Video在线视频

请各位专家提问

那我就先说几句吧

就是对于这个前面那个预测的mRNA的量你分析一下

然后它如果是相差10倍

然后你预测这个蛋白水平的量会相差200倍

对 这个数据是 就是说有没有测试过不同的mRNA的

这些参数水平或者是RNA

就是这个蛋白的翻译或者是它降解的

这个速率下的然后整个的就是它的一个阈值

这样的话你可能我的意思就是说有没有

通过这种方式然后你能不能用这些

能去找一些真正发生的一些实际例子

比如说已经有的两篇文章

他们也有这个预测的一些蛋白质的水平

你能不能从那里边能根据这个预测能找到一些

理论上的话应该是比较难

首先我来说一下我这个方法的合理性

这个地方我所有的参数的话都是在那个文献里面找到的

比如说RNA的水平可能就在几百几十个这个水平

然后结合能力的话也是根据之前文献中的

一些测量的结果进行的一系列的换算得到的

所以这个结果本身如果是一个独立的这种

两个ceRNA争夺这一个MicroRNA的情况

那应该是存在的

但是现实中的问题在于是它存在一个非常复杂的网络里面

所以有可能能找到一些 但是应该效果不会太好

可能我预测里面是100倍的变化

实际上可能只有一两倍的变化

那么第二个问题我想问一下就是说

你最后提到那个竞争性的广泛的竞争性的模型

这种竞争性的模型往往都是有一个假设

就是说必须要满足这个资源是有限

是 那比如说这个 那在细胞里边

你觉得哪些是比较充分过量的

对 这是一个非常好的问题

我们在描述这个引入间接调控这一块的时候

其实因为时间原因我没有细讲

这个时候其实我们要区分两种情况

比如在这种带有阈值的调控里面

其实这种调控主要发生在资源过量

到资源恰好的这么一个转变过程中

而对于这种线性负相关的这种调控的话

其实它是发生在资源不足的情况

所以在资源过量和资源不足的情况下

它们会产生不同的这种调控作用

那这个调控作用的方向可能也是相反

或者是一种相关的是吧

对 我来提问 一个非常系统的工作

尤其是把这个定量模型和我们这种实验结合起来

系统生物学中我们希望达到理想的方式

然后我的两个问题就是

第一个就是你通过这个微分方程

来建立就是说这种ceRNA的定量的模型

而这里面有很多参数要确定

第一个问题你这个参数是怎么定的

然后第二个就是这个参数对你的结论有什么影响

参数的话我刚才回答谢震老师的问题的时候

也稍微提到了一点

这里边大部分的参数的话都是有某些文献可查的

因为我们在用的时候

实际上是做了一些参数的变换

比如说在原始的文献里面它们可能是说

每摩尔或者是之类的这种概念

但是在我的参数里面的话全都是个数

我们要做一个变换

这个时候我们是假设了一个细胞体积在的

假设这个细胞它是一个海拉细胞

大概是在2000立方微米的这么一个体积来说

这个对于这个结论

对于这个结论的话有一些影响

比如我们在前面的讲述这个结合能力的时候

我们发现ceRNA结合能力的时候

在这里 当这个结合能力特别弱的时候

其实我们是观测不到这个ceRNA的调控的

比如这个结合能力很差 就是site数很少

只有当site数很多或者是结合能力非常强的时候

才能观测到这种调控

然后把这个模型推广到一般的这种竞争模型的时候

就是这里面有没有考虑过两个TF

竞争一个motif这种情况

我看你考虑了一个TF竞争两个motif

这个我们现在还没有考虑

因为我们当时想的一个想法是

我们是基于ceRNA系统来做的

所以整个的我们认为这个地方的竞争的核心的话

就是这个MicroRNA

那MicroRNA的话正好可以被切换成TF

那对于您刚才说的好几个这种资源的情况的话

我们之前在对ceRNA研究中也考虑过

但是我们发现这种情况的话就变得异常复杂

非常多比较 优美的形式都找不到了

比如说我们在这个siRNA的设计当中的话

是用到了一个 这么一个形式

就这么一个形式

我认为这个off target和target

是关于这个S是条件独立的

如果说我引入两个这个siRNA的话

其实这种优美的形式就不存在了

其他的这种规律的话就不太好把握了

相关的问题就是

就是如果说是用合成生物学设计实验来做这个TF

这个调控元件结合这个 这种竞争模拟

这种可行性可行吗

有人已经在这个cell上发了一篇文章

就是专门来讲这个事情

就是这个时候它还是原核生物在真核里面应该是有一定的可行性吧

他们在做的时候其实也是加了大量的这种质粒进去

如果是比较少量的话可能也很难观测到

对 就是接着刚才王勇老师的问题

因为细胞里面我们知道它可能是上百个miRNA

在调控上千个基因 它们之间的网络是非常复杂的

那现在作为一个模型当然是为了可以计算

或者是做实验

是对实际细胞里面的这个网络的一个简化

那么这个简化你怎么来检验这个模型

确实是在细胞里面存在的一件事情

对 这是一个非常好的问题

首先我们是用了一系列的合成生物学的办法

来对我们的模型做出一个预测

就说明在高表达的情况下的话这个规律是成立的

另外一方面对于正常情况下的话

实际上我们在发那个pnas的文章

后面的话是做了一系列的这个高通量的RNA-seq的数据

里面可以观测到一些基因表达的一些变化

所以这个地方没有展示出来

就是总的来讲的话

因为合成生物学实验给的结果是一个非常理想的情况

所以这个数据效果都比较好

但是RNA-seq的那个结果的话

它是要考虑到细胞中的种种复杂的情况之后产生的结果

所以在某些情况下的话是有一些信号

但是在其他的比如说我这个合成生物学导进去的质粒太低的时候

它是不存在这一情况的

就是你能描述一下RNA-seq

是怎么来帮助你检测的 检验模型的

我们这个地方是采用这个miR-21这个MicroRNA

miR-21本身在细胞中的话是有一些靶标的

所以我们在设计RNA-seq的时候就做了这么一个事

在红色的这个情况下

就是没有这个ceRNA2调控的时候

我们测了一遍RNA-seq

这个时候我们可以得到

miR-21的所有的靶标的一个信息

在这个蓝色的部分也就是加入了ceRNA2的调控之后

我们再测一遍RNA-seq就得到了

有这种调控之后的这种miR-21的靶标的信息

它们之间是可以算一个fold change出来的

只有当这个ceRNA的这个RNA分子数

大概是大于某一个值之后

它才会在RNA-seq上表现出来

这种明显的fold change的变化

另一个是说 你最后第四章是把这个

把它推广到一个更广的一个模型是吧

各种分子

那如果你再推广的话

就是在细胞层面 或者生态的系统里面

或者是人类社会里面这个模型

你见过有没有这样的模型

见过 在那个生态里边

我最近在写文章所以调研了一些这方面的工作

我发现在生态这个科学里面的话

大概100年前就提出了这种竞争的观念

比如说这个狼吃羊这种竞争

这也算一种竞争的关系

他们可以有一些非常好的数据

比如说他们观测了好几年的这种狼和羊的

这个个数的变化

我们发现其实还是一种负相关

就是大概会有很多这方面的文章

并且我们最近也发现了

那个MIT它有个组

就专门做的是那个原核生物里面

我们这里面全是真核生物的

他们原核生物里面做了一系列的工作

都是关于这个竞争效应的

在其他的场合他们这种竞争的模型

和你提出的这个模型有什么相同点和不同点

相同点的话主要就是

这个框架就是长这个样子

那么不同的点其实不太好说

因为我们这个地方一个目标的话

就是要把所有的

只要是竞争的话都要囊括到里面

比如对于每一个竞争者

它都有一个产生和消灭的一个过程

所以我们暂时还没有想到说

有些更加复杂的这么一个过程

其实有时候两个竞争者他们自己之间

也会有互相调控是吗

你是说不是那种间接的调控 对

在一些那个数学的

比如说 feed forward loop

对对对 是有 是有的

那这种网络最初是怎么演化或者说

它最初是怎么产生的呢

最初怎么产生这个问题还有点难回答

但是我觉得是这样

因为这个模型它其实本身非常的简单

只要三个物质它就可以产生

这本身就是如果说你随机的初始化

它有可能几分之一的概率会产生这么一个东西

那么如果它在生物进化中存在这个作用的话

那它就会被保留下来

它对演化或者是对细胞的fitness有什么

是有挺多好处的 比如说这个阈值效应吧

在这个MicroRNA的表达水平很低的时候

细胞应该希望说

因为它大概是噪声里的信号不应该要它

所以这个竞争的话

就会使得这个线更加平缓了

这个我们实验结果可能不太好 看它这个实验结果吧

而在蛋白好像水平很高的时候

那也就是说细胞本身

细胞本身就是说我这个调控因子就要升高

你其他的target就要降低

那这个时候有竞争的话它反而

使得这个阈值在这个点的话

有一个非常陡的这么一个增强

那这个时候是利于这种信号的这种传导的

另外还有一些比如说这种延迟或提前信号的传递

应该也在细胞的这种进化过程中起到很重要的作用

在某些情况下我可能细胞希望

我对外界的反应要缓慢一点

有时候希望对外界的刺激要敏感一点

就虽然整个模型 虽然整个这个结构非常简单

可能比负反馈还要简单

但实际上我们认为这种模型

在细胞中它是一个多面手的角色

就是它在某些情况下可以干这些事

另外一些情况可以干另外一些事

所以进化上应该要保留这么一种结构

好 谢谢

我想接着这个问题来讨论一下

其实这个资源有限所以得出竞争

但是你说竞争来说呢它又很可能引起混乱

因为你比如说一个小的东西你调控上百个靶基因的话

那么一不小心就会引起整个调控系统的混乱

那么既然是有这种可能的话我就想问一下

为什么生物还保留了

在各个层次上还保留这个竞争

那么它到底给生物带来什么根本性的好处

当然你刚才讲了一遍优点了

那么从总体来讲呢你觉得

为什么它要保留这样的一种竞争机制

那我就主要从MicroRNA这个角度来讲吧

首先他们在实验当中也发现了

说这个MicroRNA它虽然靶标很多

但实际上它可能只有 比如我有1000个靶标

但实际上它只对其中的几个靶标

产生了非常强的这么一种抑制作用

那我们就猜测的话

可能是MicroRNA它的功能就分成两个

其中一种的话就是做这种信号传递的事儿

MicroRNA上升我的这个靶基因就要下降

另外一种功能的话我们猜测可能是

做一个所谓的缓冲的作用

这个地方本来我们这个是用涨落耗散定理

来做的一个事

其实本来我们可能还要放一个noise的分析

我们发现这个MicroRNA它其实会对这个

基因的表达水平的noise产生一个影响

也不一定是增加或者减少

反正是可以控制这个noise

那么通过这个角度的话我们就大概可能知道

这个这些MicroRNA它虽然对其中几个

有非常强的这种调控

其他的一些可能就是作为一个缓冲

消除他们的noise

或者在某些情况下有可能增加他们的noise

进而使得这个生物能够更加适应这个环境吧

本身它的这种竞争的功能的话

它既有 它有非常多的各种可能性

比如它有时候增加noise，有时候减少noise

但是没有环境的检验的话

你也不知道说增加noise到底是好还是坏

但是它给生物提供了这么一种可能

就是这个我有点想法就是它两个有竞争

其实它最后的结果统一的

就是在哲学辩证法里头说过这个事这叫对立统一

因为它最后的目标一定是为了更好的

就因为资源有限它通过竞争

实际上最好的目标是最好的survival

就是适应了这个环境

它如果真的没有这个对抗的机制

它实际上是没有办法evolve的

没有办法进化的

你可以 真的可以考虑一下这个事情

它不是为了竞争而竞争

它一定是相互竞争促进了它的进化

达到一个更优的状态

你说分子层面还是细胞层面

就是多个层面应该都有这个现象多尺度的

因为它生物的包括生态上的竞争

它也是有优化有资源的配置

它不像人的系统是通过设计来实现的

它就是通过因为资源有限

它通过一对矛盾的东西 它两个动态调控

最后能实现一个资源的最优化的一个配置

它如果没有这个竞争没有办法进化

设计出一个fitness的目标

我来问一个 你前面那个最开始

也就是开始从这个特例从MicroRNA的这种竞争

然后最终要过度到一般性的竞争模型

对 但是就是说我这里面就有

我当时可能有点没听明白的是这个

你比如说我们做生态

就是我们的生物数学里面的生态模型

你那个方程变了一点

也许你整个系统它的行为可能变得很大 是吧

就是说我就不太清楚

这个里面你比如说你这个当这种有竞争的时候

它那个反应函数 你比如刚才那个MicroRNA那个

这个抑制这样一个函数和我们转入的函数

比如转入函数你通常用

那个hill function来

然后你的翻译也可能就是说

是另外一个函数的形式

那么这个就是本身它们的函数形式可能不一样

那么你刚才说的那个统一

就是我怎么能做到

就是说能够最后大家都有（一致性）

这个我想听听你的看法

对于生态里面的 本身不是特别懂

所以我想请教一下

不说生态吧 就是说你刚才从RNA的

然后再就是说可能过度到转录的

再过度到就是我们的蛋白的

就是这里边比如说我们一般用那个

就是ODE对那个转录来建模的时候

那它的生成

前面这个生成函数就是一个hill function来做

它包含一个参数是吧

它包含当然有一定的降解

然后我们最终通过这个参数的分析

最后来讨论它有没有一些动态的形式的变化

哪些参数可能对它的动态形式影响比较大

我们说有那种bifurcation这种现象发生

我之前也是在思考这个问题

但实际上我们这个模型可能还过于初步

因为它其实就只有三个结点 对

你像我们这个地方考虑的时候

比如它的这个生成它都是一种线性的

也没有加那种hill function那种东西

你这个线性做的

对 就是它前面还没有这种TF的浓度

所以目前还是很初步

就是因为遇到这个 因为我们那个

我记得他提到就是欧阳他们讲这个

讲这个东西的时候

欧阳他们里面就是包括合成生物学里面

就是这样一个实现

你这个实现就是特别好

就是能够看到这样一个现象出现

但是就是说我听那个欧阳来讲的时候

就是说他把它我的模型做得非常好

我的预测效果可能看得很清楚

但是当你把多的元件加在一块

最后就达不到你这个样子了

所以说最重要的问题就是它有不绝缘嘛

也就是说你本身想的它有crosstalk

我们想象的设计中它可能是这个

放大是调控这个

但是它可能调控更多的东西

然后使得你原来的设计会有一些那个

就是说你刚才说 我们说的那种绝缘性

是不是跟你刚才说的条件独立性

有这样一个类似的这样一个要求

对 我觉得您刚才说的这个绝缘性的话

其实跟我们在PPT里面提到的非常多的内容都是相关

比方说在我们这个地方提到的

这种所谓的负载效应

实际上它就是一个绝缘性的问题

对 因为我这个本身加一个负载的话

我可能可以从0变到1只需要一秒钟

但加入10个负载之后

因为10个负载都需要侵占上游的资源

然后它可能需要10秒才能上去

另外一点的话是讲我们怎么解决这个绝缘问题

这个地方我就提出了一个解决绝缘问题的办法

我们知道在这个下降沿的话

它是延迟或者提前这个信号实际上是跟参数相关的

我们可以通过微调参数把它调成既不提前也不延迟

然后刚才这个条件独立性的话

这个其实是一个非常

我们想以后它可能会有非常大的作用

但是目前我们的认识还是认为它还是非常局限于这个

siRNA的这个调控里面

因为我们在siRNA的调控里面的话

是不需要care这个siRNA的

按照这个标准的话不需要care这个

不需要关心这个siRNA本身的这个

到底用多少量

我们只需要关注这两个参数

在其他的一些情况下可能并不是这个样子

因为我们这个地方的siRNA的话相当于一个

上游的一个基因

在其他一些合成生物学里面

可能它的对这个基因的这个产生和降解的话

可能还有一些其他的要求

所以感觉前景很广阔

但是用到其他领域还是需要一些这个努力吧

然后还有刚才说 你说到试了两种网络拓扑

这又回到汤老师那个网络拓扑那个穷举方法了

因为在他们那里边他最终可以通过一些

也可以通过 就是网络拓扑的也可以理性设计是吧

我最终设计一个我通过就是这个我的建模

最终看哪一个网络拓扑最终能够实现

你想要的这样一个模式

就像汤老师他们那一套东西

就是说因此来说就是会不会

你现在正好试的这两个正好是最好的呢

这个首先可能要考虑网络的size

就是它的这个尺度

我们现在只是 对这个图的话它只是有四个结点

那你再加入新的结点之后

不是 就说四个结点

因为四个结点它方向可以变

它方向变了以后 他穷举它所有的

对 用穷举法的话肯定可以挑出来一个最好的

超指数的 6万多个

超指数的一个级别

但是在汤老师他们那个里面

他最后把它归为几类了 就那几类

实际上它还是有一定的规律

也许的话你现在就是说正好是他其中的一个

是是 这个你就不知道了

感谢邓老师的建议

我就提两个就是比较一般性的问题

就是因为你这是建模所以说你这个

因为多种模型它都有很多的假设前面是吧

刚才都提到的

那你就是说怎么更好证明你这个就是对的

然后或者说它 你跟具体的实际问题相结合的时候

它的适用范围和它的 对吧

你适合在什么条件下它更可能是对的

是 这个问题确实非常得大

其实在整个来说还是想问一下

这个定量生物学本身的一个意义我觉得

怎么讲呢

在很多情况下

比如说我们在ceRNA调控的这种研究里面的话

本身我们可能很难凑出来这么一个

比较好的一个结构

比如说我们可以同时去改变site的类型

或者只改变site的数目

这个本身怎么讲呢

就说明这种定量生物学的方法研究

它是有一定的必要性在里面的

所以它能够 通过这些办法

我们也可以确实能够给出一些

符合人的这个直观预期的一些结果

就说明它本身也是有一定的正确性在里面的

那么接下来如何跟它

跟一些实际的应用问题结合在一起

这个地方也是我们一直在思考的问题

这个地方我只能说这个事非常难

然后我们算是恰好找到了一个这个例子

就是这个siRNA的这种设计的问题

它本身就是一个非常specific的一个事

本身就只跟三个结点有关

然后对于那种非常复杂的

像是之前的其他的几位老师提到的

高通量的数据那些结果的话可能本身就很难做

那我再问个问题就是说因为现在

它这个生物系统里面除了竞争模型

竞争 它肯定也有合作这种

那么比如简单举个例子

也有人做过很多建模工作的

其实就是药物就是两个药物对一个靶点的竞争是吧

然后它有时候它们会是这两个药物之中有协同作用

有时候它是会有拮抗作用

那我就问 就是说那你这个模型跟那个

因为这个两个药物竞争一个靶点

然后怎么产生各种行为 用各种建模方式

其实做过很多了包括随机的做过很多

就是你这个模型对于这个两个药物竞争一个靶点

这种形式的会有什么 会有什么启示

我觉得还是从广义的竞争的模型角度来回答吧

实际上我们在广义的模型里面

实际上给了相当多的结果

比如说在稳态的时候可能就是对应到

李梢老师刚才说的那种

吃了药之后十几个小时之后的一个情况

可能我通过建模就可以直接给出一个结果出来

另外就是动态的

可能就是类似于两个小时吃一次药的情况

这种情况可能就可以用这种

用这种竞争模型动态分析的方法给出一些结果

但具体如何解释这个结果

那就是药物学家的事情了

这个可以 那个后面再研究

研究的时候关注

就是怎么来区分药物之间的拮抗或者是协同

是 后面可以再关注

其他的专家或者同学还有没有问题

行 那如果没有问题我们就先到这儿

现在我们讨论一下 谢谢你

好 谢谢各位老师

下面代表答辩委员会宣读袁野同学的答辩决议

微小RNA及其竞争调控机制是近几年来的研究热点

论文围绕细胞的微小RNA竞争调控开展了定量研究

选题具有重要的理论意义和应用前景

论文取得以下创新性成果

一 建立了微小RNA竞争调控的定量模型

给出一系列ceRNA调控定量分析的预测结果

并通过合成生物学实验对预测结果给出验证

二 利用上述的定量模型分析了siRNA的脱靶效应

给出了理性设计siRNA的原则

三 提出了竞争调控的统一模型

给出了一系列稳态分析和动态分析的预测结果

论文结构合理 逻辑性强

答辩过程中思路清晰 回答问题准确

论文工作表明该生在本门学科上

掌握了坚实宽广的理论基础和系统深入的专门知识

具有独立从事科学研究工作的能力

答辩委员会经无记名投票一致同意

袁野同学通过博士学位论文答辩

建议授予其工学博士学位

一致同意推荐为清华大学优秀博士学位论文

祝贺你

谢谢老师