Advanced

Gene Regulatory Networks for Cell Reprogramming - A Boolean Networks Approach

Bertenstam, Mårten LU (2016) FYTK02 20161
Computational Biology and Biological Physics
Department of Astronomy and Theoretical Physics
Abstract
Maintenance of stem cell pluripotency and the differentiation of stem cells into specialised cells has been studied extensively. More recently, the possibility for a specialised cell to be transferred into a state of induced pluripotency has been demonstrated and investigated. Critical components of the gene regulatory networks governing these processes have been identified, but a complete model has yet to be developed. This thesis looks into the modelling of such networks by means of a deterministic Boolean networks approach.

We addressed an experimental study on cell reprogramming of mouse embryonic fibroblast cells into induced pluripotent stem cells. In that study, barriers to reprogramming were identified as intermediate states... (More)
Maintenance of stem cell pluripotency and the differentiation of stem cells into specialised cells has been studied extensively. More recently, the possibility for a specialised cell to be transferred into a state of induced pluripotency has been demonstrated and investigated. Critical components of the gene regulatory networks governing these processes have been identified, but a complete model has yet to be developed. This thesis looks into the modelling of such networks by means of a deterministic Boolean networks approach.

We addressed an experimental study on cell reprogramming of mouse embryonic fibroblast cells into induced pluripotent stem cells. In that study, barriers to reprogramming were identified as intermediate states between fibroblast and stem cell. We built a network topology on a subset of the genes considered in the study, inferring gene interactions from a public gene database, and trained an ensemble of networks based on available gene expression data. From this ensemble, relevant networks could be extracted that captured the observed barriers as attractors, along with the differentiated state and the stem cell state. Stability considerations indicated a linear ordering of these attractors consistent with the experimental findings. The networks were also able to capture reasonable reprogramming behaviour, for example transitions to the stem cell state upon overexpression of certain genes.

In this context, a software environment was developed to study Boolean networks and their dynamics, with emphasis on gene regulatory networks. Features include tools for: extracting preliminary network topologies based on public gene databases, training Boolean networks based on such topologies and experimental gene expression data, analysing the stability of the networks, computing network attractors and searching for networks with certain attractor properties. (Less)
Popular Abstract (Swedish)
Likt andra komplexa, flercelliga organismer, består den mänskliga kroppen av en mängd olika organ ämnade för olika uppgifter. För att kunna utföra dessa uppgifter är organen uppbyggda av olika sorters celler, med speciell funktion och struktur.

Trots de stora skillnaderna mellan dessa celltyper delar de samma genetiska ritning, organismens genom. Genomet är indelat i olika gener, vilka beskriver cellens olika proteiner. Dessa makromolekyler utgör byggmaterial för cellen, påskyndar kemiska reaktioner, hjälper till med transport av diverse andra molekyler inuti cellen, och mycket mer. Koncentrationen av de olika proteinerna definierar cellens karaktär, och det är således de genreglerande mekanismer vilka avgör aktiviteten hos de olika... (More)
Likt andra komplexa, flercelliga organismer, består den mänskliga kroppen av en mängd olika organ ämnade för olika uppgifter. För att kunna utföra dessa uppgifter är organen uppbyggda av olika sorters celler, med speciell funktion och struktur.

Trots de stora skillnaderna mellan dessa celltyper delar de samma genetiska ritning, organismens genom. Genomet är indelat i olika gener, vilka beskriver cellens olika proteiner. Dessa makromolekyler utgör byggmaterial för cellen, påskyndar kemiska reaktioner, hjälper till med transport av diverse andra molekyler inuti cellen, och mycket mer. Koncentrationen av de olika proteinerna definierar cellens karaktär, och det är således de genreglerande mekanismer vilka avgör aktiviteten hos de olika generna, som bestämmer cellens typ. Genom att vissa gener kodar för transkriptionsfaktorer som deltar i sådana mekanismer, uppstår ett komplicerat nätverk av samverkan mellan olika gener.

Individen utvecklas urpsrungligen från en enda cell, vilken således måste ha förmågan att bilda alla de celler som sedermera bygger upp kroppen. Denna cell kallas totipotent och är ett slags stamcell. Efter ett antal celldelningar har det bildats pluripotenta stamceller, vilka fortsätter dela sig och börjar bygga upp de cellskikt ur vilka organen senare utvecklas. Dessa celler kan nu inte längre bilda vilka celler som helst, och sägs vara differentierade. Denna differentieringsprocess kan liknas vid en kula som rullar ner från en höjd i ett backigt landskap.

Intuitivt kommer kulan inte spontant att rulla uppför detta landskap. Så sent som 2006 visade emellertid Takahashi och Yamanaka att man under gynnsamma förhållanden kan tvinga en differentierad cell tillbaka till ett pluripotent tillstånd. Denna process benämnes omprogrammering och de pluripotenta cellerna benämnes inducerat pluripotenta. Det återstår dock mycket att utforska kring omprogrammering, framförallt hur processen kan göras mer effektiv. Sådana insikter fordrar kännedom om det genetiska nätverk som styr differentiering och omprogrammering. På grund av nätverkets storlek är denna analys svår och förenklade datormodeller kan vara nödvändiga för att vaska fram de väsentliga delarna.

En mycket grov sådan modell bygger på att generna beskrivs som antingen på eller av, likt en vanlig strömbrytare. Växelverkan mellan generna beskrivs med likaledes enkla logiska grindar. Denna modell kallas för ett Booleskt nätverk och har tidigare använts med viss framgång för att beskriva differentiering. I detta arbete utforskas om en sådan modell också kan beskriva omprogrammering av celler. Speciellt identifieras eventuella gropar i det tidigare nämnda cellandskapet, samt hur en cell, under yttre påverkan, kan ta sig från en grop till en annan.

Det finns många goda anledningar att studera stamceller. De används redan vid utvecklandet av läkemedel och vid studiet av olika sjukdomar. Ett problem härvid är att stamceller för närvarande erhålls ur embryon, vilket innebär att tillgången är låg och vilket dessutom väcker många etiska frågor. Med effektivare omprogrammering kan dessa problem enkelt lösas genom att möjliggöra framtagning av inducerat pluripotenta stamceller ur vanliga hudceller hos vuxna individer. Än mer lovande är de möjligheter som inducerat pluripotenta stamceller erbjuder för att ersätta skadad vävnad och rentav hela organ. Genom att använda stamceller härledda från kroppsegna celler kan nuvarande problem med bortstötning vid transplantation undvikas. (Less)
Please use this url to cite or link to this publication:
author
Bertenstam, Mårten LU
supervisor
organization
course
FYTK02 20161
year
type
M2 - Bachelor Degree
subject
language
English
id
8888960
date added to LUP
2016-09-05 11:25:12
date last changed
2017-10-06 15:54:25
@misc{8888960,
  abstract     = {Maintenance of stem cell pluripotency and the differentiation of stem cells into specialised cells has been studied extensively. More recently, the possibility for a specialised cell to be transferred into a state of induced pluripotency has been demonstrated and investigated. Critical components of the gene regulatory networks governing these processes have been identified, but a complete model has yet to be developed. This thesis looks into the modelling of such networks by means of a deterministic Boolean networks approach.

We addressed an experimental study on cell reprogramming of mouse embryonic fibroblast cells into induced pluripotent stem cells. In that study, barriers to reprogramming were identified as intermediate states between fibroblast and stem cell. We built a network topology on a subset of the genes considered in the study, inferring gene interactions from a public gene database, and trained an ensemble of networks based on available gene expression data. From this ensemble, relevant networks could be extracted that captured the observed barriers as attractors, along with the differentiated state and the stem cell state. Stability considerations indicated a linear ordering of these attractors consistent with the experimental findings. The networks were also able to capture reasonable reprogramming behaviour, for example transitions to the stem cell state upon overexpression of certain genes.

In this context, a software environment was developed to study Boolean networks and their dynamics, with emphasis on gene regulatory networks. Features include tools for: extracting preliminary network topologies based on public gene databases, training Boolean networks based on such topologies and experimental gene expression data, analysing the stability of the networks, computing network attractors and searching for networks with certain attractor properties.},
  author       = {Bertenstam, Mårten},
  language     = {eng},
  note         = {Student Paper},
  title        = {Gene Regulatory Networks for Cell Reprogramming - A Boolean Networks Approach},
  year         = {2016},
}