Transcript Raten-Theorie chemischer Reaktionen
Biochemical Networks Literature: Cantor&Schimmel: Biophysical Chemistry Adam Läuger Stark : Physikalische Chemie und Biophysik Voit: Computational Analysis of Biochemical Systems
Modelling Biochemical Networks
A
B k BA
Cooperative Enzymes Inhibition, Regulation Kinetic Rates Synergistic Systems Parameter Estimations
E
S
1
ES
E
P
Literature: Voit: Computational Analysis of Biochemical Systems Adam Läuger Stark : Physikalische Chemie und Biophysik Breckow : Biophysik
Open Systems
Cellular Images of DNA Hybridization Kinetics In Vivo
Ingmar Schön & Dieter Braun PNAS, accepted (2009)
experimental setup
lock-in detection scheme periodic illumination
phase-locked relative to perturbation quantum efficiency illumination 0 ° 90 °
collect fluorescence by slow CCD
(low-pass filtering) 180 ° 270 °
fit with transfer function
for a first-order reaction
approach goal:
measure reaction kinetics in vivo
principle:
perturbe equilibrium and analyze relaxation
detection:
fluorescence resonance energy transfer (FRET)
DNA probe 5’ C RhG | AGG TTA CTA TCG TAT T C -3’ 5’ C ROX | AAT ACG ATA GTA ACC T C -3’ C =
L-enantiomeric cytosin
DNA probe
hybridization kinetics in a single living cell
different kinetics in subcellular compartments
dependence on concentration calibration
brightness of confocal image vs. DNA concentration
dependence on concentration calibration
brightness of confocal image vs. DNA concentration
1
k off
k on
c A
c B
comparison in vitro vs. in vivo
1
k off
k on
c A
c B
… faster Hybridization in vivo!
However 12bp probe … … is slower: Binding with Proteins !
Molecular Crowding is no significant for short DNA Trivial molecular crowding:
excluded volume enhances local concentration, however both for 12 & 16 mer => Not found
Length dependent, specific interactions
: - Catalytic speed up of Hybridization - Slowing by specific binding => Less free concentration and slower kinetics
Das Prinzip des detaillierten Gleichgewichts In einem komplexeren Netzwerk (z.B. ein zyklisches System) sind Reaktionen mit dx/dt=0 denkbar, die thermodynamisch zugelassen wären, aber einen permanenten Materialfluss ermöglichen würden.
Die Gleichgewichtsbedingung gilt für alle Teilreaktionen eines Systems. „Das Gleichgewicht ist wegunabhängig“
Prinzip des detaillierten Gleichgewichts
(Prinzip der mikroskopischen Reversibilität)
Michaelis-Menten Kinetics
Biologische Regulation durch Enzymhemmung
Effects of noncompetitive inhibition
Non-competitive inhibition
Competitive Inhibition Inhibitor competes with substrate for binding to enzyme Example 1: most drugs Example 2: Product inhibition Problem : Die kompetitive Hemmung hat unzureichende Regeleigenschaften
Mehrfachbindung und die Regulation biologischer Aktivität „Abschaltfunktion“ Rate als Funktion der inhibitorischen Substanz Ein Enzym mit mehreren Bindungsstellen für ein hemmende Substanz B ermöglicht schärfere Regelung Sollwert
Kooperativität allosterischer Enzyme Michaelis-Menten-Kinetik (n=1)
v
P
V
max
K n M
s n s n Hill Gleichung
Der Hill-Koeffizient wird aus experimentellen Daten v(s) bestimmt durch logarithmische Auftragung: (Hill Plot)
n
ln
s
n
ln
K M
ln
V
max
V
V
Das Operon-Regelsystem nach Monod: Beispiel allosterischer Kontrolle G: Genprodukt (z.B. Enzym, das Bildung von P aus Substrat St katalysiert) Für die Komplexbildung von Produkt P mit Konzentration yP und dem regulatorische Gen R wird eine kooperative Rückkopplung angesetzt
Autokatalyse, Voltera-Lotka Systeme Die DGL ohne Rückkopplung lautet :
dy A k
2
k
10
k
11
y A dy B k
2
k
21
y A
k
22
y B
Der autokatalytische Schritt erzeugt die Nicht-Linearität
k
10
y A
und
k
11
k
21
y B dy A dt dy B dt
y A
y A y B
y A
B
y B
Räuber-Beute-System
Nicht-Lineare Systeme können mehrere stationäre Zustände aufweisen:
Diskriminative Schaltfunktion
Relationships (Shiraishi-Savageau, 1992)
Kinetic orders = weighted averages of more elementary ko ´ s (Alves-Savageau, 2000) Homogeneous 3D reactions -> pos. integers
Modellierung Biochemischer Netzwerke
Quelle: Stelling, Curr.Op.MicroBio 2004
Metabolische Netzwerke Metabolische Netzwerke sind durch eine Netzwerktopologie (pathway) und biochemische Ratengleichungen beschrieben.
Computergestützte Analyse
S-Systeme
: einfache nichtlineare Näherung mit numerischen Vorteilen
Elementare Fluss Moden Analyse
: Stoichiometrisches Fliessgleichgewicht
S-Systeme • Produktansatz für die Zu- und Abflüsse V i + and V i .
dX i /dt = V + -V = a i j=1 n+m X j gij b i j=1 n+m X j hij a i und b i :
Raten Konstanten
- g ij – X i and h ij : Kinetische Exponenten : Konzentrationen of all the metabolites that are involved in
Warum funktionieren S-Systeme ?
Begründete Annahmen: Biochemische Systeme sind in der Regel in einem Quasi stationären Zustand, d.h. die Dynamik der Systemsteuerung ist langsam gegenüber der zugrundeliegenden Systemdynamik.
S-Systeme sind Entwicklungen um stationärem Gleichgewicht Biochemische Systeme sind robust. D.h. die Funktionen sind weitestgehend unabhängig von den Konzentrationen Vorteile: * Analytische Steady-State-Lösung * Mathematisch und rechnerisch einfach * Beliebige Differentialgleichungssystem können in äquivalente S-Systeme übersetzt werden.
* Parameterschätzung möglich
aus Torres: Pathway Analysis
Parameterschätzung
Bestimmung der kinetischen Ordnung aus experimentellen Daten
g
d
ln
v
d
ln
X
v
X
X
v
Die Stoichiometrische Matrix: Flussanalyse
dS dt
N
v