Direct protein–protein interactions Yeast 2-hybrid
In vivo/in vitro pull down
Protein–DNA interactions DNA footprinting
في الجسم الحي cross-linking/immunoprecipitation (ChIP)
Gel shifts
Genetic protein–protein interactions
Gene regulatory interactions Genome-wide promoter analysis (Regulomics)
4. Comparative genomics/proteomics Various computational models and techniques
Protein functional genomics DNA motif-finding programs
Reconstruction with Boolean or Bayesian network methods
  • Some techniques utilized in global identification of all molecules involved in a system under study and the construction of interacting networks that can explain and predict phenotypes.

One approach to test if theoretically determined protein interconnections in their networks and experimental data agree has been applied by Spirin and Mirny 22 . Their theoretical method is similar to that used by ecologists to quantitate ecological complexity in terms of food web network interactions (see Box 2) 20 . These investigators sought to establish functionally important nodes within and between complexes using yeast protein–protein interaction data on two functional modules 47 , the cell cycle and the MAP kinase module. They identified sets of yeast proteins (clusters) that have more connections among themselves than with other proteins in the protein–protein interaction networks under study. They defined the density of a cluster as Q = 2م/(ن[n – 1]), where ن is the number of proteins in the cluster and م the number of interactions. Significantly, genes and proteins (identified as clusters) found in the same complex or module had a consistent biological function, suggesting that biologically meaningful networks and modules arise from distinct protein complexes identified by genomics and proteomics approaches. This further suggests that analyzing the role of oncogene/tumor suppressor proteins in their complexes and the networks and modules they form in tumor cells may also be fruitful in identifying how oncoprotein-driven complexes and modules are organized in tumor cell models in terms of clusters or nodes. The theoretical results were further confirmed by tandem affinity purification and mass spectrometry even though data exist for only 29 experimental yeast complexes. An alternative approach, called multiple parallel signature sequencing (MPSS) 48 was applied by Hood's group in detecting definitive gene differences in early (androgen-sensitive) and late (castrate-resistant) prostate cancer 38 and used to map the networks that are different between the two states. Among significant genes/pathways regulated differentially, they identified the insulin signaling and the NFκ-B pathways interconnected to the c-Jun and IL-1 receptor pathways as well as at least 112 transcription factors that were differentially regulated in late versus early stage disease. Nevertheless, it remains to be seen how known oncogenes and tumor suppressor genes (and their protein products) fit into the identified disease and stage-specific patterns of signaling networks and whether they are clustered nodes with significant regulatory roles. Recently, Riera-Fernandez et al. 46, 49 developed Markov–Shannon entropy models to evaluate connectivity (Lij) quality for network nodes in complex networks with an accuracy of nearly 76%. Notably, the models were predictive for different types of networks suggesting that it may be applied to mixed networks of biological interest.

According to network theory, a system can be described mathematically by its main components (nodes or hubs) and their connections (links). In addition to the above properties, many networks follow a power law distribution and are scale free, their clusters or nodes being quantified by the equations Q = 2م/(ن[ن – 1]) and P(ك)

ك −γ , which describe how networks are interconnected 9, 50 (for definitions and a description, see Box 2). Thus, it would be informative to construct MYC or other oncogenic protein networks in model systems using data from real tumors and determine if the value of γ, and by extension of P(ك) for oncogenic proteins such as MYC correlates with their experimentally uncovered influence on multiple cell pathways affecting proliferation and growth. Under this hypothesis, the lower the value of γ (within experimentally defined limits), the more important the protein would be predicted in networking and pathway control. In the case of protein complexes, the nodes are individual proteins and the links are their interactions, whereas for networks and their modules the nodes can be either individual proteins or groups of highly connected proteins both within and between modules that can determine functional outcome (see Fig. 4 for a schematic outline depicting experimentally determined connections of the Myc, p53, and TGFβ pathways). These pathways do not necessarily reveal the networks involved as they include only a limited number of nodes. In this respect, it is reasonable to suggest that oncogene products that are known to participate into different complexes and to affect several intracellular networks, such as MYC, RAS, or tumor suppressor proteins such as p53 and pRB, may qualify as important nodes with critical intracomplex and internodule links. Other potentially important nodes, making critical links may be inhibitors of the cell cycle, such as p21, which are also frequently mutated and inactivated in many cancers and for which we have some experimental information on how their levels may change the function of known cyclin-dependent kinase oncogenes (see last section for discussion). Moreover, other protein partners in the complexes and modules of these oncogene/tumor suppressor proteins also can be important in network dynamics and function however, their role remains to be discovered. An example is the adaptor protein p40 in the ING1/Sin3A chromatin remodeling complex that controls growth and possibly metastasis in human cancer cell lines 37 . Until now the complexes formed by these proteins, their composition and function in network and module formation during tumorigenesis remain incompletely characterized.

The cell cycle, cell migration, cell division, and other cellular phenotypes can be considered as supramodules, consisting of smaller modules (e.g., chromosome segregation, kinase network signaling, DNA replication, etc.), whose fate is under the control of several networks consisting of protein and other complexes that are in turn regulated by small molecules (e.g., nutrient availability) and influenced by the relative levels and malfunction of activated oncogenes or tumor suppressor genes and proteins (see Figs. 3 and 4). Complexes and the networks they participate in are controlled by genetic, epigenetic, and spatiotemporal signals and are characterized by robustness 51 , a property that was also recognized in bacterial systems 52, 28 . In tumor cells, robustness is manifested in their redundant heterogeneity, the presence of diverse mutations in individual genes, in the ability to withstand and evade attack by the immune system and resist chemotherapeutic attack, and is among the most significant in contributing to growth and survival 53 . Another property of complexes is that they can share components, which can be members of different clusters. This property is reflected in the functional heterogeneity exhibited by oncogene proteins, such as MYC or RAS, to induce growth arrest in some cells and transformation in others. This property probably reflects their participation in several different complexes and is manifested in their ability to regulate many growth, survival, and invasion networks. Several transcription factor/cofactor complexes, which also include chromatin modification activities, share common adaptor proteins that act as scaffold or complex adaptor proteins 37 . Several oncogene and tumor suppressor gene products such as MYC, MDM2, and pRB can participate in interactions with multiple partners and are members of different complexes and presumably can affect different modules, also in response to cell cycle stage, DNA damage, and other signals. Cyclin-dependent kinase (Cdk) inhibitors (CdkI) such as p27 also modify the functions of the cyclin/CDK complexes depending on their levels. Intriguingly, at low levels they seem to activate kinase activity whereas at higher levels they inhibit it 26, 54 . The levels of CDKI proteins can change due to mutations or to functional inactivation by overexpressed oncogenes.


Protein classification based on shape

On the basis of their shape, proteins may be divided into two classes: fibrous and globular.

البروتينات الليفية

They have primarily mechanical and structural functions, providing support to the cells as well as the whole organism.
These proteins are insoluble in water as they contain, both internally and on their surface, many hydrophobic amino acids. The presence on their surface of hydrophobic amino acids facilitates their packaging into very complex supramolecular structures.
In this regard, it should be noted that their polypeptide chains form long filaments or sheets, where in most cases only one type of secondary structure, that repeats itself, is found.
In vertebrates, these proteins provide external protection, support and shape in fact, thanks to their structural properties, they ensure flexibility and/or strength.
Some fibrous proteins, such as α-keratins, are only partially hydrolyzed in the intestine.
Here are some examples.

  • Fibroin
    It is produced by spiders and insects. An example is that produced by the silkworm, Bombyx mori.
  • Collagen
    The term “collagen” indicates not a single protein but a family of structurally related proteins (at least 29 different types), which constitute the main protein component of connective tissue, and more generally, the extracellular scaffolding of multicellular organisms. In vertebrates, they represent about 25-30% of all proteins.
    They are found in different tissues and organs, such as tendons and the organic matrix of bone, where they are present in very high percentages, but also in cartilage and in the cornea of the eye.
    In the different tissues, they form different structures, each capable of satisfying a particular need. For example, in the cornea, the molecules are arranged in an almost crystalline array, so that they are virtually transparent, while in the skin they form fibers not very intertwined and directed in all directions, which ensure the tensile strength of the skin itself.
    Note: the different types of collagen have low nutritional value as deficient in several amino acids (in fact, they contain no tryptophan and low amount of the other essential amino acids).
    The gelatin used in food preparation is a derivative of collagen.
  • α-Keratins
    They constitute almost the entire dry weight of nails, claws, beak, hooves, horns, hair, wool, and a large part of the outer layer of the skin.
    The different stiffness and flexibility of these structures is a consequence of the number of disulfide bonds that contribute, together with other binding forces, to stabilize the protein structure. And this is the reason why wool keratins, which have a low number of disulfide bonds, are flexible, soft and extensible, unlike claw and beak keratins that are rich in disulfide bonds.
  • Elastin
    This protein provides elasticity to the skin and blood vessels, a consequence of its random coiled structure, that differs from the structures of the α-keratins and collagens.

Globular proteins

Most of the proteins belong to this class.
They have a compact and more or less spherical structure, more complex than fibrous proteins. In this regard, motifs, domains, tertiary and quaternary structures are found, in addition to the secondary structures.
They are generally soluble in water but can also be found inserted into biological membranes (transmembrane proteins), thus in a hydrophobic environment.

Haemoglobin

Unlike fibrous proteins, that have structural and mechanical functions, they act as:

  • الانزيمات
  • hormones
  • membrane transporters and receptors
  • transporters of triglycerides, fatty acids and oxygen in the blood
  • immunoglobulins or antibodies
  • grain and legume storage proteins.

Examples of globular proteins are myoglobin, hemoglobin, and cytochrome c.
At the intestinal level, most of the globular proteins of animal origin are hydrolyzed almost entirely to amino acids.


Overview of Protein Expression

Proteins are synthesized and regulated depending upon the functional need in the cell. The blueprints for proteins are stored in DNA and decoded by highly regulated transcriptional processes to produce messenger RNA (mRNA). The message coded by an mRNA is then translated into a protein. Transcription is the transfer of information from DNA to mRNA, and translation is the synthesis of protein based on a sequence specified by mRNA.

Simple diagram of transcription and translation. This describes the general flow of information from DNA base-pair sequence (gene) to amino acid polypeptide sequence (protein).

In prokaryotes, the process of transcription and translation occur simultaneously. The translation of mRNA starts even before a mature mRNA transcript is fully synthesized. This simultaneous transcription and translation of a gene is termed coupled transcription and translation. In eukaryotes, the processes are spatially separated and occur sequentially with transcription happening in the nucleus and translation, or protein synthesis, occurring in the cytoplasm.

Comparison of transcription and translation in prokaryotes vs. eukaryotes.

This 118-page handbook provides comprehensive information about protein expression and will help you choose the right expression system and purification technologies for your specific application and needs. Get tips and tricks when starting an experiment, and find answers to everyday problems related to protein expression.

Transcription occurs in three steps in both prokaryotes and eukaryotes: initiation, elongation and termination. Transcription begins when the double-stranded DNA is unwound to allow the binding of RNA polymerase. Once transcription is initiated, RNA polymerase is released from the DNA. Transcription is regulated at various levels by activators and repressors and also by chromatin structure in eukaryotes. In prokaryotes, no special modification of mRNA is required and translation of the message starts even before the transcription is complete. In eukaryotes, however, mRNA is further processed to remove introns (splicing), addition of a cap at the 5´ end and multiple adenines at the mRNA 3´ end to generate a polyA tail. The modified mRNA is then exported to the cytoplasm where it is translated.

Translation or protein synthesis is a multi-step process that requires macromolecules like ribosomes, transfer RNAs (tRNA), mRNA and protein factors as well as small molecules like amino acids, ATP, GTP and other cofactors. There are specific protein factors for each step of translation (see table below). The overall process is similar in both prokaryotes and eukaryotes, although particular differences exist.

During initiation, the small subunit of the ribosome bound to initiator t-RNA scans the mRNA starting at the 5’end to identify and bind the initiation codon (AUG). The large subunit of the ribosome joins the small ribosomal subunit to generate the initiation complex at the initiation codon. Protein factors as well as sequences in mRNA are involved in the recognition of the initiation codon and formation of the initiation complex. During elongation, tRNAs bind to their designated amino acids (known as tRNA charging) and shuttle them to the ribosome where they are polymerized to form a peptide. The sequence of amino acids added to the growing peptide is dependent on the mRNA sequence of the transcript. Finally, the nascent polypeptide is released in the termination step when the ribosome reaches the termination codon. At this point, the ribosome is released from the mRNA and is ready to initiate another round of translation.


When Do Gene Mutations Occur?

Mutations frequently occur just before the process of mitosis when DNA is being replicated in the cell nucleus. During mitosis or meiosis, mishaps can occur when chromosomes are not lined up correctly or fail to separate properly. Chromosomal mutations in the germ cells can be inherited and passed along to the next generation.

Some gene mutations can interfere with the rate of normal cell growth and increase cancer risk. Mutations in non-reproductive cells can trigger benign growths or cancerous tumors such as melanoma in skin cells. Defective genes on chromosomes are passed on, as well as too many or too few chromosomes per cell when these mutations happen in germline cells.

Gene mutation examples include severe genetic disorders, cell overgrowth, tumor formation and heightened risk of breast cancer. Cells have a finely tuned mechanism for correcting mutations at checkpoints during cell division, which detects most mutations. Once DNA proofreading is completed, the cell proceeds to the next stage of the cell cycle.


12918_2009_432_MOESM1_ESM.PDF

Additional file 1:Figure S1: LCR distributions in PPI datasets. PPI datasets overlap between the HC, DIPv, FYI and BioGrid datasets, and the distribution of LCRs among them. (PDF 37 KB)

Figure S2: Mean and standard deviation from UniProt entropy distributions

Additional file 2:. The entropy distributions mean grows asymptotically towards the ح الأعلىvalue as the window regions increase and sequences within them approach random states. The entropy distributions standard deviation decreases as longer sequences become more homogeneous. (PDF 59 KB)

Figure S3: Computing random LCR positions

Additional file 3:. Method to compute random LCR positions. The same process is repeated for each LCR in S. cerevisiae: LCRs (shown in red) are extracted from their corresponding protein sequence and re-inserted randomly 1000 times. Each time, the normalised centre position is included into the random distribution. (PDF 68 KB)

12918_2009_432_MOESM4_ESM.PDF

Additional file 4:Figure S4: LCR centre positions distribution. Distributions of LCR centre positions and randomly replaced LCR centre positions. The random distribution extremities show the expected frequency decrease, while the original distribution on top, appears to be enriched with extremity LCRs. (PDF 35 KB)

Table S1: LCR distributions in PPI datasets

Additional file 5:. LCRs are approximately equally distributed across the high-confidence datasets (HC, FYI and DIPv). Enrichment is defined as (Observed - Expected)/متوقع. (PDF 25 KB)


شاهد الفيديو: #سلسلةمراجعتي مناقشة الفصل الثاني. من الجين إلى البروتين. عملية النسخ (كانون الثاني 2022).