Deterministic and Stochastic Modeling of Human Papillomavirus Gene Regulatory Network

In questa tesi è stato sviluppato un nuovo modello deterministico e stocastico della rete di regolazione genica dello Human papillomavirus (HPV). Gli aspetti di novità del modello ricadono sia sull'aspetto metodologico che clinico/biologico. Per quanto riguarda il primo aspetto il progetto è in linea con l'attuale sfida, presente in questi ultimi anni, di ottenere una visione olistica dei meccanismi regolatori di base interconnessi a formare un sistema complesso, all'interno del quale dinamiche complesse possono scaturire solo tramite un'interconnessione di moduli base. In linea con questo, l'HPV si pone come un caso di studio di grande interesse nella systems biology molecolare. Esso comprende una serie di importanti meccanismi regolatori (ad esempio trascrizione, traduzione, modulazione dei promotori, regolazione della poliadenilazione, splicing,...) connessi tra di loro al fine di formare una complessa rete, sebbene il genoma virale sia relativamete semplice e quindi adatto per sviluppare accuratamente una modellistica deterministica e persino stocastica. L'HPV può causare una serie di malattie della cute e della mucosa epiteliale, che spaziano da lesioni minori fino a lesioni pre-cancerogene e cancro al collo dell'utero, considerato uno dei principali tipi di cancro che affligge la popolazione femminile. Conseguentemente, da un punto di vista clinico/biologico lo sviluppo di un modello matematico dell'espressione genica dell'HPV, è di grande interesse al fine di disporre di un simulatore in silico utile per raggiungere una migliore comprensione della complessa rete di regolazione genica e capace di predire scenari differenti a partire dalle prime fasi dell'infezione virale fino all'evoluzione del cancro. Da quello che sappiamo finora, non esiste alcun modello reperibile in letterature della regolazione genica dell'HPV. E' stata effettuata una nuova sintesi della biologia molecolare dell'HPV con particolare riguardo al raccogliere/inferire da letteratura i parametri utili al fine di progettare un modello dinamico, e al fine di evidenziare le conoscenze biologiche mancanti in letteratura. La conoscenza biologica è stata tradotta in un modello stocastico in termini di un sistema di reazioni biochimiche. In particolare, sono stati modellati il primo ed il secondo promotore per tener conto della evoluzione dei trascritti e delle proteine durante l'intero ciclo virale. Sono state modellate anche le regolazioni post-trascrizionali e post-traduzionali al fine di catturare appropriatamente la complessa regolazione virale, nota in letteratura. Da quello che sappiamo finora, è la prima volta che un modello stocastico tiene conto del complesso controllo post-trascrizionale, modellando i siti di regolazione dello splicing e della poliadenilazione, e connettendo questi ultimi al modulo di controllo trascrizionale mediato dall'attività dei promotori, al fine di esplorare dinamiche complesse che possono scaturire solo dal modellare l'interconnessione dei singoli stadi di controllo. E' stata considerata la Master Equation (ME) del sistema al fine di predire a investigare il suo comportamento stocastico. A causa della complessa struttura del sistema non è stato possibile risolvere analiticamente la ME, perciò sono state effettuate simulazioni numeriche esatte facendo uso dell'algoritmo di Gillespie. Un'approssimazione al quasi-equilibrio della ME è stata sviluppata al fine di ottenere un modello deterministico. Il modello sviluppato, fissando i parametri trovati/inferiti da letteratura, è stato in grado di fittare un dataset inerente l'attività dell'early promoter e riprodurre qualitativamente il principale comportamento dinamico di due dei piu' importanti trascritti sviluppati durante la fase terminale del ciclo virale. Differenti esperimenti in silico sono stati progettati per esplorare opportunamente sia la capacità del modello stocastico di inseguire le predizioni del modello deterministico, in regime di fluttuazioni veloci, che per scoprire dinamiche complesse che possono originarsi dall'interconnessione dei moduli di regolazione trascrizionale e post-trascrizionale. In generale, sia la formulazione deterministica che stocastica del modello hanno mostrato la capacità di riprodurre, in buon accordo con l'attuale conoscenza biologica, la dinamica dell'espressione genica durante l'intero ciclo virale.