El coste enzimático de la eficiencia en el metabolismo energético

Dibujo20130605 structural differences between ED and EMP glycolytic pathways

Todo el mundo sabe que el coste de una obra de teatro además del trabajo de los actores incluye a mucho personal entre bambalinas. El coste termodinámico de una ruta metabólica también incluye un coste entre bambalinas, el coste proteómico de la síntesis de sus enzimas. Nos lo recuerda un nuevo artículo en PNAS que estudia en procariotas la ruta metabólica de la glucólisis, la síntesis de energía (moléculas de ATP) oxidando glucosa. La ruta metabólica estándar para la glucólisis es la de Embden-Meyerhoff-Parnass (EMP), que contiene 10 reacciones enzimáticas y cuyo producto son dos moléculas de ATP. Sin embargo, hay otras rutas para la glucólisis en procariotas, siendo la más común la ruta de Entner-Doudoroff (ED), que produce una sola molécula de ATP, pero sólo tiene 6 reacciones enzimáticas. Avi Flamholz (Instituto Weizmann de Ciencia, Rehovot, Israel) y sus colegas afirman que la prevalencia de la ruta ED en procariotas es debido a que requiere menos enzimas (6 en lugar de 10); este resultado lo han obtenido tras un análisis termodinámico de la cinética química de estas rutas metabólicas que incluye el coste termodinámico de la producción de las enzimas (normalmente despreciado en este tipo de análisis). El nuevo estudio nos recuerda que las bambalinas también existen en el metabolismo celular. Nos lo cuentan Arion I. Stettner, Daniel Segrè, “The cost of efficiency in energy metabolism,” PNAS, AOP May 31, 2013, quienes se hacen eco del artículo técnico de Avi Flamholz et al., “Glycolytic strategy as a tradeoff between energy yield and protein cost,”PNAS, AOP Apr 29, 2013.

Sigue leyendo

Biología de sistemas, biología sintética y las bacterias como biofábricas

Un vídeo curioso que nos presenta la biología de sistemas de manos de Jordi Planas y Josep Maria Serrat (profesores del Departamento de Biología de Sistemas de la Universitat de Vic). Me sorprende que una universidad española atesore un departamento de biología de sistemas, un campo emergente en la biología que se ha puesto muy de moda en los últimos 10 años. ¿Para cuándo un departamento en biología sintética? El objetivo de la biología sintética es aplicar las técnicas de diseño utilizadas en ingeniería, especialmente por la industria microelectrónica, que han sido responsables de que en 60 años un ordenador como ENIAC se haya convertido en el ordenador que utilizas para leer esto. Una iniciativa apadrinada por el MIT que ha creado el banco de “piezas” de ADN (biobricks o bioladrillos). El objetivo es que esta “piezas” puedan ser insertadas en el ADN de un organismo y permitan realizar funciones de la misma forma que las piezas de una cadena de montaje se insertan en una fábrica convencional. Quizás pueda parecer que es un objetivo muy a largo plazo, pero como nos cuenta Alla Katsnelson en “La fábrica de ADN hecha humo,” Nature News en español, 22 de julio de 2010 (traducción de “DNA factory builds up steam“), “los primeros componentes fiables para la biología sintética podrían estar disponibles a finales de año. BIOFAB (International Open Facility Advancing Biotechnology) pretende proporcionar a los biólogos sintéticos una colección de piezas genéticas que puedan utilizar en sus experimentos. Las partes biológicas –realmente secuencias de ADN– deben tener funciones predecibles y conocidas, de manera que se puedan insertar en las células para impulsar la producción de una proteína en particular, por ejemplo, o hacerla sensible a una toxina específica.

Pieza a pieza. Los biólogos sintéticos se han esforzado por estandarizar las comparaciones de cómo trabajan las distintas partes.” Por ahora, el mayor énfasis ha sido en el desarrollo de “promotores genéticos (regiones de ADN que facilitan la transcripción de los genes) y segmentos de ADN que codifican los sitios de unión al ribosoma (secuencias de ARN mensajero que controlan la traducción de proteínas) para determinar si se comportan igual en diferentes contextos celulares. […] Los investigadores determinan la actividad relativa de cada promotor con respecto a un promotor de referencia ampliamente utilizado. No es un sistema perfecto pero es un comienzo. Sin embargo, no está claro si estos instrumentos de referencia funcionarán en condiciones industriales.

En última instancia, los objetivos de BIOFAB –y de la biología sintética– deben superar algunas limitaciones básicas de este campo. “¿Hay alguna parte que funcione en la actualidad?”, preguntó un investigador en la reunión. “No creo que haya una sola parte biológica que funcione en cualquier entorno.”

Recomiendo saltar directamente al minuto 03:30.

Qué matemáticas deberían aprender los biólogos, ecuaciones diferenciales o álgebra abstracta

Dibujo20090802_differential_equation_and_boolean_equation_models_lac_operon_mechanism

Un biólogo estudia estadística y un poco de cálculo. Los avances en la biología de moda, la biología sistémica (biología de sistemas), requieren un conocimiento de matemáticas más avanzado. El futuro de la biología son los biólogos cuantitativos. ¿Qué matemáticas debe estudiar un biólogo? No está nada claro. Muchos creen que debe dominar el campo de las ecuaciones diferenciales (al menos las ordinarias). Otros abogan por álgebra abstracta y teoría (abstracta) de redes. Entre estos últimos se encuentra Raina Robeva y Reinhard Laubenbacher con su artículo “Mathematical Biology Education: Beyond Calculus,” Education Forum, Science 325: 542-543, 31 July 2009 (es obligado leerse la información suplementaria). El interés actual en reformar la educación biológica también nos lo presenta Jeffrey Mervis, “Universities Begin to Rethink First-Year Biology Courses,” Science 325: 527, 31 July 2009. La (bio)informática y la matemática (biológica) computacional son claves en la nueva formación de un biólogo, como nos recuerdan Pavel Pevzner, Ron Shamir, “Computing Has Changed Biology—Biology Education Must Catch Up,” Science 325: 541-542, 31 July 2009.

Las redes booleanas (que los informáticos estudian como teoría de circuitos combinacionales y secuenciales) podrían ser la matemática del futuro de la biología. Mucho más sencillas de entender que las ecuaciones diferenciales (en especial para alguien con la formación de un biólogo) permiten entender gran parte de la dinámica de las redes metabólicas y de transcripción génica. A lo que aportan los autores yo añadiría la teoría de redes de Petri (muy utilizada en teoría del control de sistemas).

Dibujo20090802_Schematic_lac_operon_regulatory_mechanismsLos autores se centran en el ejemplo de la dinámica del operón de la lactosa (lac), el mecanismo de regulación genética que controla el transporte y el metabolismo de la lactosa (en la figura de la izquierda en el caso de la bacteria procariota E. coli). Este es el ejemplo más estudiado (junto con la glucolisis) de una red modelada por ecuaciones diferenciales, desde el trabajo original de Jacob y Monod que se remonta a 1961. Sin embargo, desde entonces ha sido estudiado con todas las técnicas matemáticas posibles.

La dinámica es sencilla. Cuando hay glucosa pero no hay lactosa, un represor evita que se transcriban los genes lac. El operón está en OFF. Cuando no hay glucosa, pero hay lactosa extracelular que es transportada al interior de la célula por una permeasa, la alolactosa evita que el represor actúa con lo que se produce la transcripción del gen y el operón está en ON. Este sistema es un ejemplo arquetípico de dinámica biestable (que transita entre dos posibles estados). Además, presenta un comportamiento de tipo histéresis. El modelo mediante ecuaciones diferenciales requiere un dominio técnico que abruma a la mayoría de los biólogos.

Un modelo booleano (a la derecha en la figura que encabeza esta entrada) se basa en operadores AND (denotados por el símbolo ∧ ) que modela el efecto conjunto de dos variables en una tercera y operadores OR (denotados por el símbolo ∨) que modela el efecto independiente de dos variables separadas en una tercera. Finalmente, el operador NOT (denotado por el símbolo ¬) indica un efecto negativo de una variable en otra. En un modelo booleano el tiempo es discreto. 

El operón lac se modela mediante una terna de variables booleanas (Mt, Et, Lt) que representan la concentración intracelular de ARN mensajero (Mt), del polipéptido lacZ (Et), y de la lactosa intracelular (Lt) en el tiempo t, que dependen de las concentraciones extracelulares de glucosa (Ge) y lactosa (Le). Por ejemplo, la última ecuación en la figura de arriba, básicamente fL = Lt+1 = ¬Ge,t ∧ Et ∧ Le,t indica que el estado interno de la lactosa en el tiempo t+1 es L=1 si la glucosa (Ge) no está presente pero sí lo están E y Le (en el tiempo t). Para los informáticos este tipo de representación booleana les será muy familiar. Estudiando el grafo de posibles estados a partir de las cuatros posibles entradas a este sistema, (Le,Ge) = (0, 0), (0, 1), (1, 0) y (1, 1), se puede demostrar que este sistema dinámico discreto presenta biestabilidad, dos posibles estados estados correspondientes a (1, 1, 1) y (0, 0, 0), es decir, los estados ON y OFF del operón, respectivamente. Más aún, el modelo booleano muestra que este sistema no presenta comportamiento oscilatorio (ciclos límite), como se puede demostrar rigurosamente con el sistema de ecuaciones diferenciales original.

Por supuesto, los modelos booleanos en tiempo discreto no representan toda la verdad sobre la dinámica ya que no permiten estudiar fenómenos no lineales interesantes como bifurcaciones o catástrofes en la dinámica, de gran interés en la biología moderna. En mi opinión, el biólogo moderno requiere una buena formación en bioinformática y en dinámica de sistemas no lineales.

Biología de sistemas en acción: observar 1020 proteínas en tiempo real

La biología de sistemas trata de entender el funcionamiento de la célula viva. Su complejidad es terrible. Se estima que el genoma humano tiene unos 25000 genes codificadores de proteínas. En cualquiera de nuestras células, ahora mismo, están expresadas miles de genes y otras tantas proteínas están actuando cual instrumentos de una orquesta bien afinada. También hay cientos de metabolitos y miles de ácidos nucleicos (ARN no codificantes).

dibujo20081122sciencecellPara entender un sistema bioquímico tan complejo como la célula hay que verlo en acción. Las técnicas de análisis bottom-up (de lo simple a lo complejo) difícilmente pueden “ver” las complejas interacciones del sistema en su conjunto. Se requieren técnicas que nos permitan ver “en tiempo real” el funcionamiento simultáneo de las decenas de miles de moléculas responsables del correcto funcionamiento celular. ¿Es una utopía? No, ni mucho menos. Los avances en biología de sistemas son increíbles, como nos informa Jocelyn Kaiser, “Cast of 1000 Proteins Shines in Movies of Cancer Cells,” Science 322: 1176-1177, 21 November 2008 . Biólogos de sistemas liderados por Uri Alon del Weizmann Institute of Science, en Rehovot, Israel, han logrado visualizar unas 1000 proteínas humanas en acción simultánea en una célula cancerígena gracias a las técnicas de marcadores fluorescentes (Nobel de Química este año): A.A. Cohen et al. “Dynamic Proteomics of Individual Cancer Cells in Response to a Drug,” Science, Published Online November 20, 2008 . 

El grupo de Alon infectó células de cáncer de pulmón con retrovirus que contenían en su ADN genes de proteínas fluorescentes. Estos virus introdujeron su ADN aleatoriamente en el de las células marcando muchas proteínas de forma fluorescente. Los investigadores aislaron dichas proteínas e identificaron 1020 proteínas marcadas. Decidieron estudiar cómo afectan medicinas anticancerígenas a estas células. Gracias a un microscopio con una cámara de video pudieron estudiar la fluorescencia en una colonia de 12 células durante 48 horas y su reacción a diferentes fármacos. Todo un logro que pasará a la historia de la biología de sistemas.

Desde un punto de vista práctico, el logro les ha permitido identificador dos proteínas que diferencian a las células que sobreviven al tratamiento farmacológico de las que perecen, lo que sugiere nuevas estrategias terapéuticas contra este tipo de cáncer.

¿Para cuándo se podrán las, digamos, 10000 proteínas en acción simultánea en una sola célula? Al ritmo actual de avances científicos en biología, posiblemente en menos de un lustro.

Genómica, metabolómica y “vino-ómica” (o en tiempos de crisis también se puede beber buen vino)

Curioso título para un artículo en Nature, Technology Feature: “Metabolomics: Wine-omics,” 455: 699 ( 2 October 2008 ). ¿Cómo afecta la composición química al sabor y al “cuerpo” de un vino? Kirsten Skogerson, de la University of California, Davis, quien estudió viticultura y enología decidió emprender una investigación en metabolómica en el laboratorio de Oliver Fiehn con objeto de contestar a dicha pregunta.

Ella confiesa que “hay muchas preguntas en la ciencia del vino que podrán ser contestadas gracias a un análisis global”. Una comprensión de la bioquímica de la fermentación de la uva. Actualmente, Skogerson y Fiehn están estudiando los “metabolomas” del vino con objeto de buscar los componentes químicos del vino que contribuyen a su cuerpo.

El cuerpo de un vino debido a la calidad de la uva de partida se aprecia mejor en un vino blanco del año. Skogerson y Fiehn han estudiado 17 vinos blancos diferentes utilizando técnicas de resonancia magnética nuclear (NMR), de cromatografía de gases (GC) y espectrometría de masas (MS) que les permiten identificar los metabolitos más importantes tanto del metaboloma de la uva como del de la levadura utilizada en su fermentación. La complejidad del metaboloma resultante para el vino es extrema. Aún así, su estudio ha identificado 413 metabolitos (una pequeñísima fracción del metaboloma) aunque sólo han podido identificar claramente 108 de ellos.

¿Qué correlación estadística hay entre la proporción de los metabolitos identificados y el cuerpo de cada vino según una encuesta a catadores profesionales? Los resultados muestran una fuerte correlación con la prolina (un aminoácido de tipo iminoácido). ¿Por qué? No lo saben. Esa es la parte difícil de los análisis metabolómicos encontrar las relaciones causa/efecto. Skogerson sugiere que quizás está relacionado con la viscosidad del vino.

Los vinos tintos tampoco se escapan de este tipo de estudios. Las técnicas de cromatografía han sido utilizadas para identificar múltiples metabolitos secundarios, como los polifenoles, es decir, flavonoides, taninos, y antocianinas. Que es bien sabido que influyen en la calidad de vida y la salud.  

¿Influye conocer la bioquímica de una botella de vino a la hora de paladearla con placer? Según Skogerson, no. Aunque la ciencia puede elevar el arte de la fabricación de vino a su máximo nivel.

En tiempos de crisis no hay que olvidar que hay muy buenos vinos baratos, especialmente en ciertas denominaciones de origen. Por ejemplo, hay grandes Valdepeñas con una relación calidad/precio más que aceptable.

La primera ley de Newton de la evolución (o si Darwin hubiera sido matemático)

Darwin una vez escribió “siento muchísimo no haber profundizado lo suficiente para comprender los grandes principios que guían la matemática; ya que los que los dominan parecen dotados de un sentido extra.” Como nos recuerda Robert M. May, en “Uses and Abuses of Mathematics in Biology,” Science, 303: 790-793, 2004 . Una de las críticas más importantes a Darwin, por parte del ingeniero Fleeming Jenkin y otros, fue que la herencia que mezcla características del padre y de la madre no puede preservar la variación natural (“blending inheritance” en la figura). Las observaciones de Mendel, contemporáneas a Darwin, resolvían este dilema, como mostraron Fisher y otros, pero fue necesario medio siglo hasta que Hardy y Weinberg resolvieran matemáticamente este problema gracias a su demostración de 1908 de que la herencia (Mendeliana) preserva la variación en las poblaciones. El teorema o la ley de Hardy-Weinberg equivalen a la Primera Ley de Newton (los cuerpos en reposo o en movimiento uniforme en línea recta, mantienen este estado si no se aplican fuerzas externas): la frecuencia de los genes en una población no se altera de generación en generación si están ausentes fenómenos poblacionales externos, como la migración, selección, fluctuaciones estadísticas, o mutaciones. La entrada de la wiki es muy clara y recomiendo su lectura a los interesados.

El artículo de May nos presenta varios ejemplos en los que “biólogos” abusan del uso de modelos estadísticos en los que se “asumen” ciertas hipótesis “no probadas” para obtener conclusiones, algunas intuitivamente absurdas. Recomiendo su lectura. May nos recuerda que hasta hace pocas décadas quienes aplicaban la matemática y la estadística en biología poseían una formación sólida en matemáticas, pero que en la actualidad, como está tan de moda la llamada “biología de sistemas” (nuevo nombre para la “biología matemática” de siempre) muchos usan estas técnicas para obtener conclusiones (fenómenos emergentes), supuestamente ratificadas por el modelo matemático, sin un conocimiento claro de lo que están haciendo y de las hipótesis necesarias para sustentarlos. Según May, esto es preocupante. Por ejemplo, muchos presuponen que cualquier perturbación estadística sigue una distribución gaussiana, incluso cuando el fenómeno es fuertemente no lineal, olvidando que en dinámica de sistemas no lineales los “sucesos raros” son mucho más importantes de lo que una distribución gaussiana presupone. Más aún, May nos indica que muchos de los abusos que actualmente está observando no son siempre fáciles de reconocer, incluso para los matemáticos, no digamos para los “pobres biólogos”.

Y todo esto me ha venido a la mente tras releer “Pruebas y refutaciones,” de Imre Lakatos, oportunamente recomendada por JL Pérez de la Cruz. Gracias, compañero.

¿Llegaremos a los 100 años? (o el cambio climático aumenta nuestra esperanza de vida)

dibujo07feb2008longevidaddos.jpg

La teoría de la selección natural ha conservado mecanismos por los cuales mujeres sometidas a un ambiente hostil abortan con más facilidad los fetos de machos frágiles (los que en la edad adulta tienen un menor número de hijos). La teoría es muy antigua, “Natural selection of parental ability to vary the sex ratio of offspring“, Trivers & Willard, Science 1973, quienes estudiaron el número de nietos de una población de madres (abuelas) y demostraron que conforme las condiciones ambientales que afentan a la madre empeoran, la mujer tiende a alumbrar menos varones que hembras, lo que no ocurre cuando las condiciones son buenas, en las que prácticamente nacen el mismo número de varones y hembras.

La teoría ha sido verificada por muchos estudios posteriores, pero un artículo reciente lleva aún más lejos, el cambio climático también afecta. Los autores de “Ambient temperature predicts sex ratios and male longevity“, Catalano, Bruckner, and Smith, Proc. Natl. Acad. Sci. USA, 2008, defienden que el cambio climático también afecta al cociente entre el número de varones y hembras que nacen, así como a la longevidad de los varones. El análisis lo han hecho con daneses, finanlandeses, noruegos y suecos nacidos entre 1878 y 1914. Usando un análisis de series temporales han encontrado que ambientes con temperaturas frías durante el embarazo predicen el nacimiento de un menor número de niños (varones) y una mayor duración de la vida de los hombres.

Pero nuestra mayor longevidad también puede afectar al cambio climático. En el artículo “Population aging and future carbon emissions in the United States“, Dalton et al., Energy Economics, 2008, se estima el efecto potencial del envejecimiento de la población en el consumo de energía y en las emisiones de dióxido carbónico (CO2) en EEUU. En un ambiente en el que la población decrezca, el envejecimiento de la población decrece las emisiones, pero si no es así, éstas se incrementan, y en el modelo muy simplificado de los autores, llega a superar los efectos de los cambios tecnológicos. Los autores sugieren que se necesitan más estudios, pero en cualquier caso el factor envejecimiento ha de ser tenido en cuenta en los modelos de predicción de los efectos futuros del tan “tarareado” cambio climático.

Hablando del envejecimiento de la población, se acaba de publicar el artículo “A systematic look at an old problem“, Kirkwood, Nature 2008, en el que se recuerda que, aunque los demógrafos llevan tiempo afirmando que el crecimiento sostenido de nuestra esperanza de vida tiene que parar algún día, hasta ahora este incremento sostenido no parece tener fin. No sólo está creciendo en el tercer mundo sino también en los países desarrollados más avanzados (según la OCDE) y en ellos está creciendo a un ritmo mayor que en los primeros, sorprendentemente. ¿Cuándo acabará este proceso? Nadie lo sabe. ¿Por qué envejecemos? Las teorías más actuales nos dicen que la acumulación de daños moleculares durante toda la vida es lo que nos lleva a ser más frágiles en la “tercera” (o ya “cuarta”) edad, generando desajustes biológicos que pueden llevar a enfermedades y eventualmente al fallecimiento. Estos daños moleculares individuales son esencialmente aleatorios, aunque su tasa de acumulación aumenta con la edad, con lo que los mecanismos de reparación y mantenimiento celular acaban por “no dar a basto”. Esta teoría explica los efectos genéticos (predisposición a ciertos “males”) así como la contribución de los efectos ambientales (como el “consumo” de cancerígenos, como el “tabaco”, o nuestro nivel de vida) en nuestra esperanza de vida.

Sin embargo, los autores de este interesante artículo de revisión se curan en salud y afirman que los avances en años recientes en la comprensión de los misterios del envejecimiento son espectaculares, pero sólo rascan la superficie de este problema extremadamente difícil. Ellos sugieren que sólo los avances en Biología de Sistemas, que permiten una visión holística de los mecanismos celulares podrá permitir una comprensión del mismo. Como preguntó uno de los asistentes a la conferencia “Biología molecular y bioinformática: dos ciencias destinadas a entenderse” impartada por Francisca Sánchez-Jiménez, catedrática de la Universidad de Málaga, en el marco de los “V Encuentros con la Ciencia” ; (como preguntó uno de los asistentes) más o menos explícitamente, mi memoria ya me falla, “con todos estos avances (biología de sistemas, medicina genéticamente dirigida, …), ¿aumentará la esperanza de vida hasta hacernos eternos? ¿Qué pasará cuando todos vivamos 200 años?”. La pregunta no estaba relacionada con el tema de la conferencia y Kika la “toreó convenientemente”. Pero, quizás haya que pensar un poco sobre el tema ya que para 2040 se espera que nuestra esperanza de vida sean 100 años, ¿qué harás cuando llegues a los 100?