Genregulation und Genregulationskreisläufe

Genregulationskreisläufe steuern grundlegende physiologische, Entwicklungs- und Verhaltensprozesse in Organismen quer durch den Stammbaum des Lebens (Carroll et al., 2001). Beispiele sind die Chemotaxis in Bakterien (Alon et al., 1999), das Paarungsverhalten in Hefe (Tsong et al., 2006) und die Entwicklungsmusterung in der Fruchtfliege (Lawrence, 1992). Solche Schaltkreise bestehen aus einer Reihe von Genen, die in der Regel für DNA-bindende Proteine, die so genannten Transkriptionsfaktoren, kodieren und die Expression anderer Gene im Schaltkreis regulieren. Der Genotyp eines Regelkreises umfasst die DNA, die für Transkriptionsfaktorgene kodiert, sowie DNA-Bindungsstellen für diese Faktoren in der Nähe der Schaltkreisgene. Er kodiert zwei Aspekte des Verhaltens des Schaltkreises, nämlich die Interaktionen zwischen den Genen (d. h. „wer-reguliert-wen“) und die Signalintegrationslogik, die jedes Gen verwendet, um die von seinen regulierenden Genprodukten gelieferten Signale zu interpretieren. Der erste Aspekt wird durch das Vorhandensein oder Fehlen von Transkriptionsfaktor-Bindungsstellen in der Nähe eines Gens kodiert, während der zweite Aspekt durch die Anzahl, den Abstand und die Bindungsaffinität dieser Stellen kodiert wird (Sharon et al., 2012; Smith et al., 2013). Der Phänotyp eines Regelkreises ist sein räumlich-zeitliches Genexpressionsmuster, das angibt, wann, wo und in welchem Ausmaß jedes Gen im Kreislauf exprimiert wird. Ein klassisches Beispiel für einen solchen Kreislauf sind die Gap-Gene von Drosophila melanogaster, die einen mütterlicherseits angelegten Morphogengradienten entlang der anterior-posterioren Achse des sich entwickelnden Embryos interpretieren, um präzise Expressionsbänder zu erzeugen, die für die Definition des segmentierten Körperplans der Fliege von grundlegender Bedeutung sind und den Phänotyp dieses Genkreises ausmachen (Lawrence, 1992).

Jeder Genotyp eines Kreislaufs mit einem bestimmten Expressionsphänotyp kann als Mitglied eines Genotypnetzwerks betrachtet werden. Die Knoten in einem solchen Netzwerk stellen ganze Schaltkreise dar, und die Kanten verbinden die Knoten, wenn sich die entsprechenden Schaltkreise in einer einzigen regulatorischen Interaktion oder in der regulatorischen Logik eines einzelnen Gens unterscheiden. Das meiste, was wir über die Genotyp-Netzwerke von Regelkreisen wissen, stammt aus Computermodellen. So konnten Ciliberti et al. (2007a,b) anhand eines solchen Modells nachweisen, dass für jeden beliebigen Phänotyp der Genexpression die überwiegende Mehrheit der Genotypen ein einziges, zusammenhängendes Genotypennetzwerk bildet. Ähnliche Beobachtungen wurden mit Hilfe von Modellregelkreisen gemacht, die von der Drosophila-Entwicklung inspiriert sind, bei der ein Morphogengradient entlang einer räumlichen Domäne interpretiert wird, um ein einzelnes, zentrales Band der Genexpression zu bilden (Cotterell und Sharpe, 2010). Auch hier bilden die streifenbildenden Schaltkreise Genotyp-Netzwerke. In beiden Modellen haben einzelne Genotypen typischerweise viele Nachbarn mit demselben Phänotyp. Solche Genotypen sind daher bis zu einem gewissen Grad robust gegenüber Mutationen, die kleine genetische Veränderungen verursachen. Außerdem erstrecken sich solche Netzwerke weit über den Raum möglicher Genotypen. So können sich beispielsweise zwei Schaltkreise aus demselben Genotyp-Netzwerk genauso stark voneinander unterscheiden wie zwei zufällig aus dem Genotyp-Raum ausgewählte Schaltkreise (Ciliberti et al., 2007a). Empirische Belege dafür, dass Schaltkreise mit sehr unterschiedlichen Genotypen denselben Phänotyp haben können, gibt es für Schaltkreise, die den Galaktosestoffwechsel, den Paarungstyp und die Expression ribosomaler Proteine in Pilzen regulieren (Martchenko et al., 2007; Tanay et al., 2005; Tsong et al., 2006).

Genotypische Netzwerke verleihen den Expressionsphänotypen von Genregulationsschaltkreisen nicht nur Mutationsrobustheit, sie erleichtern auch die Evolvierbarkeit. Ciliberti et al. (2007a) wiesen dies nach, indem sie Paare von Schaltkreisen aus Genotypennetzwerken entnahmen und die Gruppen neuartiger Expressionsphänotypen bestimmten, die durch regulatorische Mutationen in jedem Schaltkreis des Paares realisiert werden konnten. Sie fanden heraus, dass sich diese Gruppen mit zunehmender Differenz zwischen den untersuchten Schaltkreisen immer stärker unterscheiden. Mit anderen Worten: Da sich Genotyp-Netzwerke weit über den Genotyp-Raum von Regelkreisen erstrecken, ermöglichen sie den Zugang zu einer großen Vielfalt neuartiger Genexpressions-Phänotypen und erleichtern so die Evolvierbarkeit.

Während computergestützte Analysen die Charakterisierung ganzer Räume von Regelkreisen ermöglicht haben, haben experimentelle Daten aus Proteinbindungs-Microarrays (Berger et al., 2006) die Charakterisierung der kleinsten Einheiten der Regelkreis-Organisation, der Transkriptionsfaktor-Bindungsstellen, und der Räume, die sie bilden, ermöglicht. Diese kurzen DNA-Sequenzen definieren die regulatorischen Interaktionen eines Schaltkreises, und Mutationen an diesen Sequenzen können den Phänotyp der Genexpression eines Schaltkreises beeinflussen (Wray, 2007; Prud’homme et al., 2007), entweder durch Veränderung der Bindungsaffinität oder durch Aufhebung der Bindung. Das Verständnis der Robustheit von Transkriptionsfaktor-Bindungsstellen ist daher wichtig für das Verständnis der Robustheit von Regelkreisen. In einer kürzlich durchgeführten Studie wurden anhand von Proteinbindungs-Microarray-Daten von 89 Hefe- und 104 Maus-Transkriptionsfaktoren die Genotyp-Netzwerke der einzelnen Bindungsstellen dieser Faktoren analysiert (Payne und Wagner, 2014). Bei 99 % der 193 Faktoren ist die Mehrheit der vom Faktor gebundenen Sequenzen Teil eines einzigen Genotyp-Netzwerks. Außerdem sind diese Netzwerke dicht miteinander verbunden, was bedeutet, dass einzelne Bindungsstellen bis zu einem gewissen Grad mutationsresistent sind. Einige Netzwerke sind größer als andere – sie umfassen mehr Bindungsstellen – und einzelne Bindungsstellen in größeren Netzwerken sind robuster als Bindungsstellen in kleineren Netzwerken.

Für jeden der 193 Transkriptionsfaktoren, die Payne und Wagner (2014) untersuchten, nahmen sie auch Paare von Stellen aus demselben Genotyp-Netzwerk und bestimmten die Sätze von Transkriptionsfaktoren, die Stellen binden, die denjenigen im Paar benachbart sind. Je größer der Mutationsabstand zwischen den Stellen ist, desto größer ist auch die Vielfalt der Transkriptionsfaktoren, die an benachbarte Stellen binden. Je größer ein Genotypennetzwerk ist (und je robuster seine Bindungsstellen im Durchschnitt sind), desto größer ist auch die Zahl der einzigartigen Transkriptionsfaktoren, die an benachbarte Stellen des Genotypennetzwerks binden. Insgesamt deuten diese Beobachtungen darauf hin, dass Robustheit und Evolvierbarkeit in genregulatorischen Schaltkreisen und ihren Transkriptionsfaktor-Bindungsstellen eine synergistische Beziehung aufweisen, die durch das Vorhandensein großer Genotypennetzwerke ermöglicht wird, die sich über den gesamten Genotypraum ausbreiten.