Dokument: Evolutionary Systems Biology in Yeast
| Titel: | Evolutionary Systems Biology in Yeast | |||||||
| URL für Lesezeichen: | https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=15920 | |||||||
| URN (NBN): | urn:nbn:de:hbz:061-20100901-101406-2 | |||||||
| Kollektion: | Dissertationen | |||||||
| Sprache: | Englisch | |||||||
| Dokumententyp: | Wissenschaftliche Abschlussarbeiten » Dissertation | |||||||
| Medientyp: | Text | |||||||
| Autor: | Wang, Guang-Zhong [Autor] | |||||||
| Dateien: |
| |||||||
| Beitragende: | Prof. Dr. Lercher, Martin [Gutachter] Prof. Dr. Martin, William [Gutachter] | |||||||
| Dewey Dezimal-Klassifikation: | 000 Informatik, Informationswissenschaft, allgemeine Werke » 004 Datenverarbeitung; Informatik | |||||||
| Beschreibungen: | Since the release of the yeast whole genome sequence in 1996 and the advances in high-throughput technologies, scientists have studied the evolution of the yeast Saccharomyces cerevisiae at the genomics level in two major ways: comparative genomics and systems biology. Both of these approaches have provided important insights into how the yeast genome is organized and how networks evolve to achieve phenotypic features. In this thesis, I study these issues by analyzing both genomics and networks data.
The major questions I asked and the findings raised by this thesis are as follows: First, I studied why there are so many yeast non-coding transcripts (>60%) that are transcribed in bi-directional orientation with a coding gene. For some genes, notably essential genes, expression when expression is needed is vital, hence low noise in expression is favorable. For other genes, noise is necessary for coping with environmental stochasticity or for providing dice-like mechanisms to control cell fate. But how is noise in gene expression modulated? We hypothesize that gene orientation may be crucial, as for divergently organized gene pairs, expression of one gene could affect the chromatin conformation of a neighbouring gene, thereby reducing noise for that gene. Transcription of antisense non-coding RNA from a shared promoter is similarly argued to be a noise-reduction mechanism. Our stochastic simulation models confirm the expectation. The model correctly predicts: that protein coding genes with bi-promoter architecture, including those with a ncRNA partner, have lower noise than other genes; divergent gene pairs uniquely have correlated expression noise; distance between promoters predicts noise; ncRNA divergent transcripts are associated with genes that a priori would be under selection for low noise; essential genes reside in divergent orientation more than expected; bi-promoter pairs are rare subtelomerically, cluster together and are enriched in essential gene clusters. We conclude that gene orientation and transcription of ncRNAs, even if unstable, are candidate modulators of noise levels. Second, I studied whether ancestrally neighbouring genes still remain co-expressed even after they have been separated by chromosomal rearrangements. Although there is clear evidence that closely spaced gene pairs tend to be highly co-expressed, it is not clear if this co-expression is solely due to a mechanistic neighbourhood effect, or if the co-expression is selectively favorable. Thanks to the multiple fungi genome sequencing projects, it is now possible to answer this question. Using a reconstruction of gene order in an ancestral yeast based on parsimony, we found a significant co-expression signal for many separated gene pairs. Moreover, even genes that are neighbouring in other fungi but were never genomic neighbours in the evolutionary history of Saccharomyces cerevisiae show higher co-expression than expected. We conclude that co-expression of neighbouring genes is indeed often favoured by natural selection. Third, I studied how network neighbours influence the evolutionary rate of a protein and why. Recently it was shown that the level of protein expression is the main predictor of the protein evolution rate. Thus, if two genes have similar expression levels, they should also have a similar rate of evolution. We found that this can explain the fact that neighbouring gene evolve similarly in most biological networks, regardless of the different network topologies. Namely, controlling for expression level, neighbouring genes no longer show correlated evolution in almost all networks studied. But in co-expression network, even controlling for expression abundance as well as for gene essentiality and gene length, neighbouring (i.e., co-expressed) genes still co-evolve. This finding suggests that both expression level and co-expression influence the rate of protein evolution in networks. Finally, I focused on the phenotypic effect of genetic hubs. Robustness is a basic feature of biological networks, and we expect different proteins to make different contributions to the overall robustness of the network. In genetic interaction networks, when the genetic hubs function abnormally, the offspring is expected to exhibit more phenotypic variation (both genetically caused and non-genetically caused). We observed that the number of strong negative genetic interactions (synthetic lethality) is indeed positively correlated with phenotypic variation of the respective single-gene knockouts in yeast. Furthermore, there is a high correlation between haploid fitness of the knockouts and phenotypic variation. Thus, haploid fitness and genetic interactions are two predictors of phenotypic variation in mutants. This further suggests that the release of phenotypic variation in mutants is mostly not due to a specific buffering function of the mutated gene (as in the case of chaperones, e.g., Hsp90), but that compromised function of one part of the network reduces the cell’s ability to compensate for sub-optimal pathways elsewhere.Die Evolution der Hefe Saccharomyces cerevisiae wurde seit der Veröffentlichung der kompletten Genomsequenz 1996 und den Fortschritten in Hochdurchsatz-Technologien auf Genomebene hauptsächlich auf zwei Arten untersucht: durch vergleichende Genomik und durch Systembiologie. Beide Ansätze haben wichtige Einsichten in die Genomorganisation und in die Evolution von Netzwerken geliefert. Diese Forschungsthemen bilden auch das Thema der vorliegenden Doktorarbeit. Hierzu untersuche ich sowohl Netzwerk- als auch genomische Daten. Die wichtigsten behandelten Fragen sind die folgenden: Zunächst untersuche ich die Frage, warum das Hefegenom so viele nicht-kodierende Transkripte enthält, die bidirektional mit einem protein-kodierenden Gen abgelesen werden (>60%). Für einige Gene, insbesondere für essentielle Gene, ist es lebenswichtig, dass Genexpression genau dann stattfindet, wenn sie benötigt wird; für diese Gene bietet ein niedriges ‚Expressionsrauschen’ (d.h. Variabilität in Genexpression) einen Selektionsvorteil. Andere Gene benötigen Expressionsrauschen, um mit stochastischen Umgebungen umzugehen oder um Mechanismen für die zelluläre Regulation zu liefern, die nach dem Muster von Würfelspielen funktionieren. Aber wie wird Expressionsrauschen vom Genom gesteuert? Wir stellen die Hypothese auf, dass Genorientierung hier eine entscheidende Rolle spielen könnte: bei divergent transkribierten Genpaaren könnte die Expression eines Gens die Chromatin-Konformation des benachbarten Gens beeinflussen, wodurch das Expressionsrauschen des zweiten Gens vermindert würde. Transkription von nicht-kodierender Antisense-DNS ausgehend von einem gemeinsamen Promoter könnte analog zu einer Reduzierung des Expressionsrauschens führen. Unsere stochastischen Simulationen bestätigen diese Erwartungen. Unser Modell sagt folgende Beobachtungen richtig voraus: Protein-kodierende Gene mit bi-promoter Architektur, einschließlich solcher mit einem nicht-kodierenden Partner, haben ein niedrigeres Expressionsrauschen als andere Gene; divergente Genpaare zeichnen sich durch korreliertes Expressionsrauschen aus; der Abstand zwischen Promotoren sagt das Ausmaß an Expressionsrauschen voraus; nicht-kodierende RNS involviert in divergente Transkription haben Partnergene, von denen a priori erwartet wird, dass niedriges Expressionsrauschen einen Selektionsvorteil bietet; essentielle Gene befinden sich öfter in divergenter Orientierung als zufällig erwartet; bi-promoter Genpaare treten selten in sub-telomeren Regionen auf, bilden Gruppen und treten häufig in essentiellen Gengruppen auf. Wir schließen daraus, dass Genorientierung und Transkription von nicht-kodierenden RNS, selbst wenn diese instabil sind, mögliche Regelungssysteme für das Ausmaß von Expressionsrauschen sind. Zweitens habe ich untersucht, ob Gene, die in einem Vorläufergenom Nachbarn waren, immer noch co-exprimiert sind selbst wenn sie durch genomische Umordnungen auseinandergerissen wurden. Es steht außer Frage, dass eng benachbarte Genpaare häufig stark co-exprimiert sind; es ist allerdings unklar, ob dies lediglich durch rein mechanische Nachbarschafts-Effekte verursacht wird, oder ob co-Exprimierung einen Selektionsvorteil bietet. Diese Frage kann nun dank mehrerer Pilz-Genomprojekte beantwortet werden. Mit Hilfe einer Rekonstruktion der Genanordnung in einer ancestralen Hefespezies konnten wir zeigen, dass viele Genpaare auch nach einer genomischen Umordnung noch signifikant co-exprimiert sind. Wir fanden weiterhin, dass sogar benachbarte Genpaare in anderen Pilzarten – die in der Evolutionsgeschichte der Hefe nie benachbart waren – stärker co-exprimiert sind als erwartet. Wir schließen daraus, dass co-Expression benachbarter Gene tatsächlich häufig im Einklang mit natürlicher Selektion ist. Drittens habe ich untersucht wie und warum Nachbarn in biologischen Netzwerken die Evolutionsrate von Proteinen beeinflussen. Es wurde kürzlich gezeigt, dass die Expressionshöhe diejenige Variable ist, die die beste Vorhersage der Evolutionsrate ermöglicht. Zwei Gene mit ähnlicher Expressionsrate sollten daher auch ähnliche Evolutionsraten zeigen. Wir zeigen hier, dass dieser Zusammenhang erklären kann, warum benachbarte Gene in den meisten biologischen Netzwerken ähnliche Evolutionsraten haben: wenn wir Genexpression herausrechnen, dann verschwindet die Ähnlichkeit der Evolutionsraten in fast allen Netzwerken. Eine Ausnahme bildet das co-Expressions-Netzwerk, in dem benachbarte Gene immer noch ähnliche Evolutionsraten haben nachdem wir die Effekte von Genexpression, Gen-Essentialität und Genlänge herausrechnen. Diese Beobachtung legt nahe, dass sowohl Expressionshöhe als auch co-Expression die Evolutionsrate in Netzwerken beeinflussen. Schließlich habe ich mich auf den phenotypischen Einfluß von genetischen Netzwerk-Achsen (d.h. Genen mit vielen genetischen Interaktionen) konzentriert. Robustheit ist eine grundlegende Eigenschaft biologischer Netzwerke, und wir erwarten, dass verschiedene Proteine unterschiedlich zur Robustheit des Netzwerkes beitragen. Wenn Achsen in genetischen Interaktionsnetzwerken ihre normale Funktion verlieren, dann erwartet man höhere phänotypische Variabilität in den Nachkommen. Wir beobachten dass die Anzahl stark negativer genetischer Interaktionen (synthetische Letalität) tatsächlich mit der phänotypischen Variabilität der entsprechenden Gen-Knockouts korreliert. Weiterhin finden wir eine starke Korrelation zwischen der haploiden Fitness der Knockouts und phänotypischer Variabilität. Einerseits tragen also sowohl genetische Interaktionen als auch haploide Knockout-Fitness zur Vorhersage phänotypischer Variabilität bei. Daraus folgt weiterhin, dass die Freisetzung phänotypischer Variabilität häufig nicht die Konsequenz einer spezifischen Pufferfunktion des mutierten Gens ist (so wie bei Chaperonen, z.B. Hsp90), sondern dass eine beeinträchtigte Funktion in einem Teil des Netzwerkes die Fähigkeit der Zelle reduziert, sub-obtimale Reaktionspfade in anderen Teilen des Netzwerkes auszugleichen. | |||||||
| Lizenz: |  Urheberrechtsschutz | |||||||
| Fachbereich / Einrichtung: | Mathematisch- Naturwissenschaftliche Fakultät » WE Informatik » Bioinformatik | |||||||
| Dokument erstellt am: | 01.09.2010 | |||||||
| Dateien geändert am: | 01.09.2010 | |||||||
| Promotionsantrag am: | 15.06.2010 | |||||||
| Datum der Promotion: | 25.08.2010 |
