Gene folgen einem präzisen Schaltprotokoll

29. Juli 2026

Die präzise zeitliche und räumliche Steuerung der Genexpression ist für alle biologischen Prozesse essenziell. Erste regulatorische Modelle stammen bereits aus den 1960er-Jahren. Moderne Analysen enthüllen jedoch immer komplexere Kontrollebenen in der Zelle. Eine aktuelle Studie zeigt nun ein neues regulatorisches Prinzip. Beteiligt waren das ISTA, das Institut Pasteur und die Princeton University. Demnach folgt die Genexpression einem konstanten, mathematisch optimalen Schaltprinzip. Dieses Prinzip agiert im Moment stochastisch, ist im statistischen Mittel jedoch hochpräzise.

Das Prinzip der biologischen Pulsweitenmodulation

Technisch lässt sich diese Steuerung mit einer Pulsweitenmodulation vergleichen. Eine Klimaanlage reguliert die Raumtemperatur nicht über kontinuierliche Zwischenstufen. Stattdessen schaltet das System permanent zwischen den Extremzuständen „An“ und „Aus“. Die jeweilige Verweildauer in einem Zustand bestimmt die mittlere Temperatur. Zellen nutzen bei der Transkription eine analoge Strategie. Ein neues theoretisches Modell erklärt diese Dynamik nun quantitativ. Das Team um Prof. Gašper Tkačik nutzte dafür präzise experimentelle Daten.

Die Dynamik des transkriptionellen Flackerns

„Es gibt viele Modelle, die versuchen, zu erklären, wie Zellen exakt Gene ein- und ausschalten“, erklärt Gašper Tkačik. „Das Telegraf-Modell, beispielsweise, geht davon aus, dass die Gene in kurzen Ausbrüchen aktiviert werden. Gene ‚flackern‘ also zufällig zwischen an und aus – und bilden trotzdem in Organismen wie der Fruchtfliege extrem präzise Muster der Genregulation. Was aber nicht klar war: Warum sollte die Zelle die Genexpression überhaupt über so eine Strategie steuern? Wenn ein Gen zum Beispiel 80 Prozent aktiv sein soll, warum schaltet es dann nicht einfach dauerhaft auf 80 Prozent, sondern lässt es zwischen 0 und 100 Prozent flackern? Und selbst wenn genau das die Strategie ist, wie läuft dann dieses Schalten ab?

Zellen besitzen keine mechanischen Schalter. Sie können Schaltzeitpunkte nicht deterministisch festlegen. Stattdessen modulieren sie lediglich die Übergangswahrscheinlichkeiten. Das biologische Flackern folgt dabei einer konstanten charakteristischen Zeitskala. „In der Physik bezeichnen wir dies als Korrelationszeit ‚Tc‘“, erklärt Tkačik. „Sie bleibt unabhängig vom gewünschten Expressionsniveau konstant und ermöglicht so eine sehr präzise Steuerung der Expression. Diese Entdeckung war eine große Überraschung, da sie im Widerspruch zu zuvor veröffentlichten Modellen steht.“

Aktiver Energieverbrauch statt thermodynamisches Gleichgewicht

Klassische Modelle beschreiben die Genregulation oft als passiven Prozess im thermodynamischen Gleichgewicht. Transkriptionsfaktoren binden und lösen sich dabei stochastisch und ohne Energieverbrauch. Die beobachtete konstante Korrelationszeit widerspricht jedoch diesen einfachen Gleichgewichtsmodellen. Eukaryoten nutzen offenbar komplexere, aktive Mechanismen. Die theoretische Arbeit zeigt, dass passive Diffusionsprozesse zur Erklärung nicht ausreichen. Das System benötigt für diese Präzision aktiv Energie.

Zukünftige mechanistische Modellierung

Die theoretischen Vorhersagen müssen nun experimentell verifiziert werden. Ziel ist die Entwicklung eines mechanistischen, physikalischen Rahmenmodells. „Laut Tkačik bleibt noch einiges zu tun, so etwa auch ein wirklich mechanistisches, physikalisches Rahmenmodell, in Form von Gleichungen, die an experimentelle Daten angepasst sind. Damit versuchen die Forschenden dann zu beschreiben, ob die stochastische Ein-Aus-Dynamik innerhalb einzelner Zellkerne dadurch verursacht wird, dass die Genregulation tatsächlich auf dem DNA-Polymer stattfindet. Zudem soll untersucht werden, wie eine solche Dynamik zu den hochpräzisen Genexpressionsmustern führen kann, die auf der Ebene eines gesamten Organismus beobachtet werden.“

Quelle

Institute of Science and Technology Austria (07/2026)

Publikation

Zoller et al. 2026. Invariant non-equilibrium dynamics in gene regulation optimize information flow. PNAS. DOI: 10.1073/pnas.2524855123
https://www.pnas.org/doi/10.1073/pnas.2524855123

Nach oben scrollen