細胞内で分子はどこまで正確に情報を伝えられるのか 海津一成 Kazunari Kaizu Laboratory for Biochemical Simulation Quantitative Biology Center (QBiC), RIKEN 生化学反応の場としての細胞 生体(細胞)内 in vivoと試験管内 in vitroの違いとは? 反応に違いがあるか? (Hoppert & Mayer, 1999) 細胞は小さい (長さの単位はおよそ1-100μm程度). 細胞は不均一な系である (クラスタリング, 核や小器官による区画化). 細胞内は分子によって非常に混み合っている (macro-molecular crowding). Diffusion is basis of reaction Reaction is limited by diffusion and collision processes of molecules. (Brownian motion) Reaction-diffusion equation gives probability distribution for each molecule. Fig. Simulated trajectories of 30 molecules on 2D surface. マクロな視点でみた生化学反応 分子数の大数の法則が成り立つ. 均一で, 充分に攪拌された, 希薄な溶液での反応. kon koff Macroscopic A+B A‧B 一分子粒度でみた生化学反応 生化学反応は分子の拡散と衝突によって制限されている. kD ka kD A+B kd A…B Microscopic A‧B Diffusion-limited: . Reaction-limited: . Smoluchowski-Collins-Kimball equation. (Agmon & Szabo, 1990) 生化学反応の一分子粒度シミュレーション技法 (1) 離散空間, 離散時間 = 微視格子法 (Lattice-based method). t=27·ΔtA (Spatiocyteアルゴリズム) (in 3D) 高速に計算できるが, t<Δtの時間スケールでは不正確. t=12·ΔtB A lattice size (length) ~ t=0 A diameter of molecules, σ 生化学反応の一分子粒度シミュレーション技法 (2) 連続な空間, 離散時間 = ブラウン動力学法 (BD: Brownian Dynamics) t~τA 非常に柔軟に計算ができるため, 分子混雑化の計算に適している R 一方で, 非常に計算に時間がかかる The step interval in BD. t=0 In lattice-based method. 生化学反応の一分子粒度シミュレーション技法 (3) 連続な空間, 離散事象 = the enhanced GFRD (eGFRD) method GFRD: Green's Function Reaction Dynamics (Takahashi et al, 2010; Oppelstrup et al, 2006) 2R t=τA t=0 eGFRDによる一分子粒度シミュレーション 二重リン酸化によるswitch-like response (1) 入力 Relaxation time, Kinase (MAPKK) Substrate (MAPK) P P P 出力 Phosphatase (MKP) (Ferrell and Bhatt, 1997; Kholodenko, 2000) Output (K-PP) 二重リン酸化の系は入力に対してswitch-likeな応答 (Distributive) を示す. Input (KK/MKP) 二重リン酸化モデルの一分子粒度シミュレーション 一分子粒度シミュレーションでは, Distributiveな二重リン酸化モデルにおいて, 同じ酵素パラメータを用いた常微分方程式系と著しく異なる入出力応答を示した. Processive Distributive =1マイクロ秒 =10ミリ秒 (Takahashi et al, 2010) 拡散律速(拡散速度が遅い)になればなるほどProcessiveな反応様式に近づく. 酵素の反応後の緩和時間, が長いほどProcessiveな特性は失われる. 二重リン酸化モデルの均一な場のモデル 1st phos. P P P P Distributive 2nd phos. P P P P P P P P P P P P P P P P 一分子粒度でみた二重リン酸化モデルと再結合 rebinding 1st phos. P Rebinding (Processive) 2nd phos. P P P P 二重リン酸化によるswitch-like response (2) 入力 単一のkinaseによる “Processive”なリン酸化 Kinase (MAPKK) Substrate (MAPK) P P P 出力 Phosphatase (MKP) (Ferrell and Bhatt, 1997; Kholodenko, 2000) Output (K-PP) 酵素の再結合によって入力に対してgradedな応答 (Processive) を示す. Input (KK/MKP) Biophysical limit of biochemical sensing LR Sensing limit Power spectrum L + R Frequency Fractional occupancy Theoretical estimation based on PDE, (Berg & Purcell, 1977; Bialek & Setayeshgar, 2005) did not agree with simulation. Biophysical limit of biochemical sensing 結合した受容体数(LR) 生物(細胞)はシグナル分子と受容体との結合によって外界の状況を感知する Berg-Purcell の理論 バイオセンサーの 観測ノイズの大きさ 時間 シグナル分子(L) 受容体 (R) 観測時間 ノイズ バイオセンサーの特性値 L+R k +c k- 観測時間 T=0、1、5秒 LR 自己相関関数 A single-particle-level simulation with the eGFRD method 自己相関関数の積分 「1回の観測」に かかる時間 観測時間T の間に独立に観測できる回数 時間τ 0 単位時間の観測における 絶対誤差の限界 観測開始 観測終了 観測終了 受容体の占有率 eGFRD法による計算結果と 1分子粒度の理論予測 既存の理論による予測 (Berg & Percell, 1977; Bialek & Setayeshgar, 2005) 受容体の占有率が低いほど、バイオセンサーの精度が高まる
© Copyright 2024 ExpyDoc