Modeling cytokine signaling pathways for the study of autoimmune disease

Autor/a

Pertsovskaya, Inna

Director/a

Villoslada, Pablo

Tutor/a

Cascante i Serratosa, Marta

Data de defensa

2014-06-25

Dipòsit Legal

B 17747-2014

Pàgines

166 p.



Departament/Institut

Universitat de Barcelona. Facultat de Biologia

Resum

Systems Biology opens new frontiers in the studies of complex diseases such as Multiple Sclerosis (MS). The questions that couldn’t be addressed before due to lack of understanding and methodological base, such as the molecular mechanism of action of many drugs on the signaling pathways, were resolved using new Systems Biology vision of nature. Signaling pathways have dual biological and mathematical nature. Modern Systems Biology developed various methods to model signaling pathways and predict their behavior in different conditions. This dissertation is focused on some of the key molecular mechanisms of signal transduction in MS development and progression, which are important in order to explain the mechanism of action of the common MS drugs. My main hypotheses are based on the assumption that the most important art of the biological system are the connections between molecules rather than the molecules themselves (e.g. edges rather than nodes of the model graph). For example, the immune cell subtypes have different response to the external stimulus because the molecules regulate different activities of each other inside the cell rather than the components of the cells are different. Another examples of it are the kinetic changes driven by the changes in the translocation activity of the Stat1 protein. To prove my hypothesis, I developed two different mathematical models of IFNbeta pathway: Boolean and ordinary differential equations (ODE). The combination of two modeling approaches allowed us to look at the same pathway from two perspectives: in connection with other related pathways and as a kinetic system. We identified oscillatory and damped oscillatory regimes in the IFNbeta signaling and the key sensitive parameters, which determine the switch of the regimes. Both model were validated experimentally and leaded to several predictions, which could be important for the development of new drugs or drug combination. For example, the bifurcation analysis of the kinetic model revealed the importance of the features of the nuclear translocation of the Stat1 protein for the correct functioning of the signaling pathway. Sgk/Akt-Foxo3a is another pathway described, modeled and validated in my dissertation. The nuclear translocation is a known key element of this system, but we focused on the on/off circuit mechanisms and the importance of the combination of different phosphorylation sites for signal transduction. The main outcomes of this work are: 1. New models of IL6, IFNbeta and Akt/Sgk signaling pathways 2. Predicted prevalence of translocation parameters over the phosphorylation rates on the IFNbeta pathway 3. New method of the application of the Boolean model workflow to the clinical data As a conclusion, the Systems Biology is a powerful tool to predict new properties of the biological systems, which can be used in clinical practice, such as dynamical biomarkers or differential signal transduction. Thus, Systems biology provides a new approach to search for new treatments and biomarkers of autoimmune diseases.


La biología de sistemas abre nuevas fronteras en el estudio de enfermedades complejas como la Esclerosis Múltiple (EM). Esta disertación se centra en algunos de los mecanismos moleculares clave en la transducción de señales durante el desarrollo y la progresión de la EM, elementos clave para lograr explicar el mecanismo de acción de los fármacos más usados en la EM. Mis principales hipótesis se basan en la presunción de que el principio más relevante de los sistemas biológicos son las conexiones entre las moléculas en lugar de las moléculas per se (p.e.: los bordes en lugar de los nodos en los modelos gráficos). Un ejemplo de esto se encuentra en los subtipos de células inmunes, que tienen distintas respuestas a los estímulos externos dado que interactúan entre ellas dentro de las células más que por sus componentes sean distintos. Para probar mi hipótesis, he desarrollado dos modelos matemáticos distintos de la vía de señalización de IFNbeta: Booleano y ODE. La combinación de los dos modelos nos permite observar la vía de señalización desde dos puntos de vista distintos: en conexión con otras vías de señalización relacionadas y como un sistema cinético. Hemos detectado regímenes oscilatorios en la señalización de IFNbeta y sus parámetros clave, que determinan los cambios en los regímenes. Ambos modeles fueron validados experimentalmente y nos condujeron a diversas predicciones que podrían ser clave para el desarrollo de nuevos fármacos o combinaciones de fármacos. La translocación nuclear es un elemento clave conocido de este sistema pero nos focalizamos en los circuitos de conexión y desconexión y la importancia de la combinación de diferentes lugares de fosforilación para la transducción de señales. Concluyendo, la Biología de Sistemas es una herramienta poderosa para predecir nuevas propiedades de sistemas biológicos, que pueden ser usados en la práctica clínica, como biomarcadores dinámicos o señales de transducción diferenciales.

Paraules clau

Biologia de sistemes; Biología de sistemas; Systems biology; Esclerosi múltiple; Esclerosis múltiple; Multiple sclerosis; Interferó; Interferón; Interferon; Comunicación celular; Comunicació cel·lular; Cell signaling

Matèries

577 - Bioquímica. Biologia molecular. Biofísica

Àrea de coneixement

Ciències Experimentals i Matemàtiques

Nota

Tesi realitzada a l'Institut d’Investigacions Biomédiques August Pi i Sunyer (IDIBAPS)

Documents

PERTSOVSKAYA_THESIS.pdf

3.822Mb

 

Drets

L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-sa/3.0/es/
L'accés als continguts d'aquesta tesi queda condicionat a l'acceptació de les condicions d'ús establertes per la següent llicència Creative Commons: http://creativecommons.org/licenses/by-nc-sa/3.0/es/

Aquest element apareix en la col·lecció o col·leccions següent(s)