Segundo Taller Nacional en Biologia y Probabilidad

La reconstrucción de la evolución temprana de la vida - Arturo Becerra

Epigenetic switching as a strategy for quick adaptation while attenuating biochemical noise - Mariana Gómez Schiavon

Epigenetic switches are bistable, molecular systems built from self-reinforcing feedback loops that can spontaneously switch between heritable phenotypes in the absence of DNA mutation. It has been hypothesized that epigenetic switches first evolved as a mechanism of bet-hedging and adaptation, but the evolutionary trajectories and conditions by which an epigenetic switch can outcompete adaptation through genetic mutation remain unknown. We used computer simulations to evolve a mechanistic, biophysical model of a self-activating genetic circuit, which can both adapt genetically through mutation and exhibit epigenetic switching. We evolved these genetic circuits under a fluctuating environment that alternatively selected for low and high protein expression levels. In all tested conditions, the population first evolved by genetic mutation towards a region of genotypes where genetic adaptation can occur faster after each environmental transition. Once in this region, the self-activating genetic circuit can exhibit epigenetic switching, which starts competing with genetic adaptation. We show a trade-off between either minimizing the adaptation time or increasing the robustness of the phenotype to biochemical noise. Epigenetic switching was superior in a fast fluctuating environment because it adapted faster than genetic mutation after an environmental transition, while still attenuating the effect of biochemical noise on the phenotype. Conversely, genetic adaptation was favored in a slowly fluctuating environment because it maximized the phenotypic robustness to biochemical noise during the constant environment between transitions, even if this resulted in slower adaptation. This simple trade-off predicts the conditions and trajectories under which an epigenetic switch evolved to outcompete genetic adaptation, shedding light on possible mechanisms by which bet-hedging strategies might emerge and persist in natural populations.

Antibiotic resistance : a population genetics model to understand plasmid loss and maintenance - Verónica Miró Pina y José Carlos Ramón Hernández

Multicopy antibiotic resistance plasmids can confer some selective advantage to bacteria carrying them but are costly to maintain. The number of plasmids per cell is very well conserved quantity. To understand why how this copy number is selected, we study a population genetics model in which the probability of loosing the plasmid depends on its copy number. The model shows that the plasmid copy number depends on a trade-off between the plasmid cost and the frequency of the antibiotic peaks. Conversely, our model can give some insights into how antibiotics have to be administrated in order to promote plasmid maintenance or loss. We show some experimental results that allow us to validate our model

Aplicaciones de Redes Neuronales Artificiales en Biología - Maribel Hernández

Las redes neuronales artificiales (RNA) han tenido gran auge en la era del big data. En esta charla hablaré del uso de una RNA para la predicción de propiedades globales de una red de interacciones entre genes, que se encuentran implícitas en datos artificiales de expresión génica. También mostraré algunos ejemplos de la aplicación de las redes neuronales para resolver otros problemas, tales como la identificación de transferencia horizontal de material genético y la identificación de colonias de bacterias en imágenes.

Protein Engineering with Machine Learning - Fabien Plisson

Supervised machine learning (ML) models learn from labelled observations in order to predict the response (class or value) for any new example. One promising application of ML algorithms lies in protein engineering; the relationships between protein sequences and espective functional measurements (i.e. biological activities) enable the optimization of proteins functions. This talk will present our current uses of machine learning algorithms (1) to discover membranolytic and non-hemolytic antimicrobial peptides (AMPs), a promising source of antibiotics and (2) to design selective scorpion -toxins as potential analgesics or biopesticides. Antimicrobial peptides are polypeptide sequences of 12-50 residues characterized by their harged and hydrophobic cores that were long thought to kill bacteria by a general mechanism; disrupting their membranes leading to cell lysis and death. 1-2 Their direct antibacterial activities and the lack of bacterial resistance have stimulated their therapeutic avenues against antibiotic-resistant infections. 3 Yet, their major limitations preventing AMPs from translating into clinics are their low metabolic stability, poor oral bioavailability and high toxicity. We successfully built machine learning algorithms to discover and confirm membranolytic and hemolytic peptides from different source organisms. beta-toxins are one of the main components in the scorpion venom. They have identified to bind selectively to the site-4 of voltage-gated sodium channels of mammals and insects leading to their promising applications as analgesics and biopesticides. To date, it is not clear how these toxins bind to the receptor, knowing such interactions would help the design of selective toxins. 4-6 Using binary classifiers, we were able to predict mammalian toxins from insect toxins with 95-96% accuracy and we identified key regions and residues for further protein engineering.

Interacciones ecológicas en comunidades microbianas sintéticas - Ayari Fuentes

Las comunidades microbianas se definen como un ensamble de diferentes microoganismos interactuando en un medio ambiente complejo. Existen múltiples beneficios asociados a vivir en una comunidad, aumentando la tolerancia a medios ambientes hostiles y permitiendo la realización de funciones colectivas que les serían imposibles en aislamiento. En esta plática estudiaremos una comunidad compuesta por individuos que producen y exportan sustratos escenciales para los demás miembros de la comunidad. Pero también son incapaces de sintetizar otros metabolitos, lo cual hace que todos los individuos necesiten de otros miembros para subsistir, creando de esta forma un mutualismo obligado donde la estabilidad de la comunidad sea posible únicamente cuando todos los miembros están presentes y cooperando. Sin embargo, estas interacciones no son constantes, puesto que la dinámica poblacional subyacente es dependiente de las propiedades del medio ambiente, desde la estructura espacial y sus propiedades físicas, hasta su composición química. En esta charla combinaremos modelación matemática con datos experimentales para evaluar el efecto de sustancias abióticas (e.g. antibióticos y recursos) en el perfil de interacciones de la comunidad. Concluiremos que dosis subletales de sustancias antimicrobianas pueden, paradójicamente, promover las interacciones cooperativas y favorecer a la comunidad.

Las estadísticas de la evolución , selección de modelos y métodos computacionales - Arno Siri-Jñegousse

Los datos genéticos proveen problemas complejos debidos principalmente a su tamaño y a su correlación. Las muestras pueden ser excesivas, tanto por el número de sitios que explorar como por el tamaño de la población estudiada. Por otro lado los datos están muy impactados por la historia evolutiva de la población y por lo tanto no pueden ser considerados como independientes. En esta charla introduciré modelos clásicos que ayudan en conseguir estimadores de los parámetros de la evolución. También enseñaré nuevos modelos mas finos que permiten tomar en cuenta hipótesis evolutivas como la selección o los bottlenecks (bajada drástica en el tamaño de la población). Para terminar propondré un método sencillo, basado en las distribuciones tipo fase, para poder distinguir entre los distintos modelos cual corresponde mas a la realidad.