@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}
}
@article{ScholzGehringGuanetal.2015,
  author    = {Scholz, Nicole and Gehring, Jennifer and Guan, Chonglin and Ljaschenko, Dmitrij and Fischer, Robin and Lakshmanan, Vetrivel and Kittel, Robert J. and Langenhan, Tobias},
  title     = {The adhesion GPCR Latrophilin/CIRL shapes mechanosensation},
  series = {Cell Reports},
  volume    = {11},
  journal   = {Cell Reports},
  doi       = {10.1016/j.celrep.2015.04.008},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-148626},
  pages     = {866-874},
  year      = {2015},
  abstract  = {G-protein-coupled receptors (GPCRs) are typically regarded as chemosensors that control cellular states in response to soluble extracellular cues. However, the modality of stimuli recognized through adhesion GPCR (aGPCR), the second largest class of the GPCR superfamily, is unresolved. Our study characterizes the Drosophila aGPCR Latrophilin/dCirl, a prototype member of this enigmatic receptor class. We show that dCirl shapes the perception of tactile, proprioceptive, and auditory stimuli through chordotonal neurons, the principal mechanosensors of Drosophila. dCirl sensitizes these neurons for the detection of mechanical stimulation by amplifying their input-output function. Our results indicate that aGPCR may generally process and modulate the perception of mechanical signals, linking these important stimuli to the sensory canon of the GPCR superfamily.},
  language  = {en}
}
@article{WhisnantJuergesHennigetal.2020,
  author    = {Whisnant, Adam W. and J{\"u}rges, Christopher S. and Hennig, Thomas and Wyler, Emanuel and Prusty, Bhupesh and Rutkowski, Andrzej J. and L'hernault, Anne and Djakovic, Lara and G{\"o}bel, Margarete and D{\"o}ring, Kristina and Menegatti, Jennifer and Antrobus, Robin and Matheson, Nicholas J. and K{\"u}nzig, Florian W. H. and Mastrobuoni, Guido and Bielow, Chris and Kempa, Stefan and Liang, Chunguang and Dandekar, Thomas and Zimmer, Ralf and Landthaler, Markus and Gr{\"a}sser, Friedrich and Lehner, Paul J. and Friedel, Caroline C. and Erhard, Florian and D{\"o}lken, Lars},
  title     = {Integrative functional genomics decodes herpes simplex virus 1},
  series = {Nature Communications},
  volume    = {11},
  journal   = {Nature Communications},
  doi       = {10.1038/s41467-020-15992-5},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-229884},
  year      = {2020},
  abstract  = {The predicted 80 open reading frames (ORFs) of herpes simplex virus 1 (HSV-1) have been intensively studied for decades. Here, we unravel the complete viral transcriptome and translatome during lytic infection with base-pair resolution by computational integration of multi-omics data. We identify a total of 201 transcripts and 284 ORFs including all known and 46 novel large ORFs. This includes a so far unknown ORF in the locus deleted in the FDA-approved oncolytic virus Imlygic. Multiple transcript isoforms expressed from individual gene loci explain translation of the vast majority of ORFs as well as N-terminal extensions (NTEs) and truncations. We show that NTEs with non-canonical start codons govern the subcellular protein localization and packaging of key viral regulators and structural proteins. We extend the current nomenclature to include all viral gene products and provide a genome browser that visualizes all the obtained data from whole genome to single-nucleotide resolution. Here, using computational integration of multi-omics data, the authors provide a detailed transcriptome and translatome of herpes simplex virus 1 (HSV-1), including previously unidentified ORFs and N-terminal extensions. The study also provides a HSV-1 genome browser and should be a valuable resource for further research.},
  language  = {en}
}