Kulcsfontosságú gének genomikai előrejelzése: In Silico megközelítés
Title in English
Genomic prediction of essential genes: in silico approach
Panel
Genetics, Genomics, Bioinformatics and Systems Biology
Department or equivalent
Department of Plant Systematics, Ecology and Theoretical Biology (Eötvös Loránd University)
Starting date
2005-01-01
Closing date
2008-06-30
Funding (in million HUF)
2.900
FTE (full time equivalent)
2.55
state
closed project
Final report
Results in Hungarian
Kulcsfontosságú gének bioinformatikai elemzése:
Csoportunk számos számos olyan sajátságot ismertek fel, melyek segítségével jellemezni lehet az esszenciális vagy a géndózis változására érzékeny géneket. Ezek közül a génduplikációt, az alternatív anyagcsereútvonalak jelenlétét, a génkifejeződés mértékét és a gén genomon belüli pozícióját érdemes megemlíteni.
Rendszerbiológiai modellek alapján kulcsfontosságú metabolikus gének előrejelzése:
Előzetesen leírt módszerekre alapozva, részletes vizsgálatnak vetettük alá a sörélesztő rekonstruált metabolikus hálózatát, majd megvizsgáltuk, hogyan viselkedik a rendszer ha egy-egy enzim működésképtelen. Módszerünk sikeresen jelzi előre az esszenciális gének 85%-át. Ez a siker lehetővé tette, hogy a biológia olyan kulcskérdéseire keressünk választ, mint a mutációkkal szembeni robusztusság háttere, a biológiai hálózatok evolúciós változása vagy a minimál genomok természete.
Genetikai interakciók rendszerbiológiai és kísérleti vizsgálata:
Anyagcserehálózat rendszerbiológiai modellünk komoly lehetőséget biztosít a genetikai interakciók mélyebb megértéséhez. A modell sikeresen képes előrejelezni speciális genetikai interakciók jelenlétét. Számos érvünk szól amelett, hogy a mutációkkal szembeni robusztusság a különböző környezeti feltételekhez való alkalmazkodás mellékterméke.
Results in English
Bioinformatics analyses of essential genes:
We identified several cellular and genomic features that enable reliable characterization of essential and dosage sensitive genes: Gene duplication, alternative metabolic pathways, gene expression level and genomic position all have some effect on gene dispensability.
In silico prediction of essential metabolic genes using systems biological models:
We have employed and further developed a previously elaborated metabolic network model of yeast. Our method predicts gene essentiality with about 85% accuracy. These methods have enabled us to study several key issues in evolutionary biology, such as the nature of mutational robustness and minimal genomes or the driving forces in the evolution of metabolic networks.
Computational and experimental analyses of genetic interactions:
The computational model described above paves the way for gaining novel insights into the nature of genetic interactions. The current model is able to predict the presence of genetic interactions in the metabolic networks of yeast with nearly 50% accuracy, while only approximately 0.5% would be expected by chance. Along with other arguments, our findings suggest that apparent robustness against harmful mutations is not a directly selected trait, but it’s rather a by-product of organismal adaptation to varying environments.
Pal C, Papp B, Lercher MJ: Adaptive evolution of bacterial metabolic networks by horizontal gene transfer, Nature Genetics. 2005 37:1372-5., 2005
Sőti, C., Pál, C., Papp, B. and Csermely, P.: Molecular chaperones as regulatory elements of cellular networks., Current Opinion in Cell Biology 17: 210-215, 2005
Papp, B., Pál, C. and Hurst, L.D: Metabolic network analysis of the causes and evolution of enzyme dispensability in yeast., Nature 429: 661-4, 2004
Pal C, Papp B, Lercher MJ, Csermely P, Oliver SG, Hurst LD: Chance and necessity in the evolution of minimal metabolic networks, Nature 440:667-670, 2006
Harrison R, Papp B, Pal C, Oiver SG, Delneri D: Plasticity of genetic interactions in metabolic networks of yeast, Proc. Natl. Acad. Sci. USA 104: 2307-12., 2007
Pal C, Papp B, Lercher MJ: An integrated view of protein evolution, Nature Review Genetics 7:337-348, 2006
Lercher, M.J and Pál, C.: Integration of horizontally transferred genes into regulatory interaction networks takes many millions of years, Molecular Biology and Evolution 25: 559-567., 2008
Pal, C., Macia, M., Oliver, A., Schacher, I. & Buckling, A: Coevolution with viruses drives the evolution of bacterial mutation rates, Nature 450: 1079-81, 2008
Feher, T, Papp B, Pal C, Posfai G: Systematic Genome Reductions: Theoretical and Experimental Approaches, Chemical Reviews 107: 3498-3513, 2007
