Seminar in Bioinformatics, Winter 2011 Network Motifs An Introduction to Systems Biology Uri Alon Chapters 5-6 By Eliad Eini & Yasmin admon

Table of Content Chapter 5 A very short remainder for the previous chapter The Single-Input Module (SIM) network motif Temporal networks Topological generalization of network motifs Signal integration and combinatorial control: Bi-fans and Dense Overlapping Regulons (DORs) Network motifs and global structure of sensory transcription networks

Table of Content Chapter 6 Network motifs in developmental Transcription Networks Network motifs in Signal Transduction Networks Network motifs in Neuronal Networks Composite Network Motifs

Temporal Programs and the Global Structure of Transcription Networks Chapter 5 Temporal Programs and the Global Structure of Transcription Networks

A short remainder We have seen that transcription networks contain recurring network motifs that can perform specific dynamical functions. We examined two of this motifs in details: auto-regulation and feed-forward loop (FFL).

What’s next? In this chapter we will complete our survey of motifs in sensory transcriptional networks. We will see that sensory transcription networks are largely made of just four families of networks: auto-regulation and FFL (we have already studied), Single Input Module (SIM) and Dense Overlapping Regulons (DORs).

We have seen network motifs before, is there something special you are going to show us?

The Single-Input Module Network Motif (SIM) In the SIM network motif, a master transcription factor X controls a group of target genes, , like we can see in the picture. Each of the target genes has only one input. No other transcription factors regulates any of the genes. The regulation signs (activation/repression) are the same of all genes in the SIM. The master transcription factor X is usually autoregulatory.

Seems great, but how do you know that SIM is a motif? As we saw in the lecture of chapters 3-4, in order to recognize a pattern as a motif, we should compare it to a random network. A random network (ER) have a degree sequence (distribution of edges per node) that is Poisson, so there are exponentially few nodes that have many more edges than the mean connectivity 𝜆. Thus ER networks have very few large SIMs. להסביר על הנושא של רשתות רנדומליות שהוסבר בהרצאה על פרקים 3-4.

So what is the function of SIMs? What can it do? The most important task of SIM is to control a group of genes according to the signal sensed by the master regulator. The genes in a SIM always have a common biological function: For example, SIMs often regulates genes that participate in specific metabolic pathways as shown in this figure. Other SIMs control group of genes that respond to a specific stress (DNA damage, heat shock, etc.) These genes produce proteins that repair the different forms of damage caused by the stress. SIMs can control group of genes that together make up a protein machine (such as ribosome). הסבר על התמונה: יש כאן SIM שמווסת מסלול מטאבולי עם 3 צעדים. X מדכא את קבוצת הגנים שמקודדים את האנזימים E1,E2,E3 כך שכל אחד מהם על אופרון שונה. האנזימים הללו מזרזים את המצעים S0,S1,S2 לייצור המצע 3S (מצע=substrate). התוצר 3S הוא סיגנל הקלט של X: הוא נקשר לX ומעלה את ההסתברות שX במצב פעיל, *X, בו הוא נקשר ל-promotors שמדכאים את ייצור האנזימים. זה יוצר a negative feedback loop, בה ייצור מופרז של 3S מוביל להפחתה בקצב הייצור של 3S. (מנגנון ויסות)

SIM and Temporal Programs בתמונה זו אנו רואים כיצד מנגנון ה-SIM מבצע תוכניות טמפורליות (תלויות בזמן): ככל שפעילותו של חלבון X עולה, כך יופעלו הגנים Z1,Z2,Z3. לכל אחד מהגנים יש treshold שכאשר X עובר אותו הגן יופעל וכאשר X יורד מתחתיו הגן יושתק. למעשה ניתן לראות שנוצר כאן סדר של LIFO, כלומר, 1Z, הגן שהופעל ראשון יושתק אחרון ו3Z שהופעל אחרון יושתק ראשון. למה זה טוב? למשל למנגנוני בקרת נזקים הנשלטים ע"י SIM: אם הגוף נפגע ופתאום יש חוסר בהול בחלבון מסוים, הגוף מיד מתחיל לייצר את החלבון הזה במהירות. לאחר שהגענו לכמות מספיקה של החלבון הדרוש, תחל ירידה הדרגתית של הייצור.

An example for a Temporal Program בציור זה ניתן לראות את הסדר הטמפורלי במערכת הביוסינטזה של ארגנין. בעיגולים נוכל להבחין באנזימים ובמלבנים נמצאים המטבוליטים. ה-promoter (אזור הבקרה של הגן) מופעלים (activated) עפ"י סדר בהפרשים של דקות ביניהם. בר הצבע מציין רמת ביטוי של הגן כתלות בזמן, כאשר הצבע הכחול מציין רמת ביטוי נמוכה והאדום רמת ביטוי גבוהה. ניתן לראות ההשהיה בין הפעלת הגנים השונים בשרשרת. (להראות עם היד את ביטוי הגנים כתלות בזמן).

Few words about evolution There are many examples of SIMs that regulate the same gene systems in different organisms. The master regulator in the SIM is often different in each organism, despite the fact that the target genes are highly homologous.

What does it mean? What happened in the evolution point of view? It means that rather than duplication of ancestral SIM to create the modern SIM, since this mechanism is useful, it was kept during generations and preserved against mutations.

Topological generalization of network motifs It is very difficult to recognize motifs on large graphs: ישנם 199 תתי גרפים אפשריים שיכולים להיות מוטיבים בגרף עם 4 צמתים, יותר מ-9000 אפשרויות עבור 5 צמתים ומיליוני אפשרויות לגרפים עם 7 צמתים. איך נוכל לזהות מוטיבים או לנתח את הרשת במצב כזה? אם נרצה לקבץ את הגזרות האפשריות למשפחות עפ"י תפקידם בוודאי תהיה משפחה שתדון בהכללה של מוטיבים קיימים.

Simple topological generalization of FFL בתמונה זו אנו רואים את מוטיב ה-FFL המורכב מ-3 צמתים. אם נחשוב על דרכים להכליל את המוטיב נוכל לשכפל כל אחד משלושת הצמתים פעמם רבות בתורו, כמו בציורים b ו-c. למראית עין, כל אחד מהגרפים פה יכול לייצג מוטיב, אבל למעשה, במציאות רק אחד מבין אלה הוא מוטיב, כלומר, מופיע במציאות משמעותית יותר מאשר ברשת אקראית. תוכלו לנחש מיהו המוטיב? המוטיב היחידי פה הוא ה-multi-output FFL. מה מיוחד דווקא בו? בהמשך נראה שהוא מסוגל לבצע תוכנית טמפורלית בסדר FIFO לעומת תוכנית בסדר LIFO כמו שיכול לעשות ה-SIM.

An example of FIFO order in multi-output FFL בשקף זה ניתן לראות את שלבי ההתפתחות של flagellar motor בE-coli. כאשר E-coli נמצא באיזור עם תנאים נוחים ועם מספיק אוכל זמין, אין לו צורך ב-flagella והוא מתחלק בהנאה. כאשר התנאים מתחילים להיות פחות טובים, ה-E-coli מגדל זנב ומנוע שמאפשרים לו לעבור למקום אחר. בנוסף הוא מייצר גם מערכת ניווט שעוזרת לו לאתר מקום נוח יותר. אורך הזנב והמנוע הוא בערך פי 10 אורך החיידק.

How does it works? כך נראה תרשים סכמטי של ה-multi-output FFL המייצר את ה-flagella של ה-E-coli (מימין). בתמונה משמאל נראה את רמת ביטוי הגנים כתלות בזמן. בשקף הבא נראה כיצד הוא מייצג התנהגות של FIFO.

FIFO’s tresholds ניתן להבחין שבציור זה, בניגוד לSIM, ה-tresholds בזמן שהרמה של X יורדת הפוכים בסדר שלהם לעומת הגרף המקורי, זה מה שיוצר את תבנית ה-FIFO.

Signal integration and combinatorial control: Bi-fans and Dense Overlapping Regulons (DORs) Do you remember the large number of 4-nodes possible sub-graphs? Only 2 of them were real motifs: אחד המוטיבים הוא FFL עם שני outputs והשני הוא Bi-fan. ל-Bi-fan יש שני קלטים ושני פלטים, אך אם נכליל אותו נקבל משפחה חדשה של מוטיבים: Dense Overlapping Regulons (DOR).

Dense Overlapping Regulons (DORs) אין חוקיות כלשהי מבנה ה-DOR מבחינת הקלטים והפלטים, אך מנגנון זה צפוף וסבוך יותר מברשת אקראית ומופיע פעמים רבות ברשתות שיעתוק. ה-DOR משמש לעיתים לקבלת החלטות חשובות לגבי האורגניזם, למשל, תגובות האורגניזם לבעיות, תזונה ומטאבוליזם וכו'... דוגמא מ-E-coli: הרגולטור CRP שמזהה הרעבת גלוקוז ומחליט איזה סוכר לפרק בתגובה.

Network motifs and global structure of sensory transcription networks After we learnt about motifs, we can locate the motifs on E-coli’s network and draw it in a much simple way

אותו חלק של רשת השיעתוק של E-coli שראינו בשקף הקודם כשהמוטיבים מסומנים בקיצור.

Chapter 6 Network motifs in developmental Transcription Networks Network motifs in Signal Transduction Networks Network motifs in Neuronal Networks Composite Network Motifs

Network motifs in developmental Transcription Networks Governs the fates of cells, as an egg develops into a multi-cellular organism. In all Multi-cellular organisms and in many microorganisms, cells undergo differentiation process – they can change into other cell types. Developmental transcription networks control these differentiation processes. Developmental Transcription Networks לדוגמא - יצור מולטי תאי מתחיל את חייב כתא יחיד – ביצה אשר מתחלק וממנו נוצרים כל תאי הגוף, ע"י תהליך דיפרנציאציה. כדי להניות חלק מרקמה חדשה, על התא לייצר סט ספציפי של חלבונים, אשר קובע האם התא יהיה שריר, עצב וכו.

Network motifs in developmental Transcription Networks the Timescale on which the networks need to operate. Sensory transcription networks need to make rapid decisions that are shorter then a cell generation time. In Contrast, Transcription Networks works on a slow timescale of one or more cell generations. The reversibility of the networks’ actions. Sensory transcription networks need to make reversible decisions. Developmental transcription networks often need to make irreversible decisions. We will see that these differences lead to new network motifs, that appear in Developmental transcription networks, but not in Sensory transcription networks. What is the difference between Sensory and Developmental Transcription Networks? לדבר על כך שבתא ישנן עוד רשתות חלבון חבלבון העברת סיגנלים מטבוליות וכו. כל רשת מתארת אינטראקציות שונות בין ביומולקולות. ניתן להרכיב מזה רשת גדולה superimposed אשר קשתותיה צבועות בצבעים שונים – כל צבע מתאר סוג אחר של אינטראקציה. יש לזכור כי יש בבדלים ב- timescales שבו הרשתות עובדות. Transcription - איטי signal transduction, מהיר

Long transcription cascades and developmental timing Network motifs in developmental Transcription Networks Reminder: The response time of each stage in cascades is governed by the degradation/dilution rate of the protein at that stage: For stable proteins, this response time is on the order of cell generation time. Developmental networks work on this timescale, because cell fates are assigned with each cell division. Long transcription cascades and developmental timing An additional important family of network motifs in developmental transcription networks. נדיר בסנסורי. X מבקר את Y מבקר את Z וכו. להזכיר שברפרסורים איכויות התזמון יותר רובסטיות בהקשר של תנודות בקצבי ייצור חלבונים.

Interlocked Feed-Forward Loops In developmental networks, FFLs often form parts of larger and more complex circuits. Can we still understand the dynamics of such large circuits based on the behavior if the individual FFL? Example - the well mapped B. subtilis Sporulation network

B. Subtilis sporulation process Bacillus subtilis – single celled bacterium. When starved, it stops dividing and turns into a durable spore. The sporulation process involves hundred of genes that are turned ON and OFF in a series of temporal waves. The network that regulates sporulation is made of several transcription factors arranged in a linked coherent and incoherent type-1 FFLs. ספורות - נבג הוא תא שפעילותו מינימלית ביותר, המשמש לצורכי רבייה ושרידה בתנאים קשים. כאשר תנאי הסביבה משתפרים הנבג חוזר להיות תא פעיל (למשל בנוכחות מים). ידוע על נבגים בני עשרות ואף מאות שנים שנשמרו בסביבות קשות לקיום עד להשתפרות התנאים. ישנם נבגים המסוגלים לשרוד קרינה רדיואקטיבית, על-סגולה או לחץ אטמוספירי גבוה או נמוך במיוחד. ב2010 נבחנו נבגים בחשיפה לחלל החיצון והראו על יכולת עירור לחיים. באופן ברור הנבג מכיל חלבונים שלא נמצאים בתא רגיל ולהפך.

Interlocked Feed-Forward Loops In B. Subtilis Sporulation Network To initiate the sporulation process, a starvation signal Sx activates X1 Incoherent Type-1 FFL Coherent Type-1 FFL X1 שולט בקבוצת גנים Z1. וגם Y1 . אשר מעכב את Z1. יוצר פולס של יצירת Z1. Z1 Z2 ו- Z3 מייצגים קבוצות גנים של עשרות עד מאות גנים

Interlocked Feed-Forward Loops In B. Subtilis Sporulation Network Incoherent Type-1 FFL Coherent Type-1 FFL X1 שולט בקבוצת גנים Z1. וגם Y1 . אשר מעכב את Z1. יוצר פולס של יצירת Z1. מפעיל עוד FFL קוהרנטי עם AND אשר שולט בייצור X2, דורש מספיק X1 ו- Y1. מבטיח כי X2 לא יווצר אלא אם הסעגנל של Sx הוא עקבי!!

Interlocked Feed-Forward Loops In B. Subtilis Sporulation Network Incoherent Type-1 FFL Coherent Type-1 FFL בהמשך, X1 שולט בקבוצת גנים Z2. וגם Y2 . אשר מעכב את Z2. יוצר פולס של יצירת Z2 בדיליי קל מיצירת Z1.

Interlocked Feed-Forward Loops In B. Subtilis Sporulation Network Incoherent Type-1 FFL Coherent Type-1 FFL לסיום, X2 ו- Y2 יוצרים שער AND, אשר מאקטב את Z3, אשר מודלקים אחרונים. נשים לב שזה לא פולס כי אין מעכבים. ראינו פה 3 גלים של יצירת סטים שונים של גנים. נשים לב כי ה- FFLs הלא קוהרנטים הם מולטי אאוטפוט כי התוצרים שלהם הם קבוצות של גנים. על פי דיזזין זה ניתן לייצר תוכניות מתוזמנות עדינות יותר בכל קבוצה כי שתואר בחלק של אליעד. ניתן גם לראות כי הדינמיקה של הרשת מותאמת לדינמיקה היחידניצת של כל FFL בנפרד – כמו בסנסורי. חשוב לציין כי ניתן לחבר FFLs בהרבה דרכים שונות, אבל לא לכולם יש הסבר כזה מובן. לדוגמא: עוד דבר לסיבור האוזן. העובדה שניתן להסביר מערכת גדולה יותר על ידי הבנת המרכיבים שלה, ככל הנראה לא התפתחה על מנת להקל על ביולוגים. זהו מוטיב נפוץ בהנדסה באופן כללי. לכן קיימת שאלה מעניינת: האם זהו מוטיב נפוץ בכל רשת אשר מתארת פונקציונליות?

Interlocked Feed-Forward Loops In B Interlocked Feed-Forward Loops In B. Subtilis Sporulation Network - Summary The combination of FFLs in the sporulation process network results in a tree wave temporal pattern. This design can generate finer temporal programs within each groups of genes. The dynamics of multi-output FFLs can be understood by based on the dynamics of each of the constituent 3 node FFL. על פי דיזזין זה ניתן לייצר תוכניות מתוזמנות עדינות יותר בכל קבוצה כי שתואר בחלק של אליעד. ניתן גם לראות כי הדינמיקה של הרשת מותאמת לדינמיקה היחידניצת של כל FFL בנפרד – כמו בסנסורי. חשוב לציין כי ניתן לחבר FFLs בהרבה דרכים שונות, אבל לא לכולם יש הסבר כזה מובן. לדוגמא: עוד דבר לסיבור האוזן. העובדה שניתן להסביר מערכת גדולה יותר על ידי הבנת המרכיבים שלה, ככל הנראה לא התפתחה על מנת להקל על ביולוגים. זהו מוטיב נפוץ בהנדסה באופן כללי. לכן קיימת שאלה מעניינת: האם זהו מוטיב נפוץ בכל רשת אשר מתארת פונקציונליות?

Chapter 6 Network motifs in developmental Transcription Networks Network motifs in Signal Transduction Networks Network motifs in Neuronal Networks Composite Network Motifs

Network motifs In Signal Transduction Networks Sense and process information from the environment, and accordingly regulate the activity of transcription factors or other effector proteins. Elicit rapid responses. Composed of interactions between signaling proteins, which are represented as nodes in the network, whereas the edges signify directed interaction. The structure of signaling networks is a subject of current research, and yet fully understood. We will focus on one distinct motif that is found in signaling networks, and not in transcription networks. Signal Transduction Networks לדוגמא, תאים אנימליים לא מתחלקים אלא אם כן הם מקבלים סיגנל מגורם חיצוני = הורמון גדילה. input לרשתות כאלה בדכ מורגש על ידי רצפטור – חלבון שנמצא על ממברנת התא, צד אחד פונה כלפי חוץ והשני כחפי פנים. נקשר לליגנד שמפעיל בדכ שינוי קונפורמטיבי שמאקטב את הצד הפנימי, ומקטלז העברת שסיגנל על ידי איקטוב חלבון נוסף בשרשת שמהווה שליח שמאקב חלבון הבא וכן הלאה. פועל בין שניות לדקות. בדכ מסתיים באקטוב transcription factors ובכך גורם לבקרה על ייצור גן מטרה כלשהו. רשתות העברת סיגנלים עדיין תחת מחקר והפונקציה שלהם יכולה להשתנות תחת שינויים ביוכימיים קלים.

Network motifs In Signal Transduction Networks Signaling networks show two strong 4-node motifs Bi-fan Diamond בי פא ן נמצא גם ברשתות טרנסק', וראינו כי נמצא במוטיבים חד שכבתיים שנקראים DORS. דיאמונד, לעומת זאת לא מאוד שכיח בטרסנק'. ניתן להכליל את המבנה על הכפלת אחד הצמתים כולל קשתותיו. ברשתות סיגנלניג ניתן למצוא מבנים מוכללים אלו, אשר מזכירים DORS ב- multilayered patterns. כל DOR לייק מוטיב במבנה זה מקבל Input מ-DOR בשכבה שלפניו. בטקנס' אין cascades כאלו. השכבות האלו בדכ לא מראות קפיצה משבה לשכבה, והמבנים הללו זהים לדוגמאות שנלצמדות בתחומים כמו בינה מלאכותית ורשתות נוירונים מלאכותיות, אשר נקראים multy-layer preceptrons

Network motifs In Signal Transduction Networks Toy Model for protein kinase preceptrons על מנת להבין את יכולות עיבוד המידע של רשת המורכבת ממבני multi-layer preceptrons השתנמשו במודל העברת סיגנלים ידוע – protein kinase cascade קינאזות – חלבונים אשר יכולים להדביק במרכאות קבוצת פוספט PO4 על חלבון מטרה. המסלול מאוקטב ע"י מסיגנל חיצוני. כתוצאה מכך מאוקטבת הקינאזה הראשונה במסלול, בד"כ ע"י פוספורלציה כפולה, אשר בתורה מאקטבת = שמה פוספט על הקינאזה הבאה עד שמאוקטב טרסנק' פקטור. נציין כי יש גם פוספטאזות אשר מורידות פוספט, לכן כל המסלול הזה מאופיין ב- cycles של פוספו' ודהפוספו'. עוד נציין, כי במסלולים אלו בד"כ מעורבים חלבונים נוספים אשר מתווכים את הפעילות, כך שבתאים שונים אותה מערכת תפעל ע"י סיגנל שונה, כלומר המערכת הזו היא reusable.

Network motifs In Signal Transduction Networks Protein kinase cascades are usually made of layers, usually three. This forms multi-layer perceptrons that can integrate input from several receptors Multi-layer perceptrons In protein kinase cascades כל שכבה בכל שכבה יש מספר קינאזות. כל אחת יכולה לפספט את כל אחת מהקינאסות בשכבה הבאה.