@phdthesis{Zdziarski2008,
  author    = {Zdziarski, Jaroslaw Maciej},
  title     = {Bacterial Genome Plasticity and its Role for Adaptation and Evolution of Asymptomatic Bacteriuria (ABU) Escherichia coli Strains},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-32879},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2008},
  abstract  = {Asymptomatic bacteriuria (ABU) represents the long term bacterial colonization of the urinary tract, frequently caused by Escherichia coli (E. coli), without typical symptoms of a urinary tract infection (UTI). To investigate characteristics of ABU E. coli isolates in more detail, the geno- and phenotypes of eleven ABU isolates have been compared. Moreover, consecutive in vivo re-isolates of the model ABU strain 83972 were characterized with regard to transcriptomic, proteomic and genomic alterations upon long term in vivo persistence in the human bladder. Finally, the effect of the human host on bacterial adaptation/evolution was assessed by comparison of in vitro and in vivo-propagated strain 83972. ABU isolates represent a heterologous group of organisms. The comparative analysis of different ABU isolates elucidated the remarkable genetic and phenotypic flexibility of E. coli isolates. These isolates could be allocated to all four major E. coli phylogenetic lineages as well as to different clonal groups. Accordingly, they differed markedly in genome content, i.e., the genome size as well as the presence of typical UPEC virulence-associated genes. Multi locus sequence typing suggested that certain ABU strains evolved from UPEC variants that are able to cause symptomatic UTI by genome reduction. Consequently, the high E. coli genome plasticity does not allow a generalized view on geno- and phenotypes of individual isolates within a clone. Reductive evolution by point mutations, DNA rearrangements and deletions resulted in inactivation of genes coding for several UPEC virulence factors, thus supporting the idea that a reduced bacterial activation of host mucosal inflammation promotes the ABU lifestyle of these E. coli isolates. Gene regulation and genetic diversity are strategies which enable bacteria to live and survive under continuously changing environmental conditions. To study adaptational changes upon long term growth in the bladder, consecutive re-isolates of model ABU strain 83972 derived from a human colonisation study and from an in vitro long term cultivation experiment were analysed with regard to transcriptional changes and genome rearrangements. In this context, it could be demonstrated that E. coli, when exposed to different host backgrounds, is able to adapt its metabolic networks resulting in an individual bacterial colonisation strategy. Transcriptome and proteome analyses demonstrated distinct metabolic strategies of nutrients acquisition and energy production of tested in vivo re-isolates of strain 83972 that enabled them to colonise their host. Utilisation of D-serine, deoxy- and ribonucleosides, pentose and glucuronate interconversions were main up-regulated pathways providing in vivo re-isolates with extra energy for efficient growth in the urinary bladder. Moreover, this study explored bacterial response networks to host defence mechanisms: The class III alcohol dehydrogenase AdhC, already proven to be involved in nitric oxide detoxification in pathogens like Haemophilus influenzae, was shown for the first time to be employed in defending E. coli against the host response during asymptomatic bacteriuria. Consecutive in vivo and in vitro re-isolates of strain 83972 were also analysed regarding their genome structure. Several changes in the genome structure of consecutive re-isolates derived from the human colonisation study implied the importance of bacterial interactions with the host during bacterial microevolution. In contrast, the genome structure of re-isolates from the in vitro long term cultivation experiment, where strain 83972 has been propagated without host contact, was not affected. This suggests that exposure to the immune response promotes genome plasticity thus being a driving force for the development of the ABU lifestyle and evolution within the urinary tract.},
  subject      = {Escherichia coli},
  language  = {en}
}
@phdthesis{Pinkert2008,
  author    = {Pinkert, Stefan},
  title     = {The human proteome is shaped by evolution and interactions},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-35566},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2008},
  abstract  = {Das menschliche Genom ist seit 2001 komplett sequenziert. Ein Großteil der Proteine wurde mittlerweile beschrieben und t{\"a}glich werden bioinformatische Vorhersagen praktisch best{\"a}tigt. Als weiteres Großprojekt wurde k{\"u}rzlich die Sequenzierung des Genoms von 1000 Menschen gestartet. Trotzdem ist immer noch wenig {\"u}ber die Evolution des gesamten menschlichen Proteoms bekannt. Proteindom{\"a}nen und ihre Kombinationen sind teilweise sehr detailliert erforscht, aber es wurden noch nicht alle Dom{\"a}nenarchitekturen des Menschen in ihrer Gesamtheit miteinander verglichen. Der verwendete große hochqualitative Datensatz von Protein-Protein-Interaktionen und Komplexen stammt aus dem Jahr 2006 und erm{\"o}glicht es erstmals das menschliche Proteom mit einer vorher nicht m{\"o}glichen Genauigkeit analysieren zu k{\"o}nnen. Hochentwickelte Cluster Algorithmen und die Verf{\"u}gbarkeit von großer Rechenkapazit{\"a}t bef{\"a}higen uns neue Information {\"u}ber Proteinnetzwerke ohne weitere Laborarbeit zu gewinnen. Die vorliegende Arbeit analysiert das menschliche Proteom auf drei verschiedenen Ebenen. Zuerst wurde der Ursprung von Proteinen basierend auf ihrer Dom{\"a}nenarchitektur analysiert, danach wurden Protein-Protein-Interaktionen untersucht und schließlich erfolgte Einteilung der Proteine nach ihren vorhandenen und fehlenden Interaktionen. Die meisten bekannten Proteine enthalten mindestens eine Dom{\"a}ne und die Proteinfunktion ergibt sich aus der Summe der Funktionen der einzelnen enthaltenen Dom{\"a}nen. Proteine, die auf der gleichen Dom{\"a}nenarchitektur basieren, das heißt die die gleichen Dom{\"a}nen in derselben Reihenfolge besitzen, sind homolog und daher aus einem gemeinsamen urspr{\"u}nglichen Protein entstanden. Die Dom{\"a}nenarchitekturen der urspr{\"u}nglichen Proteine wurden f{\"u}r 750000 Proteine aus 1313 Spezies bestimmt. Die Gruppierung von Spezies und ihrer Proteine ergibt sich aus taxonomischen Daten von NCBI-Taxonomy, welche mit zus{\"a}tzlichen Informationen basierend auf molekularen Markern erg{\"a}nzt wurden. Der resultierende Datensatz, bestehend aus 5817 Dom{\"a}nen und 32868 Dom{\"a}nenarchitekturen, war die Grundlage f{\"u}r die Bestimmung des Ursprungs der Proteine aufgrund ihrer Dom{\"a}nenarchitekturen. Es wurde festgestellt, dass nur ein kleiner Teil der neu evolvierten Dom{\"a}nenarchitekturen eines Taxons gleichzeitig auch im selben Taxon neu entstandene Proteindom{\"a}nen enth{\"a}lt. Ein weiteres Ergebnis war, dass Dom{\"a}nenarchitekturen im Verlauf der Evolution l{\"a}nger und komplexer werden, und dass so verschiedene Organismen wie der Fadenwurm, die Fruchtfliege und der Mensch die gleiche Menge an unterschiedlichen Proteinen haben, aber deutliche Unterschiede in der Anzahl ihrer Dom{\"a}nenarchitekturen aufweisen. Der zweite Teil besch{\"a}ftigt sich mit der Frage wie neu entstandene Proteine Bindungen mit dem schon bestehenden Proteinnetzwerk eingehen. In fr{\"u}heren Arbeiten wurde gezeigt, dass das Protein-Interaktions-Netzwerk ein skalenfreies Netz ist. Skalenfreie Netze, wie zum Beispiel das Internet, bestehen aus wenigen Knoten mit vielen Interaktionen, genannt Hubs, und andererseits aus vielen Knoten mit wenigen Interaktionen. Man vermutet, dass zwei Mechanismen zur Entstehung solcher Netzwerke f{\"u}hren. Erstens m{\"u}ssen neue Proteine um auch Teil des Proteinnetzwerkes zu werden mit Proteinen interagieren, die bereits Teil des Netzwerkes sind. Zweitens interagieren die neuen Proteine, gem{\"a}ß der Theorie der bevorzugten Bindung, mit h{\"o}herer Wahrscheinlichkeit mit solchen Proteinen im Netzwerk, die schon an zahlreichen weiteren Protein-Interaktionen beteiligt sind. Die Human Protein Reference Database stellt ein auf Informationen aus in-vivo Experimenten beruhendes Proteinnetzwerk f{\"u}r menschliche Proteine zur Verf{\"u}gung. Basierend auf den in Kapitel I gewonnenen Informationen wurden die Proteine mit dem Ursprungstaxon ihrer Dom{\"a}nenarchitekturen versehen. Dadurch wurde gezeigt, dass ein Protein h{\"a}ufiger mit Proteinen, die im selben Taxon entstanden sind, interagiert, als mit Proteinen, die in anderen Taxa neu aufgetreten sind. Es stellte sich heraus, dass diese Interaktionsraten f{\"u}r alle Taxa deutlich h{\"o}her waren, als durch das Zufallsmodel vorhergesagt wurden. Alle Taxa enthalten den gleichen Anteil an Proteinen mit vielen Interaktionen. Diese zwei Ergebnisse sprechen dagegen, dass die bevorzugte Bindung der alleinige Mechanismus ist, der zum heutigen Aufbau des menschlichen Proteininteraktion-Netzwerks beigetragen hat. Im dritten Teil wurden Proteine basierend auf dem Vorhandensein und der Abwesenheit von Interaktionen in Gruppen eingeteilt. Proteinnetzwerke k{\"o}nnen in kleine hoch vernetzte Teile zerlegt werden, die eine spezifische Funktion aus{\"u}ben. Diese Gruppen k{\"o}nnen mit hoher statistischer Signifikanz berechnet werden, haben meistens jedoch keine biologische Relevanz. Mit einem neuen Algorithmus, welcher zus{\"a}tzlich zu Interaktionen auch Nicht-Interaktionen ber{\"u}cksichtigt, wurde ein Datensatz bestehend aus 8,756 Proteinen und 32,331 Interaktionen neu unterteilt. Eine Einteilung in elf Gruppen zeigte hohe auf Gene Ontology basierte Werte und die Gruppen konnten signifikant einzelnen Zellteilen zugeordnet werden. Eine Gruppe besteht aus Proteinen, welche wenige Interaktionen miteinander aber viele Interaktionen zu zwei benachbarten Gruppen besitzen. Diese Gruppe enth{\"a}lt eine signifikant erh{\"o}hte Anzahl an Transportproteinen und die zwei benachbarten Gruppen haben eine erh{\"o}hte Anzahl an einerseits extrazellul{\"a}ren und andererseits im Zytoplasma und an der Membran lokalisierten Proteinen. Der Algorithmus hat damit unter Beweis gestellt das die Ergebnisse nicht bloß statistisch sondern auch biologisch relevant sind. Wenn wir auch noch weit vom Verst{\"a}ndnis des Ursprungs der Spezies entfernt sind, so hat diese Arbeit doch einen Beitrag zum besseren Verst{\"a}ndnis der Evolution auf dem Level der Proteine geleistet. Im Speziellen wurden neue Erkenntnisse {\"u}ber die Beziehung von Proteindom{\"a}nen und Dom{\"a}nenarchitekturen, sowie ihre Pr{\"a}ferenzen f{\"u}r Interaktionspartner im Interaktionsnetzwerk gewonnen.},
  subject      = {Evolution},
  language  = {en}
}
@phdthesis{Gros2008,
  author    = {Gros, Andreas},
  title     = {Interactions in the evolution of dispersal distance and emigration probability},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-29226},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2008},
  abstract  = {Chapter 1 - Evolution of local adaptations in dispersal strategies The optimal probability and distance of dispersal largely depend on the risk to end up in unsuitable habitat. This risk is highest close to the habitat's edge and consequently, optimal dispersal probability and distance should decline towards the habitat's border. This selection should lead to the emergence of spatial gradients in dispersal strategies. However, gene flow caused by dispersal itself is counteracting local adaptation. Using an individual based model I investigate the evolution of local adaptations of dispersal probability and distance within a single, circular, habitat patch. I compare evolved dispersal probabilities and distances for six different dispersal kernels (two negative exponential kernels, two skewed kernels, nearest neighbour dispersal and global dispersal) in patches of different size. For all kernels a positive correlation between patch size and dispersal probability emerges. However, a minimum patch size is necessary to allow for local adaptation of dispersal strategies within patches. Beyond this minimum patch area the difference in mean dispersal distance between center and edge increases linearly with patch radius, but the intensity of local adaptation depends on the dispersal kernel. Except for global and nearest neighbour dispersal, the evolved spatial pattern are qualitatively similar for both, mean dispersal probability and distance. I conclude, that inspite of the gene-flow originating from dispersal local adaptation of dispersal strategies is possible if a habitat is of sufficient size. This presumably holds for any realistic type of dispersal kernel. Chapter 2 - How dispersal propensity and distance depend on the capability to assess population density We analyze the simultaneous evolution of emigration probability and dispersal distance for species with different abilities to assess habitat quality (population density) and which suffer from distance dependent dispersal costs. Using an individual-based model I simulate dispersal as a multistep (patch to patch) process in a world consisting of habitat patches surrounded by lethal matrix. Our simulations show that natal dispersal is strongly driven by kin-competition but that consecutive dispersal steps are mostly determined by the chance to immigrate into patches with lower population density. Consequently, individuals following an informed strategy where emigration probability depends on local population density disperse over larger distances than individuals performing density-independent emigration; this especially holds when variation in environmental conditions is spatially correlated. However, already moderate distance-dependent dispersal costs prevent the evolution of long-distance dispersal irrespectively of the chosen dispersal strategy. Chapter 3 - Evolution of sex-biased dispersal: the role of sex-specific dispersal costs, demographic stochasticity, and inbreeding Inbreeding avoidance and asymmetric competition over resources have both been identified as factors favouring the evolution of sex- biased dispersal. It has also been recognized that sex-specific costs of dispersal would promote selection for sexspecific dispersal, but there is little quantitative information on this aspect. In this paper I explore (i) the quantitative relationship between cost-asymmetry and a bias in dispersal, (ii) the influence of demographic stochasticity on this effect, and (iii) how inbreeding and cost-asymmetry interact in their effect on sex-specific dispersal. I adjust an existing analytical model to account for sex-specific costs of dispersal. Based on numerical calculations I predict a severe bias in dispersal already for small differences in dispersal costs. I corroborate these predictions in individualbased simulations, but show that demographic stochasticity generally leads to more balanced dispersal. In combination with inbreeding, cost asymmetries will usually determine which of the two sexes becomes the more dispersive. Chapter 4 - Evolution of sex-biased dispersal: the role of sex-specific dispersal costs, demographic stochasticity, and inbreeding Inbreeding depression, asymmetries in costs or benefits, and the mating system have been identified as potential factors underlying the evolution of sex-biased dispersal. We use individual-based simulations to explore how the mating system and demographic stochasticity influence the evolution of sex-specific dispersal in a metapopulation with females competing over breeding sites, and males over mating opportunities. Comparison of simulation results for random mating with those for a harem system (locally, a single male sires all offspring) reveal that even extreme variance in local male reproductive success (extreme male competition) does not induce a male bias in dispersal. The latter evolves if between-patch variance in reproductive success is larger for males than females. This can emerge due to demographic stochasticity if habitat patches are small. More generally, members of a group of individuals experiencing higher spatio-temporal variance in fitness expectations may evolve to disperse with greater probability than others.},
  subject      = {Theoretische {\"O}kologie},
  language  = {en}
}