Neues Werkzeug für die Systembiologie

Hypergraphen ahmen komplexe biologische Prozesse nach

29.06.2009 - Deutschland

Am Institut für Bioinformatik und Systembiologie des Helmholtz Zentrums München entwickelt eine Arbeitsgruppe unter Leitung von Prof. Fabian Theis mathematische Modelle, die komplizierte Signalübertragungen auf Zellebene nachahmen. Zusammen mit Magdeburger Wissenschaftlern zeigte Theis, welche bedeutsame Rolle dabei Hypergraphen als Werkzeug auch in der Systembiologie einnehmen. Langfristiges Ziel ist es, damit die molekularen Ursachen komplexer Erkrankungen zu erforschen und neue Therapieansätze zu entwickeln. Leben ist mehr als die Summe seiner Teile und Bio-Netzwerke wie Zellen, Organe oder Lebewesen zeichnen sich durch eine Vielzahl interagierender Komponenten aus. Um die komplexen Systeme besser verstehen zu können, entwickelte sich eine moderne Wissenschaft: Die Computational Biology beschreibt Lebensprozesse mathematisch exakt. Unter Leitung von Dr. Dr. Fabian Theis entwickelt eine Arbeitsgruppe am Helmholtz Zentrum München mathematische Modelle, die auf biologischem Wissen und experimentellen Daten beruhen. Das Interesse der Wissenschaftler gilt unter anderem den erst in jüngster Zeit entdeckten microRNAs, sehr kurzen RNA-Molekülen, die nicht in Proteine übersetzt werden, sondern andere Gene regulieren. Ein Gebilde aus Knoten mitsamt Kanten dazwischen heißt Graph. Die Knoten stehen für Proteine, Stoffwechselprodukte, Gene oder andere Substanzen, die Kanten für Beziehungen zwischen diesen Stoffen - beispielsweise „enthält“, „verbindet sich mit“ oder „katalysiert“. Graphen zählen zu den wichtigsten Rüstzeugen der Wissenschaftler. Ein einfaches Beispiel: Beim Sauerstofftransport wird Sauerstoff an den roten Blutfarbstoff angelagert. Das Hämoglobin geht in das Oxyhämoglobin über. Ersetzt man Hämoglobin und Oxyhämoglobin durch jeweils einen Punkt, einen so genannten Knoten, und die Verbindung zwischen den beiden Molekülen durch eine Linie („Kante“), so erhält man einen Graphen. Die Kanten eines einfachen Graphen dürfen höchstens zwei Knoten miteinander oder einen Knoten mit sich selbst verbinden. Das reicht nicht aus, um die komplizierten Vorgänge des Lebens genau zu modellieren. Mit Hypergraphen, in denen eine Kante beliebig viele Knoten verbinden darf, gelingt dies weitaus besser. "Hypergraphen werden in anderen Gebieten wie der Mathematik, Physik oder in den Sozialwissenschaftern oft benutzt", erklärt Fabian Theis. "Sie sollten aber auch in der Biologie stärker zum Einsatz kommen, denn sie eröffnen uns großartige Möglichkeiten, wirklichkeitsnahe Modelle zu entwickeln." Dies verdeutlicht Theis an zahlreichen Beispielen. Wichtige Daten über die Genomaktivität erhalten Wissenschaftler, indem sie miteinander interagierende Gruppen von Proteinen identifizieren. Um Komponenten von Multiproteinkomplexen zu identifizieren, wird seit Jahren die so genannte Tandem-Affinitäts-Reinigung (Tandem Affinity Purification, TAP) verwendet. TAP-Daten können in einem Hypergraphen dargestellt werden, in dem eine Kante die verschiedenen miteinander verbundenen Proteine eines Komplexes darstellt. Gibt man TAP-Ergebnisse hingegen in einem gewöhnlichen Graphen wieder, so kann man zwar erkennen, welche beiden Proteine miteinander eine Bindung eingegangen sind. Es ist jedoch nicht mehr möglich, die Komplexbildungen zu rekonstruieren. Wichtige Informationen sind verloren gegangen. Inzwischen stehen relativ große Hypergraphen zur Verfügung, die Genregulationen oder Wechselwirkungen zwischen Proteinen darstellen. Forscher fügen mittlerweile auch statistische Informationen in einen Hypergraphen ein. Die Anwendungsmöglichkeiten sind vielfältig. Ein Beispiel sind Hypergraphen, welche statistische Informationen über Gendefekte und damit in Zusammenhang stehende Krankheiten enthalten. Auf diese Weise kann man rasch erfahren, wie häufig eine genetisch bedingte Erkrankung auftritt - eine Information von hohem Interesse. Mittlerweile gelingt es mit Hypergraphen außerordentlich gut, biologische Prozesse zu modellieren. Dies ist unter anderem für die Diagnose, Prävention und Therapie von Erkrankungen von Bedeutung. Die Anwendungsmöglichkeiten der Hypergraphen sind aber noch längst nicht ausgeschöpft. Es ist daher zu erwarten, dass sie in naher Zukunft erheblich an Bedeutung gewinnen werden. Originalveröffentlichung: Steffen Klamt, Utz-Uwe Haus, Fabian Theis; "Hypergraphs and Cellular Networks"; PLoS Comput Biol 5(5) 2009