@phdthesis{Blenk2007,
  author    = {Blenk, Steffen},
  title     = {Bioinformatical analysis of B-cell lymphomas},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-27421},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2007},
  abstract  = {Background: The frequency of the most observed cancer, Non Hodgkin Lymphoma (NHL), is further rising. Diffuse large B-cell lymphoma (DLBCL) is the most common of the NHLs. There are two subgroups of DLBCL with different gene expression patterns: ABC ("Activated B-like DLBCL") and GCB ("Germinal Center B-like DLBCL"). Without therapy the patients often die within a few months, the ABC type exhibits the more aggressive behaviour. A further B-cell lymphoma is the Mantle cell lymphoma (MCL). It is rare and shows very poor prognosis. There is no cure yet. Methods: In this project these B-cell lymphomas were examined with methods from bioinformatics, to find new characteristics or undiscovered events on the molecular level. This would improve understanding and therapy of lymphomas. For this purpose we used survival, gene expression and comparative genomic hybridization (CGH) data. In some clinical studies, you get large data sets, from which one can reveal yet unknown trends. Results (MCL): The published proliferation signature correlates directly with survival. Exploratory analyses of gene expression and CGH data of MCL samples (n=71) revealed a valid grouping according to the median of the proliferation signature values. The second axis of correspondence analysis distinguishes between good and bad prognosis. Statistical testing (moderate t-test, Wilcoxon rank-sum test) showed differences in the cell cycle and delivered a network of kinases, which are responsible for the difference between good and bad prognosis. A set of seven genes (CENPE, CDC20, HPRT1, CDC2, BIRC5, ASPM, IGF2BP3) predicted, similarly well, survival patterns as proliferation signature with 20 genes. Furthermore, some bands could be associated with prognosis in the explorative analysis (chromosome 9: 9p24, 9p23, 9p22, 9p21, 9q33 and 9q34). Results (DLBCL): New normalization of gene expression data of DLBCL patients revealed better separation of risk groups by the 2002 published signature based predictor. We could achieve, similarly well, a separation with six genes. Exploratory analysis of gene expression data could confirm the subgroups ABC and GCB. We recognized a clear difference in early and late cell cycle stages of cell cycle genes, which can separate ABC and GCB. Classical lymphoma and best separating genes form a network, which can classify and explain the ABC and GCB groups. Together with gene sets which identify ABC and GCB we get a network, which can classify and explain the ABC and GCB groups (ASB13, BCL2, BCL6, BCL7A, CCND2, COL3A1, CTGF, FN1, FOXP1, IGHM, IRF4, LMO2, LRMP, MAPK10, MME, MYBL1, NEIL1 and SH3BP5; Altogether these findings are useful for diagnosis, prognosis and therapy (cytostatic drugs).},
  subject      = {Bioinformatik},
  language  = {en}
}
@phdthesis{Korte2007,
  author    = {Korte, Gabriele},
  title     = {Flavonoid-induzierte Cytotoxizit{\"a}t, Neuroprotektion und Immunmodulation im Zellmodell},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-26627},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2007},
  abstract  = {Flavonoide sind weitverbreitete sekund{\"a}re Pflanzeninhaltsstoffe. Ihr Beitrag zur Pr{\"a}vention von chronischen Erkrankungen wird zu großen Teilen auf immunmodulatorische und neuroprotektive Effekte zur{\"u}ckgef{\"u}hrt. Eine Voraussetzung f{\"u}r die Nutzung dieser Eigenschaften der Flavonoide stellt die Erfassung cytotoxischer Effekte dar. Mit Ausnahme von Xanthohumol und Quercetin ist f{\"u}r alle im Rahmen der vorliegenden Arbeit untersuchten Flavonoide, Hispidulin, Baicalein, Scutellarein, Hesperetin, Chrysin, Apigenin, Naringenin, Catechin, Pelargonidinchlorid und EMD 21388, sowohl in T-Zellen (Jurkat) als auch in neuronalen (SK-N-SH)-Zellen nach 24-st{\"u}ndiger Inkubation eine geringgradige Cytotoxizit{\"a}t festzuhalten. F{\"u}r Xanthohumol bzw. Quercetin wird ein halbmaximaler Verlust der Zellvitalit{\"a}t je nach Modell in Konzentrationen von 33-45 µM bzw. 118-208 µM erreicht. Der weiterf{\"u}hrenden Charakterisierung (zVAD, DNA-Laddering) ist zu entnehmen, dass die zellul{\"a}ren Ver{\"a}nderungen substanzabh{\"a}ngig differieren und sowohl nekrotische Mechanismen (Xanthohumol) als auch apoptotische Vorg{\"a}nge (Quercetin) einschließen. Eine erh{\"o}hte Lipidperoxidation im oberen Dosisbereich l{\"a}sst dar{\"u}ber hinaus auf eine Beteiligung von oxidativem Stress an den von Xanthohumol-induzierten nekrotischen Prozessen schließen. Eine positive Einflussnahme auf die Zellvitalit{\"a}t durch Antioxidantien wie GSH und NAC l{\"a}sst des Weiteren vermuten, dass die erfassten Flavonoid-induzierten Prozesse jeweils sensitiv zum Redoxzustand der Zelle sind. W{\"a}hrend die Effekte von Xanthohumol auch in anderen Zellmodellen (HL-60) nachweisbar bleiben, verh{\"a}lt sich Quercetin nicht durchgehend vitalit{\"a}tsmindernd. Unterschiede zwischen den Testsubstanzen bestehen auch hinsichtlich antioxidativer Effekte. Das Eliminieren freier Radikale z{\"a}hlt zu den wichtigsten Mechanismen, die bei Flavonoid-vermittelter Neuroprotektion eine Rolle spielen. Insgesamt sind alle diesbez{\"u}glich untersuchten Substanzen als starke Superoxidanionen-Radikalf{\"a}nger einzustufen. Im Co-Inkubationsversuch zeigt Scutellarein den st{\"a}rksten Effekt, gefolgt von Quercetin, Hispidulin und Xanthohumol. Im Pr{\"a}-Inkubations-Versuchsmodell liegen in der Reihenfolge ihrer Effektst{\"a}rken Xanthohumol vor Quercetin, Hispidulin und schließlich Scutellarein. Die modellabh{\"a}ngigen Konstanten k{\"o}nnen, unter Beteiligung einer passiven Diffusion der hydrophoben Flavonoidaglykone, auf eine substanzgebundene Membranpermeabilit{\"a}t zur{\"u}ckzuf{\"u}hren sein. Das antioxidative Potential der Flavonoide resultiert u.a. aus einer komplexen Einflußnahme auf die Genexpression in der Zelle. In der vorliegenden Arbeit sind anhand von cDNA-Arrays f{\"u}r mehrere Vertreter {\"u}bereinstimmend Wechselwirkungen mit Genen der zellul{\"a}ren Abwehr dargestellt. Demnach f{\"u}hren Scutellarein, Hispidulin, Quercetin und Xanthohumol zu einer deutlich reduzierten Expressionsst{\"a}rke von STK4, CHD4, ARHGDIB, IL16, ISG20, PFN1 und SOD2. Unter den Flavonoid-induzierten Ver{\"a}nderungen ragen die Effekte auf ADAR1 heraus, dessen Genexpression von Scutellarein bis auf ein 0,1-faches der Referenzwerte reduziert wird. Gleichsinnige Auswirkungen von Scutellarein auf die Expression von ADAR1-Protein in Western Blots unterstreichen diese Interaktion und legen nahe, dass ADAR-vermittelte enzymatische Deaminierungen durch Flavonoide moduliert werden k{\"o}nnen. Diese Beobachtung wird erg{\"a}nzt durch den nachgewiesenen Effekt von Flavonoiden auf die Expression einer Reihe weiterer Gene (ADAR2, APOBEC3B, APOBEC3C, APOBEC3F und APOBEC3G), die analoge posttranskriptionale Mechanismen steuern und gleichermaßen in Immunabwehr und Neuroprotektion eingebunden sind. Zu den wichtigsten Substraten von ADAR z{\"a}hlen Glutamatrezeptoren. Erwartungsgem{\"a}ß ist nach der Einwirkung von Scutellarein auf humane Zellen, die Glutamatrezeptoren exprimieren, ein R{\"u}ckgang der Deaminierung im Bereich der Glutamatrezeptoruntereinheit GluR 2 zu verzeichnen (Q/R-Position). Dem entspricht in elektrophysiologischen Modellen eine gesteigerte Ca2+-Permeabilit{\"a}t der jeweiligen Ionenkan{\"a}le und eine ver{\"a}nderte neuronale Exzitabilit{\"a}t. Hieraus ergibt sich ein breites Spektrum zus{\"a}tzlicher Optionen f{\"u}r die Induktion von gesundheitsrelevanten Flavonoidfunktionen in der Zelle. So spielt die Modulation von Deaminierungen zugleich eine entscheidende Rolle im Vermehrungszyklus viraler Erreger. Die Annahme einer m{\"o}glichen antiviralen Qualit{\"a}t von Scutellarein wird durch ein HBV-Infektionsmodell anhand drei Parameter der Virusreplikation (Virus-DNA-Konzentration, HBs- bzw. HBe-Antigenproduktion) best{\"a}tigt. Offen bleibt auch nach ausf{\"u}hrlicher Pr{\"u}fung, ob der deutliche antivirale Effekt als das Produkt von Flavonoid-induzierten Ver{\"a}nderungen der Deaminierungsraten oder als Folge eines Effekts auf die virale Polymerase zu interpretieren ist. Die hier dargestellten Wirkmechanismen leisten einen Beitrag zum Verst{\"a}ndnis der Bedeutung von Flavonoiden f{\"u}r neue Anwendungen in Neuroprotektion und Immunabwehr.},
  subject      = {Flavonoide},
  language  = {de}
}
@phdthesis{Weniger2007,
  author    = {Weniger, Markus},
  title     = {Genome Expression Pathway Analysis Tool - Analyse und Visualisierung von Microarray Genexpressionsdaten unter genomischen, proteomischen und metabolischen Gesichtspunkten},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-25392},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2007},
  abstract  = {Die Messung der Genexpression ist f{\"u}r viele Bereiche der Biologie und Medizin wichtig geworden und unterst{\"u}tzt Studien {\"u}ber Behandlung, Krankheiten und Entwicklungsstadien. Microarrays k{\"o}nnen verwendet werden, um die Expression von tausenden mRNA-Molek{\"u}len gleichzeitig zu messen und erm{\"o}glichen so einen Einblick und einen Vergleich der verschiedenen zellul{\"a}ren Bedingungen. Die Daten, die durch Microarray-Experimente gewonnen werden, sind hochdimensional und verrauscht, eine Interpretation der Daten ist deswegen nicht einfach. Obwohl Programme f{\"u}r die statistische Auswertung von Microarraydaten existieren, fehlt vielen eine Integration der Analyseergebnisse mit einer automatischen Interpretationsm{\"o}glichkeit. In dieser Arbeit wurde GEPAT, Genome Expression Pathway Analysis Tool, entwickelt, das eine Analyse der Genexpression unter dem Gesichtspunkten der Genomik, Proteomik und Metabolik erm{\"o}glicht. GEPAT integriert statistische Methoden zum Datenimport und -analyse mit biologischer Interpretation f{\"u}r Genmengen oder einzelne Gene, die auf dem Microarray gemessen werden. Verschiedene Typen von Oligonukleotid- und cDNAMicroarrays k{\"o}nnen importiert werden, unterschiedliche Normalisierungsmethoden k{\"o}nnen auf diese Daten angewandt werden, anschließend wird eine Datenannotation durchgef{\"u}hrt. Nach dem Import k{\"o}nnen mit GEPAT verschiedene statische Datenanalysemethoden wie hierarchisches, k-means und PCA-Clustern, ein auf einem linearen Modell basierender t-Test, oder ein Vergleich chromosomaler Profile durchgef{\"u}hrt werden. Die Ergebnisse der Analysen k{\"o}nnen auf H{\"a}ufungen biologischer Begriffe und Vorkommen in Stoffwechselwegen oder Interaktionsnetzwerken untersucht werden. Verschiedene biologische Datenbanken wurden integriert, um zu jeder Gensonde auf dem Array Informationen zur Verf{\"u}gung stellen zu k{\"o}nnen. GEPAT bietet keinen linearen Arbeitsablauf, sondern erlaubt die Benutzung von beliebigen Teilmengen von Genen oder biologischen Proben als Startpunkt einer neuen Analyse oder Interpretation. Dabei verl{\"a}sst es sich auf bew{\"a}hrte Datenanalyse-Pakete, bietet einen modularen Ansatz zur einfachen Erweiterung und kann auf einem verteilten Computernetzwerk installiert werden, um eine große Zahl an Benutzern zu unterst{\"u}tzen. Es ist unter der LGPL Open-Source Lizenz frei verf{\"u}gbar und kann unter http://gepat.sourceforge.net heruntergeladen werden.},
  subject      = {Microarray},
  language  = {de}
}