• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Wagner chapter 5
 

Wagner chapter 5

on

  • 2,436 views

Book club on "Origins of Evolutionary Innovations" by A. Wagner

Book club on "Origins of Evolutionary Innovations" by A. Wagner

http://bioinfoblog.it/

Statistics

Views

Total Views
2,436
Views on SlideShare
714
Embed Views
1,722

Actions

Likes
0
Downloads
2
Comments
0

5 Embeds 1,722

http://bioinfoblog.it 1715
https://vpn.upf.edu 2
http://www.newsblur.com 2
http://theoldreader.com 2
http://silverreader.com 1

Accessibility

Categories

Upload Details

Uploaded via as Adobe PDF

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Wagner chapter 5 Wagner chapter 5 Presentation Transcript

    • Book club Andreas Wagner,The Origins of Evolutionary Innovations Chapter 5Book club presented by G. M. DallOlio, Pompeu Fabra, IBE-CEXS
    • Reminder: Genotype network A genotype network is a set of genotypes that have the same  phenotype, and are connected by single pairwise differences Green = same phenotype = a genotype network Note: genotype network == neutral network
    • Chapter 5:The Origins of Evolutionary Innovations This chapter makes some conclusions from the 4  preceding chapters Under which common principle do metabolic  networks, regulatory circuits and protein/RNA  folds evolve? Which are the basics of a theory of Innovation?
    • Many more genotypes than phenotypes Metabolic networks:   2 ^ S genotypes (S: number of known reactions)  2 ^ C phenotypes (C: number of carbon sources) Regulatory Networks:  3 ^ N  ^ 2 genotypes (3: activation, repression, no  interaction; N: number of reactions)  2 ^ S phenotypes (S: number of genes) Protein molecules:  20 ^ S genotypes (S: length of sequence)  10 ^ 4 phenotypes (lattice protein folds)
    • Genotypes can vary a lot, without altering the phenotype In metabolic networks, organisms can differ for  75% of reactions, but still have the same  phenotype Some regulatory circuits can be completely  different but still have the same functions  (examples of GAL4 in C.albicans/S.cerevisiae,  etc..) Proteins with different sequences can have the same  fold (e.g. globins, etc..)
    • Genotypes can vary a lot, without altering the phenotype Same fold but different sequence (genotype  Distance = 1.0): http://eterna.cmu.edu/
    • The same phenotype can be achieved by many genotypes A corollary of the previous two slides is that the  same phenotype can be achieved by many  genotypes Why should a phenotype be reachable by more than  one genotype? (open question)
    • Robustness of a genotype network The robustness of a biological system is its ability  to withstand changes without altering the  phenotype Not only within a genotype network. It is also  important that the neighbors of points in a  genotype network have “neutral” phenotypes  e.g. the neighbor of a genotype must be viable
    • The genotype-phenotype function The genotype­phenotype function is a function that  allows to predict the phenotype of certain  genotype  Flux balance analysis in metabolic networks  Structure prediction in sequence networks  ...
    • Definitions: The Genotype- Phenotype-Map  The method of representing all genotypes as a Hamming graph and defining neutral  networks is also called “Genotype­Phenotype­Map”  I am not sure about who invented the method, but it is well described in [1][1] Stadler, B.M. et al., 2001. The topology of the possible: formal spaces underlying patterns of evolutionary change.Journal of theoretical biology, 213(2), pp.241-74.
    • The genotype space is huge For a protein of length 10, there are 20^10 possible  sequences It is difficult for humans to imagine how much the  genotype space is big
    • Big genotype networks canbe still small compared to the genotype space A given RNA structure can be generated by  5*10^22 sequences Yet, this is only a tiny fraction of the genotype  space
    • Big genotype networks are favored by evolution Imagine that a given biological function can be  carried out by two different phenotypes:  Phenotype 1 has a big genotype network  Phenotype 2 has a small genotype network Selection will be more likely to find Phenotype 1,  just because there are more genotypes that  produce it
    • Small and big genotype networks The two purple  phenotypes have a  selective advantage  over white ones However, evolution is  more likely to find  the light phenotype,  because its genotype  network is bigger
    • Phenotypes with small genotype networks can be important We said that big genotype networks are more likely  to be found by evolution However, in nature we can observe phenotypes  with small genotype networks
    • Phenotypes involved in multiple functions can stillhave big genotype networks Some systems can carry out more than one  biological function  For example, many metabolisms can survive on both  glucose and mannose The genotype network of these systems would be  the intersection of the genotype networks that  carry each of the functions Yet, these genotype networks are still big
    • Intersection of genotype networks Yellow → can  0....0 ….. ….. ….. ….. ….. survive on  0....1 ….. ….. ….. ….. ….. Glucose as sole  0...10 ….. ….. ….. ….. ….. 0..1.0 ….. ….. ….. carbon source 0.1..0 ….. ….. ….. Blue → can survive  0..... ….. ….. ….. on Alanine as  ….. ….. ….. ….. ….. ….. sole carbon  ….. ….. ….. source ….. ….. ….. ….. Green →  ….. ….. ….. ….. ….. ….. intersection  ….. ….. ….. ….. ….. ….. ….. ….. ….. ….. ….. …..
    • Connectivity and broadness of genotype networks Two important properties of genotype networks are  the connectivity and the broadness These two properties are important in the search for  innovations
    • A poorly connected genotype set Fig a shows a set of not­connected  genotype networks They all have the same phenotype,  but are not connected In this situation, populations can not  explore the genotype space  efficiently, because they dont  have a way to “jump” between  genotype networks  (recombination and  chromosomal  arrangements will be  discussed later)
    • A well connected butlocalized genotype network Fig b shows a well connected  genotype network However, this network is clustered,  and all its nodes are close It is difficult for a population to find  Innovations, because there is no  way to get close to them
    • A connected and broad genotype network Fig c represents a well connected and  broad genotype network This is the ideal situation for finding  innovations A population can explore the  genotype space without having to  “jump”
    • Connectivity and broadness
    • Genotype networks are highly interwoven Genotype networks are usually close in the space  Many organisms can survive on multiple carbon  sources  It is possible to convert RNA structures by changing  few aminoacids
    • Genotype networks are highly interwoven Yellow → can  0....0 ….. ….. ….. ….. ….. survive on  0....1 ….. ….. ….. ….. ….. Glucose as sole  0...10 ….. ….. ….. ….. ….. 0..1.0 ….. ….. ….. carbon source 0.1..0 ….. ….. ….. Blue → can survive  0..... ….. ….. ….. on Alanine as  ….. ….. ….. ….. ….. ….. sole carbon  ….. ….. ….. source ….. ….. ….. ….. Green →  ….. ….. ….. ….. ….. ….. intersection  ….. ….. ….. ….. ….. ….. ….. ….. ….. ….. ….. …..
    • The theory of innovation In this chapter, Wagner formalizes the framework  of “genotype­phenotype­maps” for studying how  innovations can be found It also describe some important properties that a  system must have in order to reach innovations
    • The theory of Innovations Innovation is combinatorial in nature  Genotype­phenotype­maps allow to explore the  nature of innovations Genotypes have many neighbors with the same  phenotype Many or all genotypes with the same phenotype are  connected in genotype networks
    • The theory of Innovations Genotype networks of different phenotypes are  different in size Typical genotype networks traverse a large part of  genotype space Different neighborhoods of a genotype network  contain different phenotypes
    • Pros of this theory of innovation Genotype networks can explain how population  explore the genotype space, without altering the  phenotype This framework is valid for metabolic networks,  regulatory circuits and sequences Captures the combinatorial nature of innovation It allows to simulate that a problem can be solved  through different solutions  e.g. different metabolic networks can survive on  glucose
    • Cons of this theory of Innovation Difficult to get to phenotypes that are highly  innovative, but have a tiny genotype network Difficult to study systems where genotype networks  are not connected or localized The method doesnt work if there are more  phenotypes than genotypes (phenotipic plasticity)  Immunity systems tend to have more phenotypes  than genotypes
    • Take Home messages We have seen some properties that are common for  the evolution of metabolic networks, regulatory  circuits and sequences The framework of genotype­phenotype­maps can  be used to explore how innovations are found
    • There are many moregenotypes than phenotypes A common property of the systems studied in the  previous chapters is that there are more genotypes  than phenotypes