Información

8.9: Cada vez más complejo: regulación genética en eucariotas - Biología

8.9: Cada vez más complejo: regulación genética en eucariotas - Biología



We are searching data for your request:

Forums and discussions:
Manuals and reference books:
Data from registers:
Wait the end of the search in all databases.
Upon completion, a link will appear to access the found materials.

En este punto, no nos tomará mucho tiempo entrar en cómo la expresión génica en particular, y la síntesis de polipéptidos en general difieren entre procariotas y eucariotas, excepto para señalar algunas de las principales diferencias, algunas de las cuales volveremos, pero la mayoría será relevante solo en cursos más especializados. También se ha descubierto que se producen desgarros en la envoltura nuclear cuando las células migratorias intentan pasar a través de pequeñas aberturas.243. Una vez que se restablece la integridad de la envoltura nuclear, las proteínas con secuencias NLS y NES regresan a su ubicación apropiada dentro de la célula.

Aparte de las que se encuentran dentro de las mitocondrias y los cloroplastos, las moléculas de ADN de las células eucariotas se encuentran dentro del núcleo. Una diferencia entre los genes eucariotas y bacterianos es que la región transcrita de los genes eucariotas contiene a menudo lo que se conoce como secuencias intermedias o intrones; los intrones involucran secuencias que no codifican un polipéptido. Después de que se sintetiza un ARN, los intrones se eliminan enzimáticamente, lo que da como resultado un ARNm más corto. Como punto de interés, las secuencias que se eliminan pueden regularse, esto puede producir múltiples ARNm diferentes del mismo gen, ARNm que codifican polipéptidos algo (y a menudo funcionalmente) diferentes. Además de eliminar los intrones, el ARNm se modifica (procesa) aún más en sus extremos 5 'y 3'. Solo después de que se ha producido el procesamiento del ARN, el ARNm ahora "maduro" se exporta fuera del núcleo, a través de un poro nuclear, hacia los citoplas, donde puede interactuar con los ribosomas. Otra diferencia con las bacterias es que la interacción entre un ARNm maduro y la subunidad ribosómica pequeña implica la formación de un complejo en el que los extremos 5 'y 3' del ARNm se unen en un círculo. El punto importante aquí es que, a diferencia de la situación en las bacterias, donde el ARNm se sintetiza en el citoplasma y, por lo tanto, puede interactuar inmediatamente con los ribosomas y comenzar la traducción (incluso antes de que finalice la síntesis del ARN), la transcripción y la traducción son procesos distintos en eucariotas. hace posible la generación de múltiples ARN funcionalmente distintos (a través del procesamiento de ARNm) a partir de un solo gen y conduce a una complejidad significativamente mayor a partir de un aumento relativamente pequeño en el número de genes.


Más de 400 científicos se reunieron a finales de enero de 2016 en la hermosa ciudad de Gante, Bélgica. La reunión bien organizada fue la segunda de una serie que tiene como objetivo centrarse en la ingeniería del genoma y la biología sintética. La biología sintética ha sido un tema candente durante varios años. El reciente desarrollo de herramientas para la ingeniería que utilizan repeticiones palindrómicas cortas agrupadas regularmente interespaciadas (CRISPR) junto con la nucleasa asociada a CRISPR (Cas) (la llamada tecnología CRISPR / Cas), y sus aplicaciones en crecimiento, están revolucionando actualmente la biología. Como era de esperar, durante la reunión CRISPR / Cas eclipsó a todos los demás temas. Esto llevó a algunos oradores a excusarse por no hablar sobre la tecnología CRISPR / Cas. Por lo tanto, este Informe de la reunión destacará principalmente los avances recientes en la ingeniería del genoma.

Al conocer a cientos de científicos entusiastas que trabajan con la tecnología CRISPR / Cas, fue difícil creer que la conferencia se estaba llevando a cabo solo tres años después de que se publicaran los primeros informes que revelaban que el sistema CRISPR / Cas puede usarse como una herramienta eficiente para el genoma. ingeniería en eucariotas superiores.

Fue una buena decisión de los organizadores comenzar la reunión con una charla plenaria de Jin-Soo Kim de la Universidad Nacional de Seúl, Corea. Su charla introdujo amablemente algunos de los aspectos más discutidos actualmente de la tecnología CRISPR / Cas, como la detección y eliminación de efectos secundarios, así como la ampliación de su aplicación. Presentó un nuevo método, llamado "multiplex Digenome-seq", para perfilar las especificidades del efecto fuera del objetivo en todo el genoma de múltiples nucleasas CRISPR-Cas9 simultáneamente. La técnica se basa en la digestión del ADN genómico humano libre de células, seguida de la secuenciación del genoma completo. Otra opción para reducir los efectos fuera del objetivo es controlar estrictamente la actividad enzimática. En lugar de transformar el ADN que codifica la nucleasa Cas9 y el ARN guía único (sgRNA), los científicos coreanos habían transfectado con éxito complejos preensamblados de proteína Cas9 purificada y sgRNA en células. Por tanto, se puede evitar la expresión continua de la enzima, que potenciaría los efectos fuera del objetivo a lo largo del tiempo. En particular, este enfoque no solo es atractivo para las células de mamíferos, sino también para las plantas de cultivo; dichas plantas nunca entran en contacto con el ADN transgénico, pero contienen pequeñas inserciones o deleciones que son indistinguibles de las mutaciones que ocurren naturalmente. Con suerte, estas plantas no se considerarán organismos genéticamente modificados (OGM) en todo el mundo.

No solo en biotecnología, sino también en medicina, se pueden tomar nuevas vías aplicando CRISPR / Cas: la hemofilia A es un trastorno genético ligado al cromosoma X causado por mutaciones en el gen que codifica el factor VIII de coagulación sanguínea, que a menudo son inversiones cromosómicas. El grupo de Kim ahora puede (o pudo) revertir estas inversiones cromosómicas en células madre pluripotentes inducidas (iPSC) derivadas de pacientes. Así, a largo plazo, las aplicaciones terapéuticas basadas en CRISPR / Cas se convertirán en una opción para combatir esta enfermedad.


Control de la expresión genética en eucariotas

Las células eucariotas tienen mecanismos similares para el control de la expresión génica, pero son más complejas. Considere, por ejemplo, que las células procariotas de una especie determinada son todas iguales, pero la mayoría de los eucariotas son organismos multicelulares con muchos tipos de células, por lo que el control de la expresión génica es mucho más complicado. No es sorprendente que la expresión génica en células eucariotas esté controlada por una serie de procesos complejos que se resumen en la siguiente lista.

  • Después de la fertilización, las células del embrión en desarrollo se vuelven cada vez más especializadas, en gran parte activando algunos genes y desactivando muchos otros. Algunas células del páncreas, por ejemplo, están especializadas para sintetizar y secretar enzimas digestivas, mientras que otras células pancreáticas (células & # 946 en los islotes de Langerhans) están especializadas para sintetizar y secretar insulina. Cada tipo de célula tiene un patrón particular de genes expresados. Esta diferenciación en células especializadas se produce en gran parte como resultado de la desactivación de la expresión de la mayoría de los genes en la célula. Es posible que las células maduras solo utilicen entre un 3 y un 5% de los genes presentes en el núcleo de la célula.
  • La expresión génica en eucariotas también puede regularse mediante alteraciones en el empaquetamiento del ADN, que modula el acceso de las enzimas de transcripción de la célula (p. Ej., ARN polimerasa) al ADN. La siguiente ilustración muestra que los cromosomas tienen una estructura compleja. La hélice de ADN se envuelve alrededor de proteínas especiales llamadas histonas, y estas se envuelven en fibras helicoidales apretadas. Luego, estas fibras se enrollan y doblan en estructuras cada vez más compactas que, cuando están completamente enrolladas y condensadas, dan a los cromosomas su aspecto característico en metafase.

  • De manera similar a los operones descritos anteriormente para los procariotas, los eucariotas también usan proteínas reguladoras para controlar la transcripción, pero cada gen eucariota tiene su propio conjunto de controles. Además, hay muchos más proteínas reguladoras en eucariotas y las interacciones son mucho más complejas.
  • En eucariotas, la transcripción tiene lugar dentro del núcleo unido a la membrana y la transcripción inicial se modifica antes de ser transportada desde el núcleo al citoplasma para su traducción en los ribosomas. La transcripción inicial en eucariotas tiene segmentos codificantes (exones) que se alternan con segmentos no codificantes (intrones). Antes de que el ARNm abandone el núcleo, los intrones se eliminan de la transcripción mediante un proceso llamado empalme de ARN (vea el gráfico y el video a continuación), y se agregan nucleótidos adicionales a los extremos de la transcripción, estas `` tapas '' y `` colas '' no codificantes protegen al ARNm de ataque por enzimas celulares y ayuda en el reconocimiento por los ribosomas.

  • La variación en la longevidad del ARNm brinda otra oportunidad más para el control de la expresión génica. El ARNm procariota tiene una vida muy corta, pero las transcripciones eucariotas pueden durar horas o, a veces, incluso semanas (p. Ej., ARNm para la hemoglobina en los glóbulos rojos de las aves).
  • El proceso de traducción ofrece oportunidades adicionales para la regulación de muchas proteínas. Por ejemplo, la traducción del ARNm de hemoglobina se inhibe a menos que haya hemo que contenga hierro en la célula.
  • También existen oportunidades para controles postraduccionales de la expresión génica en eucariotas. Algunos polipéptidos (proteínas) traducidos son cortados por enzimas en productos finales activos más pequeños. como se ilustra en la figura siguiente, que muestra el procesamiento postraduccional de la hormona insulina. La insulina se traduce inicialmente como un precursor grande e inactivo, se elimina una secuencia señal de la cabeza del precursor y se corta una gran parte central (la cadena C), dejando dos cadenas peptídicas más pequeñas que luego se unen entre sí por puentes disulfuro. La forma final más pequeña es la forma activa de insulina.
  • La expresión génica también puede modificarse mediante la degradación de las proteínas que se producen. Por ejemplo, algunas de las enzimas involucradas en el metabolismo celular se descomponen poco después de su producción, lo que proporciona un mecanismo para responder rápidamente a las demandas metabólicas cambiantes.
  • La expresión génica también puede verse influenciada por señales de otras células. Hay muchos ejemplos en los que una molécula señal (p. Ej., Una hormona) de una célula se une a una proteína receptora en una célula diana e inicia una secuencia de cambios bioquímicos (una vía de transducción de señales) que resultan en cambios dentro de la célula diana. Estos cambios pueden incluir una transcripción aumentada o disminuida, como se ilustra en la figura siguiente.

  • El sistema de interferencia de ARN (ARNi) es otro mecanismo por el cual las células controlan la expresión génica interrumpiendo la traducción del ARNm. El ARNi también se puede utilizar para detener la traducción de proteínas virales cuando una célula está infectada por un virus. El sistema RNAi también tiene el potencial de ser explotado terapéuticamente.

Algunos virus de ARN invadirán las células e introducirán ARN de doble hebra que utilizará la maquinaria celular para hacer nuevas copias de ARN viral y proteínas virales. El sistema de interferencia de ARN de la célula (ARNi) puede evitar que el ARN viral se replique. Primero, una enzima apodada "Dicer" corta cualquier ARN bicatenario que encuentre en trozos de aproximadamente 22 nucleótidos de largo. A continuación, los complejos de proteínas llamados RISC (complejo silenciador inducido por ARN) se unen a los fragmentos de ARN de doble hebra, lo enrollan y luego liberan una de las hebras, mientras retienen la otra. El complejo RISC-ARN luego se unirá a cualquier otro ARN viral con secuencias de nucleótidos que coincidan con las del ARN unido al complejo. Esta unión bloquea la traducción de proteínas virales al menos parcialmente, si no completamente. El sistema RNAi podría potencialmente usarse para desarrollar tratamientos para genes defectuosos que causan enfermedades. El tratamiento implicaría hacer un ARN de doble hebra a partir del gen enfermo e introducirlo en las células para silenciar la expresión de ese gen. Para obtener una explicación ilustrada de RNAi, consulte el breve módulo interactivo de Flash en http://www.pbs.org/wgbh/nova/body/rnai-explained.html

El sistema de interferencia de ARN también se explica de manera más completa en el siguiente video de Nature Video.

Contenido & # 1692018. Reservados todos los derechos.
Fecha de última modificación: 2 de febrero de 2018.
Creado por Wayne W. LaMorte, MD, PhD, MPH,


En el genoma eucariota, los genes con funciones similares tienden a co-localizarse en estrecha proximidad. Tales agrupaciones de genes junto con genes no agrupados constituyen un dominio de cromatina que es una unidad reguladora de orden superior. En un nivel más bajo, los genes coexpresados ​​están regulados por la actividad diferencial de los factores de transcripción (TF). Comparamos las distribuciones de TF en todo el genoma en grupos de genes en los genomas de Drosophila melanogaster y Arabidopsis thaliana. Esto reveló un exceso significativo de genes TF en grupos de genes del Arabidopsis genoma, mientras que en el genoma de Drosophila La distribución de TF en grupos de genes no difirió de la estocástica. Especulamos que estas alternativas podrían conducir a diferentes vías de regulación de genes agrupados en dos especies y cambios evolutivos progresivos en la arquitectura de las redes reguladoras, que gobiernan la actividad de genes agrupados en el reino animal.

Reflejos

► Los genomas de Arabidopsis y Drosophila. ► Grupos de genes funcionalmente relativos. ► Factores de transcripción (TF) en grupos de genes. ► Sin TF en Drosophila grupos comparativos con Arabidopsis racimos. ► Sugiere diferentes mecanismos reguladores de genes agrupados.


Regulación de la expresión genética en procariotas (con diagrama)

(ii) Aquellos que se sintetizan solo después de una estimulación específica. El primer tipo se denominó sintetizado constitutivamente y el segundo, las enzimas inducibles.

Al analizar una variedad de E. coli que era defectuosa para la inducción de lactosa utilizando enzimas, Jacob y Monod descubrieron el posible mecanismo molecular que controla la represión y des-represión de un conjunto de genes. La E. coli requiere un conjunto de tres genes para poder metabolizar la lactosa. Cuando se agrega un poco de lactosa a un medio de crecimiento sin glucosa, se ve que estos tres genes que utilizan lactosa (genes lac) llamados lac z, lac y y lac a se sintetizan simultáneamente.

El producto de lac z es la enzima β-gaIactosidasa que cataliza la conversión de lactosa en galactosa y glucosa. Estos genes se expresan en ausencia de lactosa. Jacob y Monod (1961) propusieron el modelo de operón para explicar la base genética de la inducción y represión de genes lac en procariotas. Fueron galardonados con el Premio Nobel por este trabajo en 1965.

El operón:

1. Los operones son segmentos de material genético (ADN) que funcionan como unidades reguladas que pueden activarse o desactivarse.

2. Un operón consta de un mínimo de cuatro tipos de genes: regulador, operador, promotor y estructural (Fig. 8.4.A).

3. El gen regulador es un gen que forma un bioquímico para suprimir la actividad del gen operador.

4. El gen operador es un gen que recibe el producto del gen regulador. Permite el funcionamiento del operón cuando no está cubierto por el bioquímico producido por el gen regulador.

5. El funcionamiento del operón se detiene cuando se cubre el gen operador.

6. El gen promotor es el gen que proporciona el punto de unión a la ARN polimerasa necesario para la transcripción de genes estructurales.

7. Los genes estructurales son genes que transcriben ARNm para la síntesis de polipéptidos.

8. Un operón puede tener uno o más genes estructurales, por ejemplo, 3 en el operón lac, 5 en el operón triptófano, 9 en el operón histidina.

9. Los polipéptidos pueden convertirse en componentes de proteínas estructurales, enzimas, proteínas de transporte, hormonas, anticuerpos, etc. Algunos genes estructurales también forman ARN no codificantes.

10. El mecanismo de regulación de la síntesis de proteínas utilizando el modelo de operón se puede ilustrar usando dos ejemplos (lac y amp triptófano) en bacterias. & # 8221

Sistema de operón inducible (inducción de operón):

1. El sistema de operón inducible es (a) un sistema de operón regulado en el que los genes estructurales permanecen desactivados a menos que y hasta que esté presente un inductor en el medio. (Figura 8.4B)

2. Ocurre en vías catabólicas.

3. El operón lac de Escherichia coli es un sistema de operón inducible que fue descubierto por Jacob y Monod (1961).

4. El operón Lac de Escherichia coli tiene tres genes estructurales, z, y y a.

5. En el operón inducido, los genes estructurales transcriben un ARNm policistrónico que produce tres enzimas. Estos son β-galactosidasa, galactósido permeasa y galactósido acetilasa.

6. El β-galactósido provoca la hidrólisis de lactosa o galactósido para formar glucosa y galactosa.

7. La permeasa de galactósido es necesaria para la entrada de lactosa o galactósido en la bacteria.

8. El galactósido acetilasa es una transacetilasa que puede transferir un grupo acetilo al β-galactósido.

9. El codón de iniciación del gen estructural z es TAG (correspondiente a AUG de ARNm) y está ubicado a 10 pares de bases del extremo del gen operador.

10. La sustancia cuya adición induce la síntesis de enzima se denomina inductor.

11. El inductor es una sustancia química que se adhiere al represor y cambia la forma del sitio de unión del operador para que el represor ya no quede adherido al operador.

12. En el operón lac, la alolactosa es el inductor real, mientras que la lactosa es el inductor aparente (visible).

13. Los inductores que inducen la síntesis de enzimas sin metabolizarse se denominan inductores gratuitos, p. Ej. IPTG (tiogalactósido de isopropilo).

14. El gen regulador (gen) produce ARNm que sintetiza un represor bioquímico.

15. El represor es una pequeña proteína formada por un gen regulador que se une al gen operador y bloquea la enzima estructural, controlando así la síntesis de ARNm.

dieciséis.El represor del operón lac es una proteína tetramérica que tiene un peso molecular de 1, 60.000. Está compuesto por 4 subunidades, cada una de las cuales tiene un peso molecular de 40.000.

17. La proteína represora tiene dos sitios, una cabeza para unirse al gen operador y un surco para la unión del inductor.

18. El gen promotor funciona como un punto de reconocimiento para la ARN polimerasa. La ARN polimerasa se une inicialmente a este gen. Se vuelve funcional solo cuando es capaz de traspasar el gen operador y alcanzar genes estructurales.

19. El gen operador controla la expresibilidad del operón. Normalmente se apaga debido a la unión del represor sobre él.

20. Sin embargo, si el represor es retirado por el inductor, el gen permite que la ARN polimerasa pase del gen promotor al gen estructural.

21. En el operón lac, el gen operador es pequeño, de 27 pares de bases de largo. El gen está formado por secuencias palindrómicas o autocomplementarias.

22. Si se agrega lactosa, el represor se vuelve inactivo de modo que no puede unirse al gen operador y tiene lugar la síntesis de ARNm.

23. La transcripción está bajo control negativo cuando el represor lac es inactivado por el inductor.

24. La transcripción en el operón lac está bajo control positivo a través de la proteína receptora de AMP cíclica (CAP).

25. La proteína activadora del gen catabolito (proteína Cga) o la proteína receptora de AMP cíclico (CAP) se une al sitio Cga.

26. Cuando CAP se une al sitio de unión, el promotor se vuelve más fuerte.

27. CAP solo se adhiere al sitio de unión cuando se une con AMPc.

28. Cuando el nivel de glucosa es alto, no se produce AMPc y, por lo tanto, CAP no se une y, por lo tanto, la ARN polimerasa no se une, lo que da como resultado una baja transcripción.

29. Sin embargo, el operón Lac no permanecerá operativo indefinidamente a pesar de la presencia de lactosa en el entorno externo.

30. Detendrá su actividad con la acumulación de glucosa y galactosa en la célula más allá de la capacidad de la bacteria para su metabolismo.

Sistema de operón represible (represión de Operon p.ej. Operón triptófano de E. coli):

1. Un sistema de operón reprimible es un segmento regulado de material genético que normalmente permanece operativo pero que puede desconectarse cuando su producto no es necesario o cruza un valor umbral.

2. Este sistema se encuentra comúnmente en las vías anabólicas.

3. El operón triptófano de Escherichia coli es uno de esos sistemas de operones reprimibles. (Figura 8.5).

4. El operón triptófano tiene 5 genes estructurales & # 8211 E, D, C y B A.

5. El gen E y D codifica la enzima antranilato sintetasa, el gen C para la glicerol fosfato sintetasa, el gen B para la subunidad β del triptófano sintetizado y el A para la subunidad α del triptófano sintetizado.

6. El gen regulador (trp-R) produce una sustancia bioquímica, generalmente proteica, llamada aporrepresora.

7. El aporepresor por sí solo no puede bloquear el gen operador debido a la ausencia del cabezal de unión. Por lo tanto, el sistema de operón permanece encendido.

8. Un represor completo se forma solo cuando un correpresor no proteináceo se une al aporrepresor,

9. El correpresor es un componente no proteico o represor que también es un producto final de la reacción catalizada por enzimas producidas a través de la actividad de genes estructurales.

10. Este (correpresor) se combina con un aporepresor y forma un represor que luego bloquea el gen operador para apagar el operón.

11. Los genes estructurales detienen la transcripción y el fenómeno se conoce como represión por retroalimentación.

12. El correpresor del operón triptófano es el aminoácido triptófano.

13. En el triptófano, el gen represor no es adyacente al promotor sino que está ubicado en otra parte del genoma de E. coli.

16. El gen promotor (trp-P) es el punto de reconocimiento y de iniciación de la ARN polimerasa. La ARN polimerasa se une al gen promotor. Puede pasar a genes estructurales siempre que el gen operador esté en estado funcional.

17. El gen operador (trp-O) se encuentra en el pasaje entre el promotor y los genes estructurales. Normalmente permanece encendido para que la ARN polimerasa pueda pasar del gen promotor al gen estructural y provocar la transcripción.

18. El gen operador puede desactivarse cuando tanto el aporepresor como el correpresor se unen para formar un represor. El represor se une al gen operador para interrumpir el movimiento de la ARN polimerasa.

19. En ausencia de triptófano, la ARN polimerasa se une al sitio del operador y, por tanto, se transcriben los genes estructurales.

20. La transcripción del gen estructural conduce a la producción de una enzima (sintetizar triptófano) que sintetiza triptófano.

21. Cuando el triptófano está disponible, las enzimas para sintetizar triptófano no son necesarias, el correpresor (triptófano) y el complejo represor # 8211 bloquean la transcripción.

22. Un elemento del operón triptófano es la secuencia líder & # 8216L & # 8217 que es inmediatamente 5 & # 8242 final de trp. Gen E.

23. Esta secuencia & # 8216L & # 8217 controla la expresión del operón a través de un proceso llamado atenuación.

24. La atenuación es la terminación de la transcripción prematura en la región líder.

25. El operón triptófano es un control negativo.

Los dos modelos de operón descritos anteriormente se pueden resumir como se indica a continuación:

Activo Represor + Operador → Sistema APAGADO

Represor activo + inductor = Represor inactivo → Sistema ENCENDIDO

(ii) Sistema Represible:

Complejo apo-represor y correpresor = represor activo → Sistema desactivado

Apo-represor = Represor inactivo → Sistema ENCENDIDO

Importancia de la regulación genética:

1. Hay dos tipos de acción genética: constitutiva y regulada.

2. La acción de los genes constitutivos ocurre en aquellos sistemas que operan todo el tiempo y la célula no puede vivir sin ellos, por ejemplo, la glucólisis. No requiere represión. Por lo tanto, los genes reguladores y operadores no están asociados con él.

3. En la acción genética regulada, todos los genes necesarios para una reacción de varios pasos pueden activarse o desactivarse simultáneamente.

4. Los genes se activan o desactivan en respuesta a determinadas sustancias químicas, ya sean necesarias para el metabolismo o se forman al final de una vía metabólica.

5. La regulación genética es necesaria para el crecimiento, la división y la diferenciación de las células. Provoca morfogénesis.


¿Por qué es tan importante el núcleo?

De todos los orgánulos eucariotas, el núcleo es quizás el más crítico. De hecho, la mera presencia de un núcleo se considera una de las características definitorias de una célula eucariota. Esta estructura es tan importante porque es el sitio en el que se aloja el ADN de la célula y comienza el proceso de interpretación.

Recuerde que el ADN contiene la información necesaria para construir proteínas celulares. En las células eucariotas, la membrana que rodea el núcleo & # 8212 comúnmente llamada membrana nuclear & # 8212 divide este ADN de la maquinaria de síntesis de proteínas de la célula, que se encuentra en el citoplasma. Diminutos poros en la envoltura nuclear, llamados poros nucleares, luego permitir selectivamente que ciertas macromoléculas entren y salgan del núcleo, incluidas las moléculas de ARN que transportan información desde un ADN celular a los centros de fabricación de proteínas en el citoplasma. Esta separación del ADN de la maquinaria de síntesis de proteínas proporciona a las células eucariotas un control regulador más complejo sobre la producción de proteínas y sus ARN intermedios.

Por el contrario, el ADN de las células procariotas se distribuye libremente alrededor del citoplasma, junto con la maquinaria de síntesis de proteínas. Esta cercanía permite que las células procariotas respondan rápidamente al cambio ambiental al alterar rápidamente los tipos y la cantidad de proteínas que fabrican. Tenga en cuenta que las células eucariotas probablemente evolucionaron a partir de una relación simbiótica entre dos células procariotas, por lo que un conjunto de ADN procariota finalmente se separó por una envoltura nuclear y formó un núcleo. Con el tiempo, las porciones del ADN del otro procariota que quedan en la parte citoplásmica de la célula pueden haberse incorporado o no al nuevo núcleo eucariota (Figura 3).


Programa de celda virtual

Yo era un estudiante universitario que estudiaba ingeniería mecánica con menciones en matemáticas, química e informática en la Universidad Brigham Young en Provo, Utah. Me uní al grupo de Gunawardena como USRI de Biología de Sistemas en el verano de 2011, con el apoyo de NSF 0856285. Trabajé con Tathagata Dasgupta en una comparación de diferentes técnicas de reconstrucción de redes / ingeniería inversa con un enfoque en enfoques bayesianos y fui coautor de el documento que presentamos ve mi póster sobre esto. Estoy ampliamente interesado en la teoría de control, el aprendizaje automático, la transducción de señales, el modelado matemático de sistemas biológicos y el uso de enfoques de ingeniería para dilucidar los sistemas biológicos. Manchester United, mi equipo de fútbol favorito, visitó Boston mientras yo estaba aquí. Eso solo hace que Boston sea genial. Actualmente soy asistente de investigación en NECSI en Boston.

última actualización el 8 de agosto de 2012

Deepesh Agarwal

Soy un becario postdoctoral que trabaja en el laboratorio de Jeremy en un proyecto de colaboración con el laboratorio de Galit Lahav en HMS y el laboratorio de Neil Kelleher en la Universidad Northwestern. Estamos investigando el procesamiento de información mediante modificación postraduccional (PTM) con un enfoque particular en p53 PTM. Estoy desarrollando algoritmos basados ​​en programación lineal y muestreo uniforme para analizar datos de espectrometría de masas de arriba hacia abajo y de abajo hacia arriba para p53 en diferentes estados celulares. El objetivo general de este proyecto es establecer si de hecho existe un código PTM que codifica la condición celular y luego se decodifica o lee para activar vías de bajada particulares.

Obtuve una licenciatura en ingeniería (programa de doble titulación: licenciatura y maestría) en ingeniería bioquímica y biotecnología en IIT Delhi, India, donde también tuve experiencia práctica en ciertas técnicas de laboratorio húmedo. Sin embargo, estaba interesado en la aplicación de las matemáticas y la informática para comprender mejor el funcionamiento de los sistemas biológicos. Luego realicé una maestría de un año en biología computacional y biomedicina en Polytech Sophia Antipolis, Francia. Fue seguido por un doctorado en INRIA, Sophia Antipolis con Frederic Cazals, en el que llevé a cabo investigaciones algorítmicas de la estructura de grandes conjuntos de proteínas utilizando espectrometría de masas nativa de arriba hacia abajo (PMID 25850436).

última actualización el 1 de septiembre de 2016

Natalie Andrew

Natalie desarrolló dispositivos de microfluidos para implementar protocolos complejos de estimulación de señales en una colaboración patrocinada por NSF con Todd Thorsen y Saman Amarasinghe en MIT. Uno de sus dispositivos se describe en un documento de conferencia. Posteriormente, los utilizó para desarrollar el método de "interrogatorio celular" y es coautora del artículo presentado recientemente sobre este tema.

última actualización el 11 de agosto de 2013

Advait Athreya

Estudiante de investigación de la UG
aathreya a u.rochester.edu

Soy un estudiante de último año en la Universidad de Rochester, estudio genética molecular y matemáticas aplicadas. En Rochester, trabajo en un laboratorio de envejecimiento utilizando técnicas de laboratorio húmedo como el cultivo de células de mamíferos y ensayos bioquímicos para estudiar los retrotransposones LINE1. Durante el verano entre el penúltimo y el último año, quise explorar el lado matemático de la investigación en biología en el laboratorio de Gunawardena. Trabajé con Rosa Martinez-Corral, Pencho Yordanov y Ugur Cetiner en el estudio de la dinámica transitoria de la regulación genética mediante el uso del marco lineal desarrollado previamente en el laboratorio. Vea mi póster sobre esto.

última actualización el 14 de septiembre de 2019

Kyle Vascos

Me gradué de Harvard con un A.B. en ciencias bioquímicas en 2008. Posteriormente, asistí a la escuela de medicina en la Universidad de Northwestern y obtuve un doctorado en 2012. Ahora estoy cursando una residencia en el campo de la radiología en el Centro Médico Case de los Hospitales Universitarios en Cleveland, Ohio. En el laboratorio de Jeremy, trabajé primero en el modelado matemático de las oscilaciones de calcio intracelular. Luego, para mi tesis de honor, estudié la variación de célula a célula en los eventos de fosforilación en la cascada MAPK. Mis partes favoritas de la vida en Boston tenían que haber sido la increíble escena artística, los Medias Rojas y el acento de Nueva Inglaterra. Ciertamente espero volver algún día.

última actualización el 8 de agosto de 2012

Ashwin Bhola

Soy un estudiante de IIT Delhi en el Departamento de Ingeniería Química. Mi investigación con el grupo de Gunawardena se centra en evaluar la viabilidad de algunos fenómenos de regulación genética como la carga asistida desde un punto de vista termodinámico. Estoy particularmente interesado en comprender cómo los factores de transcripción pueden remodelar la cromatina para que dos factores de transcripción que se unen al mismo sitio en la región de la cromatina se ayuden entre sí para unirse a la región promotora en lugar de competir entre sí. Para ver si esto sucede dentro o fuera del equilibrio, estoy usando el marco lineal para modelar matemáticamente el sistema y luego simular este modelo dentro del rango realista de parámetros para ver las mejoras que cada uno de los TF puede proporcionarse entre sí sin gastar energía. . Entonces, las preguntas fundamentales que estoy tratando de analizar son: ¿Cuánta ayuda podemos lograr en el equilibrio? ¿Cómo afectan las cooperatividades homotípicas y heterotípicas a este fenómeno? ¿El cambio de conformación junto con las diferencias de unión producen alguna diferencia significativa en la asistencia?

última actualización el 12 de julio de 2017

John Biddle

Hice mi investigación de doctorado en física teórica en la Universidad de Maryland, enfocándome en termodinámica y mecánica estadística, y especialmente en el estudio de transiciones de fase y estados metaestables. Mi disertación fue dirigida por Mikhail Anisimov sobre el tema de las anomalías termodinámicas en agua sobreenfriada.

Se sabe que la expresión génica en eucariotas tiene lugar fuera del equilibrio termodinámico. Sin embargo, los modelos que se utilizan para describir la regulación génica eucariota se han derivado hasta ahora de nuestra comprensión de los procariotas, donde la expresión génica tiene lugar en equilibrio. Mi investigación en el laboratorio de Gunawardena tiene como objetivo mejorar nuestra comprensión de la regulación de genes eucariotas teniendo en cuenta los efectos de no equilibrio.

última actualización el 1 de septiembre de 2016

Felix Bonowski

Estudiante de investigación de la UG
felix a Bonowski.de

Felix escribió un módulo genérico para la endocitosis, el reciclaje y la degradación del receptor en little b

última actualización el 19 de mayo de 2006

Frederick Chang

Asistente de investigación
frdchang a gmail.com

Estudié Ingeniería Eléctrica y Ciencias de la Computación en UC Berkeley con un enfoque en robótica, ya que disfruté particularmente el ejercicio de desviar la energía libre hacia la computación y el movimiento. Mi experiencia previa en investigación incluyó comprender la física de eventos raros en química computacional con Jhih-Wei Chu y explorar la señalización de calcio en células de mamíferos usando microfluidos con Jeremy Gunawardena. Ahora soy candidata a un doctorado de segundo año en la EPB a través del Departamento de Biología Celular Molecular y estudiante de Nancy Kleckner. La mayor parte de mi imaginación está actualmente consumida por la cuestión de cómo los cromosomas ejecutan la búsqueda en la recombinación homóloga. Lo que más me gusta de Boston es ir en bicicleta hasta Walden Pond y luego comer un perrito caliente caro en el puesto del estacionamiento.

última actualización el 8 de agosto de 2012

Arhana Chattopadhyay

Actualmente soy estudiante de medicina en Stanford. Pasé 3 años en el laboratorio de Gunawardena mientras estudiaba biología química y física en Harvard. Trabajé con Natalie Andrew y Fred Chang en el uso de microfluidos para estudiar preguntas fascinantes en biología de sistemas. Realicé una tesis de último año en el laboratorio utilizando dispositivos de microfluidos para estudiar cómo Dictyostelium discoideum, un moho limoso que sirve como modelo para la migración de células eucariotas, responde a señales quimiotácticas y mecánicas. Mi tesis, que está disponible aquí, recibió el premio Thomas T. Hoopes de la Universidad de Harvard en 2011. Estoy muy interesado en la ingeniería a microescala, la mecánica celular, la cirugía y la ciencia en los países en desarrollo.

última actualización el 30 de diciembre de 2013

Virginia Cooper

Soy un estudiante de último año en Química / Biología en la Universidad de Howard. Mi experiencia en investigación es en química orgánica sintética, sintetizando análogos del ácido gálico antioxidante para mejorar sus propiedades antiinflamatorias, antimutagénicas y anticancerígenas. Fui USRI de Biología de Sistemas en el laboratorio de Gunawardena en el verano de 2012 con el apoyo de NSF 0856285. Trabajé con Sudhakaran para estudiar las actividades de autofosforilación de las fosfo-formas parciales de Erk. Vea mi póster sobre esto. Mis partes favoritas de Boston fueron la variedad de comidas y la historia y cultura. También recomiendo un viaje a Cape Cod si es posible.

última actualización el 13 de agosto de 2012

Shreepriya Das

Soy investigador postdoctoral en el laboratorio de Gunawardena en el Departamento de Biología de Sistemas de la Facultad de Medicina de Harvard. Obtuve mi doctorado en el Departamento de Ingeniería Eléctrica e Informática de la Universidad de Texas en Austin bajo el asesoramiento del Dr. Haris Vikalo. Antes de eso, completé mi B.Tech en Ingeniería de Comunicación Eléctrica y Electrónica del Instituto Indio de Tecnología, Kharagpur. Mis intereses de investigación se centran principalmente en la biología de sistemas, el procesamiento de señales y el aprendizaje automático. Puede encontrar más información en mi sitio web personal.

última actualización el 6 de septiembre de 2017

Tathagata Dasgupta

Hice mi doctorado en teoría de cuerdas en la Universidad de Cambridge. En el laboratorio de Gunawardena, he estado involucrado en la aplicación y desarrollo de técnicas matemáticas, estadísticas y computacionales para aprender las complejidades de los sistemas vivos. Los proyectos de ejemplo abarcan desde el enfoque de geometría algebraica computacional en el contexto de la regulación de la glucólisis de mamíferos (PMID 24634222) hasta el uso de heurísticas de aprendizaje automático en el área emergente de la "patología computacional" (PMID 26553024). La última dirección implica trabajar en estrecha colaboración con los médicos para construir modelos predictivos utilizando el perfil de inmunología microambiental en varios contextos de reproducción humana y cáncer.

última actualización el 5 de septiembre de 2016

Joseph Dexter

Estudiante de doctorado
jdexter a princeton.edu

Soy un estudiante de Princeton en el Departamento de Química y el Instituto Lewis-Sigler de Genómica Integrativa. Mi investigación con el grupo Gunawardena se centra en el desarrollo de modelos matemáticos bioquímicamente realistas de importantes redes metabólicas y de señalización. Estoy particularmente interesado en comprender cómo se implementa el comportamiento robusto en los sistemas biológicos a través de características moleculares específicas como la multifuncionalidad enzimática y la oligomerización. Mis modelos se esfuerzan por capturar detalles bioquímicos esenciales y hacen un uso intensivo de técnicas geométricas algebraicas desarrolladas por el grupo de Gunawardena para permitir el análisis. En Princeton también trabajo en la aplicación de microfluidos a una variedad de problemas en biología de sistemas y biofísica. Soy un alumno activo del Research Science Institute y he enseñado en el programa los dos últimos veranos. Fuera de la ciencia, soy un estudiante de los clásicos, donde mi investigación se centra principalmente en el teatro antiguo y cómo la literatura clásica ha influido en las preocupaciones literarias y culturales modernas.

última actualización el 8 de agosto de 2012

Stefano de Pretis

Soy estudiante de doctorado en Bioinformática en la "Universit & agrave degli studi di Milano-Bicocca" y el tema principal de mi investigación es si ciertas redes de reacción química exhiben biestabilidad.En particular, estoy interesado en CRNT (Teoría de redes de reacción química) y en las condiciones que llevan a una red a admitir biestabilidad. En el laboratorio de Gunawardena, estoy aplicando mis estudios teóricos a una red "real": un modelo central para la diferenciación de células madre embrionarias. Estoy redactando un trabajo sobre esto, además de terminar mi tesis doctoral. Estoy adquiriendo más experiencia en la integración del trabajo teórico y computacional con experimentos. Es una gran oportunidad para mí trabajar con personas con experiencia matemática que están acostumbradas a lidiar con experimentos reales y datos biológicos. Espero poder colaborar directamente también con experimentadores reales porque creo que el gran objetivo de la Biología de Sistemas reside en la influencia directa entre la teoría y los experimentos, con el fin de construir modelos realistas de lo que realmente sucede en la célula. Me interesan la música, los deportes y la fotografía. Mi deporte favorito es el fútbol (tanto jugado como visto) pero aquí en Boston me estoy involucrando en todos los deportes que son populares aquí, particularmente el béisbol. Boston es una ciudad muy bonita, donde puedes encontrar la fusión entre la cultura europea y americana. Aprecio mucho Cambridge por la vitalidad que los numerosos estudiantes aportan a la ciudad.

última actualización el 13 de agosto de 2012

Bianca Dumitrascu

Desde la secundaria decidí que para mí las matemáticas son el camino a seguir. Se trata de conexiones, de estructura, de creatividad. Actualmente soy un estudiante de tercer año en formación que estudia Matemáticas Aplicadas en el MIT. He estado trabajando durante el último año en el laboratorio de la profesora Bonnie Berger en metabolómica, predicción de la estructura del ARN y, más actualmente, redes de interacción de proteínas. Actualmente, mis intereses de investigación se dirigen hacia la biología computacional y la biología de sistemas, pero también me interesan diferentes partes de la informática teórica. Normalmente tengo problemas para responder la pregunta "y. ¿Qué haces para divertirte?" ya que todas las cosas que hago son tremendamente divertidas. Sin embargo, podría decir que escribo por diversión. Me interesan todas las formas de arte y todas las formas de literatura, y tengo un gusto particular por todo lo relacionado con la antropología social y la historia de la religión. Lo que más me gusta de Boston: su aire europeo que me recuerda a mi hogar. Digo "recordado" porque ahora puedo llamarlo hogar fácilmente. En el verano de 2011, fui USRI de Biología de Sistemas en el laboratorio de Gunawardena, con el apoyo de NSF 0856285. Trabajé con Bobby Karp en un modelo de señalización Wnt en células de mamíferos. Vea mi póster en esto. Me lo pasé genial trabajando con todos. Me gustan las historias y durante el verano tuve la oportunidad de conocer gente increíble y escuchar sus historias increíbles. El grupo Sys Bio es un entorno de aprendizaje increíble y espero continuar con el trabajo que comencé durante el verano.

última actualización el 8 de agosto de 2012

Rosine Dushime

Soy un estudiante de último año en Spelman College que estudia Bioquímica con una especialización en Matemáticas. Mi experiencia en investigación es en bioquímica, análisis molecular de dibenzoilmetano en células de cáncer de próstata resistentes a los andrógenos. Me uní al grupo de Gunawardena en el verano de 2013, como un USRI de Biología de Sistemas con el apoyo de NSF 0856285. Estoy trabajando con Tathagata Dasgupta en la identificación y caracterización de la bi-funcionalidad en Escherichia coli usando enfoques computacionales. Vea mi póster sobre esto. He tenido una gran experiencia en Boston, es bastante similar a las ciudades europeas con una gran cultura e historia.

última actualización el 11 de agosto de 2013

Alemán Enciso

Mi trabajo de tesis fue en matemáticas, estudiando el impacto de la retroalimentación positiva y negativa sobre el comportamiento de los sistemas dinámicos en un contexto abstracto. He aplicado este trabajo a modelos de reacciones bioquímicas y sistemas de difusión de reacciones, y he realizado algunos modelos de interneuronas retinianas. En el laboratorio de Jeremy, estoy desarrollando módulos genéricos para reacciones bioquímicas en poco b y los usaré para estudiar las vías de transducción de señales asociadas con los receptores EGF. Actualmente soy profesor asistente en UC Irvine.

última actualización el 28 de octubre de 2009

Javier Estrada

Becario postdoctoral
jestrada a hms.harvard.edu

Fui postdoctorado conjunto entre los laboratorios de Gunawardena y DePace de 2013 a 2017. Durante ese período, probamos cómo la transcripción en animales solo se puede explicar asumiendo la disipación de energía y / o la interacción compleja entre los factores de transcripción y sus correguladores, un paso clave hacia la comprensión de tales un proceso central en biología (PMID 27368104). Desde 2017 soy investigador en los Institutos Novartis de Investigación Biomédica y trabajo en inmuno-oncología. Allí, intentamos responder preguntas clave como: ¿cómo se comporta el sistema inmunológico dentro del microambiente del tumor? ¿Cómo es la interacción entre las células tumorales y los linfocitos? ¿Cómo influye la presión evolutiva en los tumores para hacerlos resistentes a los fármacos y al sistema inmunológico? ¿Podemos utilizar todo este conocimiento para desarrollar fármacos mejores y más eficientes?

Me formé como físico en la Universidad Autónoma de Madrid, España y anteriormente trabajé con el laboratorio de Gunawardena en "interrogatorio celular" (PMID 27367445).

última actualización el 12 de junio de 2018

Roxana Feier

Soy un estudiante de último año en Harvard con una especialización en matemáticas con una especialización en astrofísica. Aunque la mayoría de mis cursos de pregrado fueron en matemáticas puras, recientemente me interesé más en sus contrapartes aplicadas. Este cambio de intereses fue lo que me llevó a la biología de sistemas para el verano de 2011 como USRI, con el apoyo del Harvard College PRIZE. Mi proyecto, trabajando con Bobby Karp, intenta modelar sistemas biológicos (particularmente la vía Wnt) mediante el uso de sistemas dinámicos polinomiales sobre campos finitos. Esto se hace basándose en algoritmos desarrollados inicialmente en el contexto de la geometría algebraica, para cálculos de base de Grobner. Estos modelos se pueden utilizar para inferir la estructura de red de la vía, así como para hacer predicciones sobre la dinámica. Vea mi póster de PREMIO en esto. Dejando a un lado los intereses académicos, también soy un fotógrafo ávido (aunque no muy bueno todavía). He hecho tanto películas como digitales, y los largos paseos por Harvard Square con mi cámara nunca dejan de relajarme cuando el trabajo escolar se vuelve estresante.

última actualización el 19 de agosto de 2012

Andr & eacutes Fl & oacuterez

Soy un estudiante de posgrado en el Centro Alemán de Investigación del Cáncer en Heidelberg. Estoy enfocado en comprender el control de los puntos de restricción en el ciclo celular de un tumor infantil específico llamado neuroblastoma. La estrategia consiste en combinar experimentos y modelos matemáticos para dilucidar los mecanismos moleculares implicados en la progresión del ciclo celular de esta enfermedad. Trabajé como pasante de investigación en el laboratorio de Gunawardena en 2009-10 básicamente desde el lado experimental y tratando de combinar modelos matemáticos para comprender la señalización del calcio en el contexto de la infección por parásitos en colaboración con la Dra. Barbara Burleigh del Departamento de Inmunología y Enfermedades Infecciosas. en la Escuela de Salud Pública de Harvard. Estudié los patrones de oscilaciones inducidas por agonistas en fibroblastos y macrófagos primarios infectados y no infectados con el parásito protozoario Trypanosoma cruzi. Los resultados iniciales mostraron que T. cruzi altera la amplitud y el retardo de tiempo de las oscilaciones probablemente por un mecanismo mediado por citocinas. Mi experiencia en el laboratorio de Gunawardena fue realmente emocionante, ya que pude ver trabajar en experimentos de acción y modelar juntos para hacer preguntas significativas a las células. Y Boston, tengo que decir que es una ciudad encantadora, donde se respira conocimiento en todas partes, ayudado por los paisajes inspiradores. Disfruté mucho las actividades de baile de salsa en Boston, donde tuve la oportunidad de aprender el estilo de Nueva York, que es muy diferente al estilo colombiano al que estaba acostumbrado.

última actualización el 8 de agosto de 2012

Daniel Gibson

Daniel vino a nosotros desde la Escuela de Minas de Colorado, en su estado natal, donde realizó una investigación en acústica no lineal relacionada con la detección de minas terrestres como asistente de pregrado e investigación. Su título fue en Ingeniería Física, con menciones en Bioingeniería y Ciencias de la Vida además de Tecnología Musical. Daniel continuó con el lado microfluídico del proyecto de señalización de calcio iniciado por Natalie Andrew y Fred Chang, que condujo a un artículo de 2016 en PLoS Comput Biol. También colaboró ​​con el laboratorio de Kat Hadjantonakis en Sloan Kettering para usar dispositivos de microfluidos para ayudar en la obtención de imágenes de embriones de ratón. Daniel trabaja actualmente como científico de datos en San Francisco.

última actualización el 22 de agosto de 2016

Florian Gnad

Estudié bioinformática en la Universidad Ludwig Maximilians (LMU) y en la Technische Universitaet (TUM) de Munich. Paralelamente, también estudié Economía en la LMU. Mi tesis de maestría fue sobre el análisis de datos de microarrays de genes con sesgo sexual en Drosophila melanogaster, para lo cual creé la base de datos de sesgo sexual. Con base en el análisis del genoma a gran escala y la gestión de la base de datos de genes con sesgo sexual, encontramos que los genes de mosca con sesgo masculino están menos conservados que los genes con sesgo femenino. El hecho de que uno pueda derivar tales patrones sobre la base de As, Ts, Cs y Gs fue muy fascinante para mí. El enfoque de mi estudio de doctorado en el Instituto Max Planck de Bioquímica fue el análisis a gran escala y la gestión de la base de datos de los sitios de fosforilación identificados. La fosforilación de proteínas es un mecanismo regulador fundamental que controla muchos procesos de señalización celular. En este contexto, creé la base de datos del sitio de fosforilación PHOSIDA. También trabajé en varios estudios proteómicos y creé la base de datos de proteomas MAPU 2.0. Luego trabajé en el Instituto Europeo de Bioinformática (EBI) en Cambridge, Reino Unido, en la anotación del genoma utilizando datos de espectrometría de masas. Después de completar mi doctorado, comencé a trabajar en el grupo de Jeremy Gunawardena en la Escuela de Medicina de Harvard. Estamos estudiando la conservación de la fosforilación multisitio. La idea de modelar la célula viva junto con sus procesos complejos también es muy fascinante y planeo desarrollar una infraestructura de software para respaldar esto.

última actualización el 24 de mayo de 2009

Namita Gupta

Fui USRI de Biología de Sistemas en el grupo de Gunawardena en 2010. En mi pasantía, trabajé con Bobby Karp en un proyecto que estudia las propiedades de estado estable de las vías moleculares para una amplia gama de parámetros. Ayudé a desarrollar un programa que analiza el número y los tipos de estados estacionarios en el marco de la cinética de acción de masas, utilizando técnicas numéricas de alto rendimiento y geometría algebraica. Vea mi póster sobre esto. Utilicé Python, C ++ y Mathematica, aprendí la continuación de la homotopía y, lo que es más importante, comprendí cómo se pueden modelar de manera realista las vías bioquímicas y cómo estos modelos están conectados a los experimentos que se están realizando en el laboratorio. Recibí un B.S. en matemáticas aplicadas y un B.A. en biología de la Universidad de Chicago. Actualmente soy un Ph.D. candidato en Yale en Biología Computacional y Bioinformática. Actualmente estoy rotando en laboratorios que desarrollan métodos computacionales para biólogos. Lo que más me gusta de Boston es lo fácil que es moverse por la ciudad a pie en verano. También me encanta cómo hay un gran equilibrio de vegetación mezclada con los edificios, ¡especialmente el Common!

última actualización el 8 de agosto de 2012

Benjamin Gyori

Soy un científico informático y actualmente soy estudiante de doctorado en la Universidad Nacional de Singapur. Mi interés de investigación se centra en los métodos computacionales para modelar la dinámica de las vías de señalización utilizando enfoques probabilísticos. Los modelos probabilísticos nos permiten manejar la incertidumbre en los sistemas biológicos que surgen de factores como la estocasticidad de los procesos bioquímicos, la variabilidad entre las células individuales, los componentes no modelados y el ruido de medición. Mi objetivo es brindar soluciones eficientes para los desafíos que implica la construcción y el uso de dichos modelos. Actualmente, estoy desarrollando un método general escalable para aprender redes bayesianas dinámicas y aplicar este método para modelar las vías de señalización involucradas en la progresión del cáncer de hígado.

última actualización el 26 de agosto de 2013

Nicolás Hilgert

Estudiante de investigación de la UG
nhilgert a purdue.edu

Soy un estudiante de último año en la Universidad de Purdue y estoy haciendo una pasantía en el programa de Biología de Sistemas de Harvard para el verano de 2019. Estudio física y matemáticas, aunque estoy interesado en sus intersecciones con la biología, lo que me atrajo a este laboratorio. Tomando prestadas ideas de la mecánica estadística y los procesos de Markov, estoy trabajando en la comprensión de las condiciones que implican el ensamblaje ordenado de factores de transcripción durante la regulación de genes eucariotas. Vea mi póster sobre esto.

última actualización el 9 de septiembre de 2019

Bobby Karp

Bobby Karp se unió al grupo en 2009 con experiencia en matemáticas (doctorado en Duke en geometría algebraica) y física (doctorado en teoría cuántica de campos de la Universidad Eotvos). Trabajó en el problema de la geografía de parámetros y también fue co-primer autor de nuestro artículo sobre invariantes "lineales complejos". Se incorporó a Goldman Sachs en Nueva York en 2012.

Yen-Der Li

Estudiante de investigación de la UG
yenderlimedphy a gmail.com

Soy un estudiante de medicina de cuarto año con doble especialización en física en la Universidad Nacional de Taiwán. En el grupo de Gunawardena, estaba trabajando con Yangqing Xu para investigar cómo la densidad celular afecta la heterogeneidad de señalización de ERK. Mi interés de investigación radica en la biofísica y la biología de sistemas. Además de la investigación, también me interesa la industria de la consultoría y el espíritu empresarial biofarmacéutico.

Mark Lipson

Estudiante de investigación de la UG
mark.lipson a gmail.com

Mark hizo una tesis de honores senior en "Enfoques diferenciales y gráficos de la multiestabilidad en redes de reacción química" disponible en arxiv.org/abs/0709.0125. Fue galardonado con el Premio Amigos del Departamento de Matemáticas y el Premio Thomas T Hoopes de la Universidad de Harvard.

última actualización el 18 de enero de 2008

Mohan Malleshaiah

Becario postdoctoral
mohan_malleshaiah a
hms.harvard.edu

Estoy interesado en comprender la naturaleza de las redes moleculares y cómo procesan la información de las señales para "calcular" las decisiones sobre el destino de las células. Con este fin, utilizo enfoques integradores mediante la combinación de medidas cuantitativas (a nivel de una sola célula y de población) con análisis y modelado computacionales. He explicado nuevos mecanismos para la transición del estado celular en la levadura en ciernes, así como en los sistemas de modelos de células madre pluripotentes.

Hice mi doctorado con el profesor Stephen Michnick en la Universidad de Montreal, donde analicé la dinámica del complejo de proteínas dentro de las células vivas. Analicé las proteínas de señalización MAPK para explicar un mecanismo único de ultrasensibilidad de orden cero para la gemación similar a un interruptor para la decisión de apareamiento en células de levadura (PMID 20400943). También expliqué cómo las células de levadura integran simultáneamente múltiples señales y priorizan su respuesta sintonizando la sensibilidad a las señales a través de interacciones de vías cruzadas (PMID 22186894).

Inspirado para explicar el destino de las células en el sistema de mamíferos altamente complejo, elegí analizar las células madre para mi investigación postdoctoral. Como miembro del CIHR (Institutos Canadienses de Investigación en Salud) en el laboratorio del profesor Jeremy Gunawardena, desarrollé un enfoque integrador para analizar las células madre embrionarias (ESC). En colaboración con el laboratorio del profesor Alfonso Martínez-Arias en la Universidad de Cambridge, apliqué este enfoque para comprender la dinámica de la red de factores de transcripción (TF) de pluripotencia durante la diferenciación de las ESC en destinos celulares alternativos. Descubrimos que un subconjunto de TF de pluripotencia se reconfigura para generar nuevas redes que promueven la diferenciación (PMID 26832399 y Cell Reports, 2016).

Para comprender mejor el comportamiento de las células madre individuales y la heterogeneidad de su población, he implementado aún más la proteómica unicelular y métodos computacionales para analizar los datos complejos. En colaboración con el laboratorio del profesor George Daley. Estoy analizando distintas poblaciones de células durante la reprogramación de células madre pluripotentes a a) células totipotentes yb) progenitoras de células madre hematopoyéticas.

Mis publicaciones sobre NCBI. Después de terminar mi beca postdoctoral, me uní al Instituto de Investigación Clínica de Montreal.

Aneil Mallavarapu

Investigador científico senior
Responsable del proyecto little b
www.littleb.org

Antes de unirme al Departamento de Biología de Sistemas, pasé varios años en Millennium Pharmaceuticals durante el apogeo de la genómica desarrollando tecnología y liderando esfuerzos para integrar y compartir conocimiento científico estructurado. Durante ese tiempo, tuve la oportunidad de pasar un año en el Centro de Harvard para la Investigación Genómica para comprender cómo se podría aplicar la teoría de sistemas a los problemas en el descubrimiento de fármacos. Un problema sobresaliente fue cómo simplificar el proceso de construcción de modelos confiables. Imaginé una herramienta que permitiría a un modelador "mezclar" componentes predefinidos y confiables. Estos se conectarían automáticamente entre sí, en analogía a cómo un bioquímico reconstituye un sistema mezclando proteínas en un tubo de ensayo. Propuse un marco computacional basado en esta idea, y esto evolucionó a little b, un lenguaje de programación basado en LISP diseñado para construir modelos modulares y compartibles. No dude en ponerse en contacto conmigo si tiene preguntas sobre la pequeña b.

Mi formación formal ha sido en biología celular y bioquímica, aunque he tenido un gran interés en la informática. Comencé en ciencias con Dan Jay, entonces profesor en Harvard BioLabs. Creamos microCALI, una versión basada en microscopio de la tecnología de inactivación láser asistida por cromóforos en la que fue pionero, y la usamos para investigar el papel de las moléculas en el crecimiento de las células nerviosas. Hice mi doctorado. en UCSF con Tim Mitchison, desarrollando tecnologías de fotoactivación y fotoblanqueo para visualizar la dinámica citoesquelética involucrada en: el movimiento de la punta neuronal, la mitosis y la orientación de la división celular.

última actualización el 24 de febrero de 2006

Arjun (Raj) Manrai

Estudiante de investigación de la UG
manrai a fas.harvard.edu

Raj trabajó en invariantes de estado estacionario para la fosforilación multisitio para Physics 90R y es el primer autor del artículo que surgió de ahí. También trabajó con German Enciso en la dimerización del receptor EGF. Actualmente es estudiante de posgrado en el programa Harvard-MIT HST.

última actualización el 28 de octubre de 2009

Inomzhon Mirzaev

Como estudiante de investigación de pregrado en el laboratorio del Prof. Gunawardena, trabajé en aspectos dinámicos del marco lineal. Nuestros hallazgos se publicaron más tarde en este artículo. Recibí mi B.S. en matemáticas de la Universidad Técnica de Oriente Medio en Ankara, Turquía y mi doctorado en matemáticas aplicadas de la Universidad de Colorado Boulder. Durante la escuela de posgrado, utilicé varias técnicas matemáticas para estudiar la combinación reversible y la separación de partículas suspendidas en un fluido. También realicé un seguimiento de los estudios anteriores del marco lineal (PMID 25795319). Después de la escuela de posgrado, tuve un puesto postdoctoral conjunto con el Instituto de Biociencias Matemáticas de la Universidad Estatal de Ohio y la Clínica Cleveland en Cleveland, Ohio. Como postdoctorado, estaba interesado en aplicaciones de aprendizaje automático en la segmentación automatizada de estructuras anatómicas a partir de resonancias magnéticas. Los resúmenes de algunos otros proyectos en los que he trabajado se pueden encontrar en mi página web personal. Después de terminar mi posdoctorado, me uní a Workday Inc como científico de aprendizaje automático.

última actualización el 26 de noviembre de 2018

Nandukumar Mohan

Crecí en Sharon, Massachusetts y me gradué de Sharon High School. Actualmente soy estudiante de la Universidad de Massachusetts en Amherst. Soy un estudiante de neurociencia que está trabajando en pre-medicina y preparándome para la escuela de medicina. La ciencia siempre ha sido una especie de vocación para mí y siempre he querido seguirla. Si bien mi formación se basa más en la investigación química y la experiencia en el laboratorio de química, en comparación con la biología, busqué un puesto en Harvard para ampliar el conocimiento de biología que ya tengo de una manera más técnica. Esta pasantía me ha abierto los ojos. Todo el verano he estado trabajando con Sudhakaran Prabhakaran en el estudio de la fosforilación en múltiples sitios de la proteína de la vía EGF ERK (técnicamente conocida como MAPK). He estado estudiando las múltiples fosfo-formas de ERK y cuantificando las proporciones de fosfo-formas en respuesta a la estimulación de EGF. He trabajado con muchas técnicas como el cultivo de células bacterianas y de mamíferos (HeLa), transformación de plásmidos, inmunoprecipitación, purificación de proteínas, geles en funcionamiento, espectrometría de masas y mucho más. Espero no solo tomar los conocimientos que he adquirido en este trabajo y aplicarlos en todos los lugares a los que vaya de aquí en adelante en mi carrera, sino que también espero volver aquí y seguir trabajando en el mismo proyecto.

Maximilian Nguyen

En el espíritu del enfoque de Schrodinger a la antigua pregunta de "¿Qué es la vida?", Me interesa descubrir los principios físicos mediante los cuales podemos destilar la complejidad de los sistemas biológicos. Algunos campos de la biología moderna se encuentran en una confluencia en la que finalmente pueden ser susceptibles de tratamiento teórico. Emocionado por el potencial de tales descubrimientos, vine al grupo Gunawardena para comenzar mi incursión en la biología cuantitativa.

Un problema abierto en el procesamiento de la información celular es una comprensión teórica de la física mediante la cual los factores de transcripción y otra maquinaria reguladora pueden controlar la expresión génica. Junto con Jeremy y John Biddle, investigamos la termodinámica de la unión del factor de transcripción acoplado (PMID 30762521). Al hacerlo, descubrimos el concepto de reciprocidad, que sugiere la posibilidad de descubrir otras cantidades funcionales de sistemas de desequilibrio.

Recibí una licenciatura y una maestría en ingeniería química de Georgia Tech y la Universidad de Cornell, respectivamente, y actualmente estoy cursando un doctorado en biofísica en la Universidad de Princeton.

última actualización el 22 de abril de 2019

Jeremy Owen

Estuve en el grupo de Gunawardena como USRI de Biología de Sistemas en el verano de 2012, y trabajé en extender algunos resultados matemáticos, establecidos previamente para un caso especial del bucle Goldbeter-Koshland (llegado a usar el marco lineal), a los caso, donde las enzimas involucradas en el bucle pueden ser reversibles, vea mi póster sobre esto. Soy coautor de un artículo sobre esto, en el que aplicamos la teoría para analizar la eficiencia de conmutación de la enzima bifuncional 6-fosfofructo-2-quinasa / fructosa-2,6-bisfosfatasa, que regula el metabolismo de la glucosa. Regresé en el verano de 2013 para trabajar en algunos otros problemas matemáticos relacionados con el marco lineal y explorar, por ejemplo, qué condiciones podrían garantizar la monoestabilidad en los sistemas generales de modificación postraduccional.

Soy un estudiante universitario que estudia Matemáticas en King's College, Cambridge. Me apasionan las matemáticas tanto por su belleza intrínseca, como por su aplicación para describir fenómenos naturales, especialmente en biología.

última actualización el 11 de agosto de 2013

Samuel Padula

Estudiante de investigación de la UG
padulasv aemail.wofford.edu

Soy un estudiante universitario de último año en ascenso en Wofford College, donde estudio matemáticas. Estoy trabajando con Chris Nam en el cálculo de una barrera de Hopfield de especificidad y eficiencia CRISPR-Cas9. Vea mi póster sobre esto.

última actualización el 9 de septiembre de 2019

Vishal Patel

Estudiante de investigación de la UG
write2vishal a gmail.com

Soy un estudiante de cuarto año de la Universidad de Anna en Chennai, India, y estoy haciendo mi tesis de último año en Bioingeniería. Al alternar entre los fundamentos de las matemáticas, la bioquímica y las computadoras, estoy estudiando hasta qué punto el análisis de equilibrio de flujo puede predecir correctamente los flujos internos en la levadura. Además, estoy tratando de implementar diferentes ecuaciones de biomasa y restricciones adicionales para mejorar la confiabilidad y la capacidad de predicción de las redes existentes disponibles en la literatura. Continuaré mis estudios de posgrado en la Universidad de California, Irvine. Mi sitio web esta aqui

última actualización el 4 de mayo de 2009

Debdas Paul

Actualmente, soy estudiante de doctorado de tercer año (Dr.-Ing.) En el Instituto de Teoría de Sistemas y Control Automático de la Universidad de Stuttgart, Alemania, y trabajo con la profesora Nicole Radde. Mi tesis es desarrollar un marco teórico para comparar el principio de diseño de la naturaleza y las estructuras técnicas de carga en términos de robustez, optimización y multifuncionalidad.

Anteriormente, obtuve mi licenciatura y maestría en ciencias de la computación e ingeniería de la Universidad de Tecnología de Bengala Occidental y de la Universidad de Jadavpur, India, respectivamente. Como ingeniero informático, he trabajado en bioinformática basada en datos y en la aplicación de la teoría de grafos espectrales en redes a gran escala.

Más tarde, también realicé una maestría en biología de sistemas computacionales en el Royal Institute of Technology (KTH), Suecia y la Universidad Aalto, Finlandia, donde trabajé en la biología computacional basada en el aprendizaje automático (específicamente en métodos de kernel para predecir proteínas). interacciones de proteínas), así como en técnicas de estimación de parámetros para la cinética química estocástica basada en la ecuación química maestra.

En el laboratorio de Jeremy como estudiante graduado visitante, estoy desarrollando un modelo para la dinámica de la polimerasa-II (reclutamiento, pausa, alargamiento y terminación) con el fin de llevar la expresión y regulación génica bajo un marco lineal unificado común.

última actualización el 6 de septiembre de 2017

Daniela Perry

Estudiante de investigación de la UG
danielaperry2015 a gmail.com

última actualización el 15 de agosto de 2016

Gregory Peters

Actualmente soy un pasante de pregrado de la Universidad Pacific Lutheran en Tacoma, Washington, donde estoy trabajando para obtener títulos en Bioquímica e Informática. Mis intereses giran en torno a la dinámica de proteínas y el descubrimiento de fármacos computacionales.

Allostery son las interacciones indirectas entre distintos sitios de unión, lo que permite la regulación de la actividad. Las proteínas existen en un conjunto de conformaciones, interconvirtiéndose continuamente entre las diferentes conformaciones con energías variables. La distribución del conjunto conformacional se puede ver a través del paisaje de energía libre de una proteína. El alosterio puede verse como una redistribución, o "cambio de población", que tiene lugar debido a las estabilidades relativas del cambio conformacional. Mi trabajo en el laboratorio de Gunawardena, que cuenta con el apoyo de NSF 1462629, implica el estudio de los conjuntos conformacionales y los paisajes de energía libre de las proteínas como un medio para comprender el alosterio para aplicar el marco lineal para describir el alosterio y la regulación alostérica (ver mi póster).

última actualización el 3 de septiembre de 2017

Sudhakaran Prabakaran

Becario postdoctoral
(617) 432 4842
sp339 a cam.ac.uk

Soy uno de los biólogos con mentalidad teórica que se unió al Programa de Células Virtuales. Trabajé en el problema del plegamiento de proteínas para mi tesis de maestría de la Universidad Jawaharlal Nehru (Nueva Delhi, India). A partir de entonces, me interesé en la neurociencia y la esquizofrenia y me uní al grupo de la Dra. Sabine Bahn para mi doctorado en la Universidad de Cambridge. Mi proyecto de doctorado se desarrolló en un enfoque funcional basado en sistemas para comprender la esquizofrenia utilizando múltiples plataformas "-ómicas" (Prabakaran et al, 2004, Swatton et al 2004). Durante mi doctorado me di cuenta de que la investigación de instantáneas "-ómicas" de cambios en la expresión de genes, proteínas, lípidos y otros componentes celulares no es suficiente para comprender fenómenos biológicos tan complejos. Creo que hay que investigar la dinámica de las interacciones de estos componentes para llegar a una hipótesis, para lo cual también se necesitan modelos matemáticos y computacionales. Por tanto, mi interés se centró en la dinámica y los mecanismos de interacción y autoorganización en sistemas biológicos complejos.

Me uní al laboratorio del Dr. Gunawardena en 2006 para desarrollar métodos para cuantificar los patrones de fosforilación en la fosforilación multisitio y comprender su papel en la transducción de señales y el procesamiento de información en células de mamíferos. Actualmente soy líder de grupo en el Departamento de Genética de Cambridge.

última actualización el 13 de noviembre de 2016

Kolja Schleich

Estudié Biotecnología Molecular (BSc, MSc) en Heidelberg, Alemania. Actualmente soy estudiante de doctorado en la División de Inmunogenética (Prof. Dr. Peter Krammer), en el grupo de la Prof. Dra. Inna Lavrik, en el Centro Alemán de Investigación del Cáncer en Heidelberg. Trabajé en el laboratorio de Jeremy como pasante de verano en 2009 en las capacidades de conmutación de los sistemas de fosforilación multisitio. Dichos sistemas muestran una multiestabilidad ilimitada y, por lo tanto, podrían usarse como módulos de almacenamiento de memoria capaces de almacenar múltiples bits de información. Analicé la posibilidad de cambiar entre estados estacionarios, lo que sería de interés para los biólogos sintéticos en particular. En mi proyecto de doctorado trabajo en la vía de señalización CD95. CD95 (también llamado Fas / APO-1) pertenece a la familia de receptores de muerte de necrosis tumoral. Además de sus funciones bien conocidas para desencadenar la muerte celular, también puede conducir a la activación de vías no apoptóticas que dan como resultado la proliferación celular. Sin embargo, todavía se desconoce cómo se toma la decisión entre estos dos resultados. Tras la estimulación de CD95, se forma un complejo de señalización inductor de muerte de múltiples componentes (DISC). Para obtener más información sobre este proceso de decisión, estudio la estequiometría del DISC mediante transferencia de Western cuantitativa, espectrometría de masas, microscopía de fluorescencia unicelular y modelado matemático. Me gusta especialmente de Boston que su arquitectura es bastante similar a las ciudades europeas. Me gusta mucho el área alrededor de Boston Common, Beacon Hill y Quincy Market.

última actualización el 19 de agosto de 2012

Ajeet Sharma

Soy investigador postdoctoral en el laboratorio de Gunawardena. Completé mi doctorado. en 2014 del Departamento de Física de IIT Kanpur. Durante mi doctorado y el posterior trabajo de investigación posdoctoral en Penn State, he desarrollado y aplicado teorías para comprender varias características de no equilibrio del proceso de síntesis de proteínas y plegamiento de proteínas co-traduccionales. En esos proyectos, también he analizado los datos de secuenciación de alto rendimiento utilizando las herramientas de la mecánica estadística de no equilibrio.

En el laboratorio de Gunawardena, mi investigación tiene como objetivo comprender el papel de la cinética del desequilibrio en el procesamiento de señales celulares, específicamente en el contexto de la regulación genética.

última actualización el 20 de septiembre de 2018

Julian Stanley

Soy un estudiante de la Northeastern University estudiando Ciencias de la Computación y Biología y trabajo como pasante en el verano de 2018 con Shreepriya Das. En general, estoy interesado en la genética y la genómica en todas sus manifestaciones, pero especialmente cuando sus conocimientos son relevantes para la medicina clínica. Durante el verano de 2018, estoy trabajando para identificar los delineadores genómicos de los cánceres de endometrio tipo 1 y tipo 2 a partir de datos del genoma completo; consulte mi póster sobre esto.

última actualización el 16 de septiembre de 2018

Monica Sullivan

Monica se unió al laboratorio en 2010 como USRI de Biología de Sistemas, con el apoyo de NSF 0856285. Se especializó en matemáticas en la Universidad Estatal de Fort Valley en Georgia. Trabajó con Bobby Karp para desarrollar un modelo matemático de la vía Wnt. Vea su póster sobre esto.

última actualización el 10 de septiembre de 2012

Pranay Talla

Soy un estudiante de último año en Horace Greeley High School en Nueva York. Este verano, haré una pasantía en el laboratorio de Gunawardena para trabajar en emocionantes problemas de investigación en la intersección de las matemáticas, la biología y la física.

Mi investigación involucra las propiedades de estado estacionario de los ciclos generales de modificación covalente y su función como interruptores biológicos. Estoy trabajando bajo la tutela de John Biddle para ampliar los resultados matemáticos anteriores determinando hasta qué punto las cantidades físicas, como la fuerza termodinámica, afectan la sensibilidad y el rango dinámico de tales sistemas, vea mi póster sobre esto.

última actualización el 9 de septiembre de 2019

Ezgi Temamogullari

Fui pasante de verano en 2010 en el laboratorio de Jeremy, donde trabajé con Jeremy, Tathagata y David. Teníamos en mente la siguiente pregunta como punto de partida: ¿por qué en algunos procesos las células usan enzimas bifuncionales para dos reacciones diferentes, en lugar de usar dos enzimas diferentes? Estudiamos varias vías que contienen enzimas bifuncionales y luego se nos ocurrió un modelo matemático de la vía de señalización EnvZ / OmpR que tiene en cuenta la dimerización de EnvZ además de su bifuncionalidad. Este modelo podría sugerir que la dimerización y la bifuncionalidad juntas aumentan la robustez del sistema a las perturbaciones internas, como las fluctuaciones en la concentración de EnvZ.

Me gradué del Programa de Doble Especialización en Biología Molecular, Genética y Matemáticas en la Universidad de Bogazici y ahora soy un candidato a doctorado en el Departamento de Matemáticas de la Universidad de Duke, trabajando con Mike Reed. Estoy especialmente interesado en cómo las células adquieren información sobre su entorno a pesar de estar "confinadas" por sus membranas y cómo procesan esta información.

última actualización el 20 de noviembre de 2012

Matt Thomson

Matt es actualmente becario de Biología de Sistemas en el Centro de Sistemas y Biología Sintética de UCSF. Primero llegó al laboratorio como asistente de investigación y luego se convirtió en estudiante de posgrado en el programa de Biofísica de Harvard. Trabajó en varios proyectos experimentales, computacionales y teóricos, fue coautor de un artículo sobre little by primer autor de otros dos sobre fosforilación multisitio.

última actualización el 28 de junio de 2013

Ved Topkar

Estudiante de investigación de la UG
vedtopkar a college.harvard.edu

Soy un estudiante de Harvard College concentrándome en Química y Biología Física con un secundario en Ciencias de la Computación. Con el apoyo de PRIZE durante el verano de 2013, comencé a analizar computacionalmente los colosales conjuntos de datos ENCODE en las regiones promotoras, y la mayor parte de mi atención se dedicó al análisis de unión del factor de transcripción. Me acerco a este tema de big data con la siguiente pregunta en mente: ¿cómo podemos reducir cuantitativamente una complejidad biológica tan diversa a algo más fácilmente comprensible? Puedes ver mi presentación de PREMIOS aquí. Espero continuar con este trabajo hasta el otoño y eventualmente vincularlo nuevamente en una aplicación a escala genómica del marco lineal de nuestro laboratorio.

Puede ver mi sitio web en vedtopkar.com.

última actualización el 11 de agosto de 2013

Sieu Tran

Estudiante de investigación de la UG
tsieu95 a vt.edu

Fui pasante de verano en Biología de Sistemas de la USRI en 2016, con el apoyo de NSF 1462629. Trabajé con Javier Estrada y otros para comprender lo complicado que podría ser el patrón de activación y represión para un gen regulado por un solo factor de transcripción. Ver mi póster que describe este trabajo. . Cuando no trabajo en Harvard, estudio matemáticas, microbiología y ciencias biológicas en Virginia Tech University. El verano en el laboratorio de Gunawardena fue una oportunidad reveladora para mí, ya que ni siquiera estaba al tanto de la variedad de investigaciones en biología de sistemas que había. Espero seguir ampliando mi trabajo y desarrollar mi propio modelo en el futuro.

última actualización el 1 de septiembre de 2016

Gary Tyree

Soy un pasante de pregrado de la Universidad de Arizona. He estado estudiando Ingeniería Biomédica, Biología Celular y Molecular y Bioquímica con la esperanza de seguir investigando en Ingeniería Genética y Biología Sintética después de graduarme.

Mi investigación en el laboratorio de Gunawardena se centra en el desarrollo de un modelo capaz de representar con precisión la naturaleza combinatoria y dependiente del contexto que tienen las modificaciones epigenéticas en la regulación de genes. Ver mi póster. Actualmente no se comprende si los efectos reguladores complejos que se han registrado en la literatura tienen o no un efecto sustancial en la regulación genética o tienen poco impacto en la regulación en su conjunto. Pero a medida que los circuitos de genes sintéticos para su uso en organismos eucariotas se vuelven más complejos, estos mecanismos reguladores epigenéticos deberán caracterizarse para garantizar la ingeniería adecuada de los genomas. Por lo tanto, espero que mi trabajo pueda ayudar a comprender mejor la regulación epigenética, así como proporcionar una nueva herramienta para los biólogos sintéticos en el futuro.

última actualización el 3 de septiembre de 2017

Ben Ullian

Estudiante de investigación de la UG
bnu2101 a columbia.edu

Ben ha trabajado en varios aspectos del pequeño sistema b. Está estudiando informática en Columbia.

última actualización el 24 de febrero de 2006

Aishwarya Venkatramani

Soy un estudiante universitario en UC San Diego con especialización en física y bioquímica. Actualmente, como pasante de verano en el grupo Gunawardena, estoy tratando de encontrar sistemas biológicos que muestren un orden superior de manera cooperativa y utilicen la dinámica molecular para cuantificar la copperatividad. En el pasado, he realizado investigaciones en biología computacional para identificar fármacos potenciales contra el parásito de la malaria Plasmodium falciparum en el grupo de Andy McCammon en UCSD. También he trabajado con grupos de investigación experimental para desarrollar un programa para cuantificar ARN en experimentos FISH y un código para simular ondas de Cdk1 durante la sincronización de fase S en embriones de Drosophila. Fuera de la investigación, disfruto viajar, hacer senderismo, explorar nuevos lugares y aprender sobre diferentes culturas.

última actualización el 12 de julio de 2017

Ning Wang

Soy un estudiante de tercer año de la Universidad de Ciencia y Tecnología de China (USTC), en el departamento de ingeniería eléctrica. En el grupo de Gunawardena, estoy trabajando con Tathagata Dasgupta y David Croll para comparar modelos de timidilato sintasa / tetrahidrofolato reductasa en los casos bifuncional y monofuncional. Como ex miembro del equipo iGEM de la USTC, estoy interesado en la biología sintética y la biología de sistemas. Me gusta investigar la estructura de las redes de regulación de genes y enzimas.

última actualización el 13 de agosto de 2012

Danny Wells

Pasé el verano de 2009 en el laboratorio de Gunawardena como parte del programa USRI identificando nuevos invariantes en cascada de fosforilación. Ampliando el trabajo anterior, utilicé técnicas de álgebra conmutativa y geometría algebraica para identificar tres nuevos invariantes independientes de parámetros que se pueden usar para distinguir diferentes topologías en cascada de manera experimental. Después de graduarme de Carleton College con una licenciatura en matemáticas en 2010, ahora soy un estudiante graduado de tercer año en el Departamento de Ciencias de la Ingeniería y Matemáticas Aplicadas en Northwestern University, donde tengo una beca de investigación de posgrado de NSF. Mi trabajo actual es en biología de sistemas computacionales, específicamente en el desarrollo de métodos teóricos para modular la respuesta al ruido en redes reguladoras genéticas. Estoy ampliamente interesado en los métodos computacionales para el diseño biológico y en la integración más profunda de enfoques matemáticos aplicados en la biología moderna.

última actualización el 20 de noviembre de 2012

Darnell (Adrian) Williams

Mi nombre es Darnell Keith Adrian Williams y me apasiona la investigación que tiene un efecto directo en la salud y el bienestar de las personas. Actualmente estoy involucrado en la investigación de ALS inmunohistoquímica que involucra la tinción de la motoneurona de ratones para ayudar a examinar la expresión de los canales iónicos en la membrana celular de las motoneuronas. En el laboratorio de Gunawardena, estoy trabajando actualmente en la identificación de diferencias regulatorias en la especificación del tipo de neurona en la filogenia animal (especialmente el gusano C. elegans). El cartel que describe mi trabajo está aquí. Fui elegido vicepresidente del cuerpo estudiantil y serviré este próximo año escolar, además de haber sido elegido para representar a América del Norte en la reunión anual de la Organización Mundial de la Salud en Suiza en el edificio de las Naciones Unidas durante una semana para presionar por precios más bajos de medicamentos en el tercer lugar. países del mundo. Soy un ávido golfista y amo el liderazgo, estar con mis amigos y escuchar música.

última actualización el 16 de septiembre de 2018

Sophie Woodward

Investigador de la UG
swoodward a college.harvard.edu

Soy un estudiante de pregrado en Harvard College que estudia matemáticas y estadística, y me apasiona especialmente la biología. Estoy terminando mi tercer año y espero postularme a programas de posgrado en bioestadística en el otoño. Desde el otoño de 2019 hasta 2020, trabajé con el laboratorio de Gunawardena con la investigadora postdoctoral Rosa Martínez-Corral, estudiando el gasto de energía durante la unión del factor de transcripción. Específicamente, analicé la no monotonicidad de las funciones de regulación de genes, vea este póster en mi trabajo. Este verano estoy investigando con el laboratorio Dominici en la Escuela Chan, estudiando métodos para corregir el sesgo ecológico en un análisis estadístico sobre COVID-19 y la contaminación del aire.

última actualización el 4 de mayo de 2021

Mark Xiang

Soy un estudiante de pregrado en la UMass Amherst con doble especialización en Biología y Matemáticas. Actualmente, como pasante de verano en Gunawardena Lab, estoy desarrollando modelos matemáticos de cooperatividad cinética en receptores monoméricos. Vea mi póster sobre este trabajo. Fuera de la investigación, me gusta escuchar música, acampar y también quiero aprender a esquiar.

última actualización el 16 de septiembre de 2018

Yangqing Xu

Becario postdoctoral
yangqing_xu a hms.harvard.edu

Tengo una amplia experiencia interdisciplinaria tanto en ciencias biológicas como en ingeniería. Con una licenciatura en ingeniería hidráulica, algunos de mis antiguos compañeros de clase construyeron la presa de las Tres Gargantas en el río Yangtze, una de las construcciones hidráulicas más grandes del mundo. Como el extraño entre mis compañeros de clase, desarrollé interés en el flujo dentro de un corazón, en lugar de en el interior de una turbina. Por lo tanto, primero hice una maestría en mecánica de biofluidos. Después de centrarme en el desarrollo de la biotecnología durante mi doctorado (en Ingeniería Biomédica), me incorporé al laboratorio actual y comencé mi carrera en biología de sistemas. Mi investigación actual se centra en el estudio de la dinámica compleja de redes biológicas utilizando una combinación de imágenes cuantitativas, biología celular y modelos matemáticos. La dinámica medida conduce a modelos matemáticos para la estructura y la regulación de la red, que pueden probarse iterativamente mediante experimentos. Aplico este enfoque de biología de sistemas interdisciplinarios para investigar el procesamiento de información y la toma de decisiones en la señalización del factor de crecimiento y la muerte celular de autofagia en células de mamíferos.

Siempre imagino una celda como un país con varias fábricas y mucho tráfico en las carreteras de conexión, y ha sido un viaje alegre en un mundo tan animado viendo las construcciones, transportes y batallas en él. Como biólogo de sistemas, me sorprende repetidamente cómo una célula coordina tantas actividades y funciona como un reino integrado y autoorganizado, pero sin un rey. Mirando hacia atrás en la última década, la escala de mi investigación se redujo de kilómetros a nanómetros, pero con un aumento dramático de la complejidad del sistema. Lo encuentro realmente fascinante.

última actualización el 21 de diciembre de 2008

Katherine Xue

Mientras estuvo en el laboratorio de Gunawardena en 2010-2011, Katherine trabajó con Tathagata Dasgupta en el modelado de la enzima bifuncional timidilato sintasa-dihidrofolato reductasa (TS-DHFR). Se graduó de Harvard con una licenciatura en Biología Química y Física en mayo de 2013 y planea ingresar a un programa de doctorado en Ciencias del Genoma en la Universidad de Washington.

última actualización el 28 de junio de 2013

Pencho Yordanov

Becario postdoctoral
pencho_yordanov a hms.harvard.edu

Mis intereses de investigación se encuentran en el campo de la biología de sistemas y, en particular, se centran en el desarrollo de enfoques computacionales y matemáticos para descubrir los mecanismos bioquímicos del procesamiento de la información celular. Estudié bioinformática y biología computacional en la Universidad Jacobs de Bremen. Completé mi doctorado en ETH Zurich, donde trabajé en el grupo del Prof. Joerg Stelling e investigué la señalización celular diferencial a través de la lente de la teoría de grafos algebraicos.

Mi investigación postdoctoral en el grupo de Gunawardena tiene la intención de expandir el alcance del "marco lineal" al relajar su supuesto de separación de escala de tiempo. Con la teoría desarrollada, planeo estudiar los procesos concurrentes que actúan sobre factores de transcripción, como la unión no específica y las modificaciones postraduccionales fuera del ADN. Mi trabajo cuenta con el apoyo de la Swiss National Science Foundation.

última actualización el 29 de noviembre de 2018

Ziyuan Zhao

Investigador de la UG
ziyuanzhao a college.harvard.edu

Actualmente soy un estudiante de segundo año en Harvard College con la intención de estudiar biología química y física. Me uní al laboratorio en la primavera de 2020 y trabajaré con Rosa Martinez-Corral durante el verano con el apoyo del Programa de Investigación en Ciencia e Ingeniería de Harvard (PRIZE). Mi proyecto se centrará en los aspectos teóricos del aprendizaje unicelular. Mi objetivo académico a largo plazo es poder comprender los sistemas biológicos cuantitativamente con modelos y experimentos, y espero que ese viaje pueda comenzar en serio este verano.


BIOQUÍMICA, BIOMEDICINA Y FARMACÉUTICA

1) Identificar la afirmación correcta con respecto a la función del ácido ribonucleico (ARN)
a) el ARN mensajero sirve como plantilla para la síntesis de proteínas
b) El ARNt sirve como molécula adaptadora para la adición de aminoácidos y el alargamiento de la cadena peptídica.
c) el ARN ribosómico sirve como maquinaria para la síntesis de proteínas
Todo lo anterior

2) ¿Cuál de los siguientes ARN cumple las funciones reguladoras, incluido el empalme y el silenciamiento de genes?
a) ARNm
b) ARNt
c) ARNr
d) ARN pequeño

3) ¿Cuál de las siguientes afirmaciones NO es verdadera con respecto a la transcripción / síntesis de ARN?
a) La síntesis de ARN ocurre en el núcleo.
b) A diferencia de la síntesis de ADN, la única secuencia selectiva de ADN se transcribe a ARN
c) La síntesis de ARN requiere un tramo corto de cebadores de ARN
d) Las secuencias de ADN, proteínas específicas y ARN pequeños regulan la síntesis de ARN.

4) Los restos de azúcar pentosa son la principal diferencia estructural entre el ADN y el ARN. Además, ¿cuál de los siguientes está asociado principalmente con la molécula de ARN?
a) El ARN consiste en timina en lugar de uracilo
b) Las moléculas de ARN tienen una estructura muy ramificada.
c) Las moléculas de ARN tienen mayor complejidad estructural.
d) Las moléculas de ARN son antiparalelas y bicatenarias.

5) En procariotas, la ARN polimerasa cataliza la síntesis de:
a) ARNm
b) ARNr
c) ARNt
Todo lo anterior

6) La ARN polimerasa es una enzima de múltiples subunidades que reconoce una secuencia de nucleótidos consenso (región promotora) aguas arriba del sitio de inicio de la transcripción. En procariotas, la secuencia promotora consenso consiste en 5-TATAAT-3 'también conocido como
a) Caja potenciadora
b) Caja Pribnow
c) Unidad de transcripción
re. Ninguna de las anteriores

7) La ARN polimerasa cataliza la síntesis de ARN mediante la adición de monofosfato de nucleótido y la liberación de pirofosfato por nucleótido trifosfato. Polimerasa de ARN
a) consta de actividad exonucleasa 5'-3 '
b) carece de actividad endonucleasa 3'-5 '
c) es una enzima de alta fidelidad
Todo lo anterior

8) En procariotas, una holoenzima ARN polimerasa consta de cuatro subunidades centrales, a saber, 2α, 1β, 1β 'y un promotor que reconoce la subunidad σ. También puede requerir un factor de terminación para la terminación del factor de transcripción. ¿Cuál de los siguientes es un factor de transcripción?
a) factor gamma
b) factor delta
c) factor épsilon
d) factor rho

9) En procariotas, TTGACA es una secuencia de nucleótidos consenso cadena arriba que se requiere para la transcripción. paso
a) Iniciación
b) Alargamiento
c) Terminación
d) Tapado

10) La terminación de la transcripción ocurre tanto de manera dependiente de rho como independiente de rho. ¿Cuál de las siguientes opciones NO es cierta con respecto a la terminación de la transcripción?
a) las proteínas rho reconocen la región rica en C cerca del extremo 3 'del ARN recién sintetizado
b) la terminación independiente de rho ocurre cuando la transcripción alcanza la estructura palindrómica que conduce a la formación de horquillas
c) la proteína rho compite con la ARN polimerasa por unirse a los nucleótidos
re. Ninguna de las anteriores

11) La rifamicina es un antibiótico que se usa para el tratamiento de la tuberculosis. Se une a. subunidad de la ARN polimerasa e inhibe el inicio de la transcripción.
a) α,
b) β
c) σ
d) ζ

12) En eucariotas, el proceso de síntesis de ARN es más complejo que en procariotas. El proceso de síntesis de ARN está regulado por la estructura de la cromatina, secuencias ascendentes y descendentes, socios de unión, etc. ¿Cuál de las siguientes afirmaciones es VERDADERA con respecto al proceso de transcripción en eucariotas?
a) Los genes transcritos más activamente se encuentran en una forma de cromatina ligeramente relajada llamada eucromatina.
b) El segmento más inactivo de ADN se encuentra en una estructura de cromatina compacta llamada heterocromatina
c) Modificación de histonas como la metilación, la acetilación regula la transcripción del ARN modulando la estructura de la cromatina
Todo lo anterior

13) En eucariotas, tres ARN polimerasas diferentes están involucradas en la síntesis de una clase diferente de ARN, a saber: ARNr, ARNt y ARNm. La ARN polimerasa que se requiere para la síntesis de ARNm es
a) ARN polimerasa I
b) ARN polimerasa II
c) ARN polimerasa III
re. Ninguna de las anteriores

14) En eucariotas, las secuencias promotoras de consenso (caja TATA) que se requieren para el inicio de la transcripción generalmente están presentes.
a) 10 nucleótidos aguas arriba del sitio de inicio de la transcripción (TSS)
b) 25 nucleótidos corriente arriba de TSS
c) 10 nucleótidos aguas abajo de TSS
d) 25 nucleótidos aguas abajo de TSS

15) Los potenciadores son secuencias especiales de ADN que actúan en cis que aumentan la tasa de transcripción de la ARN polimerasa. ¿Cuál de las siguientes afirmaciones es verdadera con respecto a los potenciadores?
a) 10 elementos de nucleótidos aguas arriba
b) 25 elementos de nucleótidos corriente abajo
c) presentar nucleótidos más cercanos o 1000 s aguas arriba o aguas abajo de TSS
Todo lo anterior

16) El taponamiento de nucleótidos evita la escisión rápida del ARNm y es catalizado por la guanililtransferasa. Identifique la tapa de nucleótidos que está unida en el extremo 5 'del ARNm.
a) 5-metil guanosina
b) 7- metil guanosina
c) 5- acetil guanosina
d) 7- acetil guanosina

17) La poliadenilación es una modificación posterior a la transcripción que estabiliza el ARNm y evita la escisión. La secuencia de consenso de PolyA es
a) (AAGAAA) n
b) (AACAAA) n
c) (AATAAA) n
d) (AAUAAA) n

18) En eucariotas, las transcripciones primarias se procesan para eliminar la secuencia intermedia que da como resultado el ARNm y el proceso se conoce como empalme. El complejo de ARN, nucleoproteínas que ejecutan el proceso de empalme se denomina:
a) Primosoma
b) Horquilla de empalme
c) Empalceosoma
re. Ninguna de las anteriores

19) El papel de las pequeñas partículas nucleares de ribonucleoproteína (snRNP) es
a) para unir sitios intrónicos y segmentos de exones
b) facilitar el bucle de los dos exones en la alineación correcta para el empalme
c) Todo lo anterior
re. Ninguna de las anteriores

20) Los autoanticuerpos contra las pequeñas nucleoproteínas están presentes en
a) beta talasemia
b) lupus eritematoso sistémico
c) Fenilcetonuria
re. Ninguna de las anteriores

21) La diversidad de unión de anticuerpos es el resultado de un tipo de empalme que produce variantes de ARNm y variantes de proteínas procesando diferentes segmentos de exones. El proceso se conoce como
a) Empalme de diversidad
b) Empalme alternativo
c) Empalme conservador
re. Ninguna de las anteriores

22) La caja CAAT está presente en muchos
a) Promotores procarióticos aguas arriba de la caja TATA
b) Los promotores procarióticos están aguas abajo de la caja TATA
c) Los promotores eucariotas están aguas arriba de la caja TATA
d) Los promotores eucariotas están aguas abajo de la caja TATA

Respuestas de opción múltiple
1-d) Todo lo anterior
2-d) ARN pequeño
3- c) La síntesis de ARN requiere un tramo corto de cebadores de ARN
4- a) El ARN consiste en timina en lugar de uracilo
5- d) Todo lo anterior
6-b) Caja Pribnow
7-b) carece de actividad endonucleasa 3'-5 '
8- d) factor rho
9-a) Iniciación
10) -c) la proteína rho compite con la ARN polimerasa por unirse a los nucleótidos
11- b) β
12- d) Todo lo anterior
13-b) ARN polimerasa II
14-b) 25 nucleótidos corriente arriba de TSS,
15-c) presente nucleótido más cercano o 1000s aguas arriba o aguas abajo de TSS,
16-b) 7-metil guanosina
17-d) (AAUAAA) n
18-c) Empalceosoma
19-c) Todo lo anterior
20-b) lupus eritematoso sistémico, 21- b) splicing alternativo
22-a) Promotores procarióticos aguas arriba de la caja TATA


Cecilia Lindgren: obesidad y genética

Las variantes genéticas influyen en la obesidad a nivel poblacional. La distribución de la grasa es un determinante adicional del riesgo individual: la proporción de desechos / cadera se correlaciona con la diabetes relacionada con la edad, los trastornos cardiovasculares y algunos cánceres. Comprender las vías biológicas subyacentes podría ayudarnos a establecer mejores terapias y mejores acciones preventivas.

P: ¿Cuánta obesidad podemos atribuir a nuestros genes?

CL: La obesidad generalmente se mide mirando el peso corporal de una persona por altura en metros al cuadrado, es una medida de la adiposidad general. La obesidad ocurre cuando alguien come demasiado y hace muy poco ejercicio. Hay estudios epidemiológicos que sugieren que alrededor del 70% de la variabilidad del IMC se debe a la genética. Sin embargo, con investigaciones recientes, hemos encontrado alrededor de 30 genes y regiones de genes que están asociados con el IMC, pero solo podemos explicar alrededor del 10% de esa variabilidad. Si miras al individuo, una persona que tiene todos los alelos de riesgo que identificamos, y comparas a esa persona con otra persona de la misma altura que no tiene alelos de riesgo, la persona con los alelos de riesgo pesará entre 8 y 9 kilogramos más. que el otro. Sigue siendo un efecto sustancial incluso si se traduce en una pequeña proporción de la heredabilidad.

P: ¿Existe alguna diferencia entre hombres y mujeres?

CL: Sí, las mujeres son generalmente un poco más obesas que los hombres, pero si miras a hombres y mujeres, verás que la forma de nuestro cuerpo y nuestro patrón de grasa corporal son bastante diferentes. Es bastante interesante: si miras a las mujeres, tienden a tener una forma de cuerpo más en forma de pera, donde agregan más grasa alrededor de las nalgas y los muslos, los hombres generalmente tienen más forma de manzana, donde agregan más grasa dentro y alrededor del estómago. Por lo general, medimos la distribución de grasa observando la circunferencia de la cintura (medida con una simple cinta métrica) y la circunferencia de la cadera (medida con otra cinta métrica simple) y tomando la relación entre las dos. Los estudios epidemiológicos han demostrado que aproximadamente la mitad de las variantes en la relación cintura / cadera están determinadas genéticamente y hay indicios de que esta es nuevamente mayor en mujeres que en hombres. Recientemente hemos visto en nuestros estudios genéticos de la relación cintura / cadera donde hemos identificado 14 regiones genéticas asociadas a la relación cintura / cadera, que la mitad de estos loci tienen un efecto mucho más fuerte en las mujeres que en los hombres y eso es realmente interesante. No sabemos exactamente por qué, pero apunta hacia una nueva biología.

P: ¿Cómo influye la distribución de la grasa en la vulnerabilidad a la diabetes?

CL: La proporción cintura / cadera o distribución de la grasa se correlaciona a nivel de población con resultados metabólicos adversos, como lo llamamos, y con eso me refiero a diabetes relacionada con la edad o diabetes tipo 2, trastornos cardiovasculares e incluso algunos cánceres. Los mecanismos biológicos subyacentes de cómo está sucediendo esto aún no están totalmente claros. Sin embargo, es interesante que las 14 regiones de genes que mencioné antes contienen genes que se han relacionado con el colesterol, los niveles de insulina, la resistencia a la insulina, todos los cuales están correlacionados con la diabetes tipo 2 y los resultados cardiovasculares. Parece haber cierta correlación también a nivel genético, pero aún no sabemos cómo funciona.

P: ¿Cuáles son las líneas de investigación más importantes que se han desarrollado durante los últimos 5 o 10 años?

CL: Desde mi propio punto de vista personal durante los últimos 5 años, creo que el mayor paso adelante fue que las agencias de financiación nos permitieron ir más allá y hacer más estudios a escala global, o estudios genéticos a escala global, debería decir. Comenzamos a analizar todo el genoma observando alrededor de 3 millones de variantes genéticas en miles de individuos, algo que no podíamos soñar con hacer hace 10 años, y que ha tenido mucho éxito. Comenzó aquí en Oxford, en realidad, donde identificamos el primer gen que estaba relacionado con la obesidad: el gen FTO; nuestro equipo lo hizo. Ese éxito fue seguido rápidamente por la identificación del segundo gen de obesidad MC4R, que también es un gen que afecta las formas monogénicas, formas extremas de obesidad de aparición temprana. Ahora, hasta la fecha, tenemos más de 30 regiones genéticas que afectan la obesidad en general. La segunda cosa sería que se está reconociendo cada vez más ahora que la obesidad en general no te da una imagen completa, no lo explica todo. La distribución de grasas tiene un efecto distinto e independiente sobre las consecuencias metabólicas de la obesidad. Con las 14 regiones genéticas que hemos identificado allí, una de las cosas más interesantes es que se basa en la evidencia ya existente de que la distribución de la grasa y el patrón de la grasa están afectando las vías que tienen que ver con el crecimiento de las células grasas y también qué depósitos de grasa se encuentran en el tejido adiposo. cuerpo donde se acumula grasa cuando se aumenta de peso y, como dije antes, eso está estrechamente relacionado con las enfermedades cardiovasculares y la diabetes tipo 2. Eso es realmente emocionante y es algo que acaba de surgir de los últimos años.

P: ¿Podría esto conducir a mejores terapias?

CL: Creo que la mejor y quizás más fácil terapia para la obesidad es comer menos y hacer más ejercicio. Sin embargo, como podemos ver en la población general de hoy, eso no está funcionando realmente, por lo que debemos idear mejores estrategias de gestión para ayudar a las personas. Creo que nuestros datos son el primer paso hacia la comprensión de por qué algunas personas son más propensas que otras a aumentar de peso, a aumentar de peso en posiciones desfavorables del cuerpo. Cuando comprendamos eso, es de esperar que eso pueda prestarse a mejores terapias y mejores acciones preventivas.

P: ¿Por qué es importante su línea de investigación? ¿Por qué deberíamos poner dinero en ello?

CL: Hoy la obesidad está aumentando en la población. Creo que la semana pasada leí números en el Reino Unido que indicaban que el IMC promedio es de 25,4 en adultos, lo que significa que la persona británica promedio ahora tiene sobrepeso.Además de eso, una cuarta parte de los adultos son clínicamente obesos. Dicho esto, significa que la mitad de la población tiene un mayor riesgo de todos estos trastornos, incluidas las enfermedades cardiovasculares y el cáncer, etc., por lo que ese es un gran impacto socioeconómico que confiere la obesidad. Curiosamente de nuevo, si nos fijamos en personas adultas, el IMC no es una medida directa de nuestros depósitos, es una medida sustituta. Si agrega el componente de distribución de grasa que se recomienda cada vez más en varias pautas, y el NHS también está hablando de eso, verá que aproximadamente el 20% de los adultos se encuentran ahora en la categoría de alto riesgo de contraer estos trastornos metabólicos. . Eso es algo que le está costando a la sociedad miles de millones de libras y también hay un estigma social y personal asociado a ser obeso y tener una forma corporal desfavorable, creo.

P: ¿Cómo encaja su investigación en la medicina traslacional dentro del departamento?

CL: Mi esperanza es que las regiones genéticas y los diferentes genes que encontremos se presten al primer trampolín hacia el tratamiento, y cuando podamos identificar los mecanismos y vías subyacentes que los diferentes grupos dentro del departamento que trabajan con los aspectos traslacionales de la medicina, y también las empresas farmacéuticas pueden utilizar esa información y brindar mejores terapias y también una mejor prevención.


Observaciones finales

Las bacterias y los hongos son organismos multifacéticos que contienen varias capas de complejidad. Aquí, hemos revisado brevemente los principales eventos que han dado forma al campo del diseño vectorial para todos esos microorganismos durante las últimas décadas. En resumen, los dos requisitos principales para los vectores excepcionales son la versatilidad y la modularidad. Sin duda, la mayoría de las herramientas se construyeron en base a los organismos modelo de cada Reino: E. & # X000a0coli y S. & # X000a0cerevisiae. Sin embargo, ahora nos damos cuenta de que esas tecnologías están en un camino inevitable para expandirse a otros microorganismos debido a su enorme importancia en la salud y la industria. Los vectores de rango amplio y los vectores lanzadera son parte de esa solución. Idealmente, la misma herramienta debería funcionar tanto para el modelo como para el otro organismo objetivo. La versatilidad beneficiaría no solo a la ciencia fundamental, sino que también ayudaría a la búsqueda de nuevos productos metagenómicos. Sin embargo, la modularidad, como se dijo varias veces a lo largo de la revisión, es la etapa final que debemos alcanzar para ingresar a la nueva era de la biología sintética y los vectores basados ​​en # x02010. Para lograrlo, necesitamos una caracterización y estandarización completa y extensa de todas las partes biológicas, ya sea dentro o fuera de los sistemas biológicos. Quizás no encontremos una solución & # x02018un vector para todos ellos & # x02019, donde una sola plataforma pueda ser utilizada para cualquier organismo de interés. Por lo tanto, anticipamos una situación en la que las reglas de diseño básicas se generan en tantos organismos modelo como sea posible y luego se aplican a nuevos organismos utilizando tecnologías de síntesis de ADN cuyo costo disminuye continuamente.