@phdthesis{Thakar2006,
  author    = {Thakar, Juilee},
  title     = {Computational models for the study of responses to infections},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-17266},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2006},
  abstract  = {In diesem Jahrhundert haben neue experimentelle Techniken und Computer-Verfahren enorme Mengen an Information erzeugt, die bereits viele biologische R{\"a}tsel enth{\"u}llt haben. Doch die Komplexit{\"a}t biologischer Systeme wirft immer weitere neue Fragen auf. Um ein System zu verstehen, bestand der Hauptansatz bis jetzt darin, es in Komponenten zu zerlegen, die untersucht werden k{\"o}nnen. Ein neues Paradigma verkn{\"u}pft die einzelnen Informationsteile, um sie auf globaler Ebene verstehen zu k{\"o}nnen. In der vorgelegten Doktorarbeit habe ich deshalb versucht, infekti{\"o}se Krankheiten mit globalen Methoden („Systembiologie") bioinformatisch zu untersuchen. Im ersten Teil wird der Apoptose-Signalweg analysiert. Apoptose (Programmierter Zelltod) wird bei verschiedenen Infektionen, zum Beispiel bei Viruserkrankungen, als Abwehrmaßnahme eingesetzt. Die Interaktionen zwischen Proteinen, die ‚death' Dom{\"a}nen beinhalten, wurden untersucht, um folgende Fragen zu kl{\"a}ren: i) wie wird die Spezifit{\"a}t der Interaktionen erzielt? -sie wird durch Adapter erreicht, ii) wie werden Proliferation/ {\"U}berlebenssignale w{\"a}hrend der Aktivierung der Apoptose eingeleitet? - wir fanden Hinweise f{\"u}r eine entscheidende Rolle des RIP Proteins (Rezeptor-Interagierende Serine/Threonine-Proteinkinase 1). Das Modell erlaubte uns, die Interaktions-Oberfl{\"a}chen von RIP vorherzusagen. Der Signalweg wurde anschließend auf globaler Ebene mit Simulationen f{\"u}r verschiedene Zeitpunkte analysiert, um die Evolution der Aktivatoren und Inhibitoren des Signalwegs und seine Struktur besser zu verstehen. Weiterhin wird die Signalverarbeitung f{\"u}r Apoptosis-Signalwege in der Maus detailliert modelliert, um den Konzentrationsverlauf der Effektor-Kaspasen vorherzusagen. Weitere experimentelle Messungen von Kaspase-3 und die {\"U}berlebenskurven von Zellen best{\"a}tigen das Modell. Der zweite Teil der Resultate konzentriert sich auf das Phagosom, eine Organelle, die eine entscheidende Rolle bei der Eliminierung von Krankheitserregern spielt. Dies wird am Beispiel von M. tuberculosis veranschaulicht. Die Fragestellung wird wiederum in zwei Aspekten behandelt: i) Um die Prozesse, die durch M. tuberculosis inhibiert werden zu verstehen, haben wir uns auf das Phospholipid-Netzwerk konzentriert, das bei der Unterdr{\"u}ckung oder Aktivierung der Aktin-Polymerisation eine große Rolle spielt. Wir haben f{\"u}r diese Netzwerkanalyse eine Simulation f{\"u}r verschiedene Zeitpunkte {\"a}hnlich wie in Teil eins angewandt. ii) Es wird vermutet, dass Aktin-Polymere bei der Fusion des Phagosoms mit dem Lysosom eine Rolle spielen. Um diese Hypothese zu untersuchen, wurde ein in silico Modell von uns entwickelt. Wir fanden heraus, dass in der Anwesenheit von Aktin-Polymeren die Suchzeit f{\"u}r das Lysosom um das F{\"u}nffache reduziert wurde. Weiterhin wurden die Effekte der L{\"a}nge der Aktin-Polymere, die Gr{\"o}ße der Lysosomen sowie der Phagosomen und etliche andere Modellparameter analysiert. Nach der Untersuchung eines Signalwegs und einer Organelle f{\"u}hrte der n{\"a}chste Schritt zur Untersuchung eines komplexen biologischen Systems der Infektabwehr. Dies wurde am Beispiel der Wirt-Pathogen Interaktion bei Bordetella pertussis und Bordetella bronchiseptica dargestellt. Die geringe Menge verf{\"u}gbarer quantitativer Daten war der ausschlaggebende Faktor bei unserer Modellwahl. F{\"u}r die dynamische Simulation wurde ein selbst entwickeltes Bool'sches Modell verwendet. Die Ergebnisse sagen wichtige Faktoren bei der Pathologie von Bordetellen hervor, besonders die Bedeutung der Th1 assoziierten Antworten und dagegen nicht der Th2 assoziierten Antworten f{\"u}r die Eliminierung des Pathogens. Einige der quantitativen Vorhersagen wurden durch Experimente wie die Untersuchung des Verlaufs einer Infektion in verschiedenen Mutanten und Wildtyp-M{\"a}usen {\"u}berpr{\"u}ft. Die begrenzte Verf{\"u}gbarkeit kinetischer Daten war der kritische Faktor bei der Auswahl der computer-gest{\"u}tzten Modelle. Der Erfolg unserer Modelle konnte durch den Vergleich mit experimentellen Beobachtungen belegt werden. Die vergleichenden Modelle in Kapitel 6 und 9 k{\"o}nnen zur Untersuchung neuer Wirt-Pathogen Interaktionen verwendet werden. Beispielsweise f{\"u}hrt in Kapitel 6 die Analyse von Inhibitoren und inhibitorischer Signalwege aus drei Organismen zur Identifikation wichtiger regulatorischer Zentren in komplexen Organismen und in Kapitel 9 erm{\"o}glicht die Identifikation von drei Phasen in B. bronchiseptica und der Inhibition von IFN-\&\#947; durch den Faktor TTSS die Untersuchung {\"a}hnlicher Phasen und die Inhibition von IFN-\&\#947; in B. pertussis. Eine weitere wichtige Bedeutung bekommen diese Modelle durch die m{\"o}gliche Identifikation neuer, essentieller Komponenten in Wirt-Pathogen Interaktionen. In silico Modelle der Effekte von Deletionen zeigen solche Komponenten auf, die anschließend durch experimentelle Mutationen weiter untersucht werden k{\"o}nnen.},
  subject      = {Bordetella pertussis},
  language  = {en}
}