@phdthesis{Schulze2014, author = {Schulze, Katja}, title = {Automatisierte Klassifizierung und Viabilit{\"a}tsanalyse von Phytoplankton}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-107174}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2014}, abstract = {Zentrales Ziel dieser Arbeit war es, Methoden der Mikroskopie, Bildverarbeitung und Bilderkennung f{\"u}r die Charakterisierungen verschiedener Phyotplankter zu nutzen, um deren Analyse zu verbessern und zu vereinfachen. Der erste Schwerpunkt der Arbeit lag auf der Analyse von Phytoplanktongemeinschaften, die im Rahmen der {\"U}berpr{\"u}fung der S{\"u}ßwasserqualit{\"a}t als Marker dienen. Die konventionelle Analyse ist dabei sehr aufwendig, da diese noch immer vollst{\"a}ndig von Hand durchgef{\"u}hrt wird und hierf{\"u}r speziell ausgebildetes Personal eingesetzt werden muss. Ziel war es, ein System zur automatischen Erkennung aufzubauen, um die Analyse vereinfachen zu k{\"o}nnen. Mit Hilfe von automatischer Mikroskopie war es m{\"o}glich Plankter unterschiedlicher Ausdehnung durch die Integration mehrerer Sch{\"a}rfeebenen besser in einem Bild aufzunehmen. Weiterhin wurden verschiedene Fluoreszenzeigenschaften in die Analyse integriert. Mit einem f{\"u}r ImageJ erstellten Plugin k{\"o}nnen Organismen vom Hintergrund der Aufnahmen abgetrennt und eine Vielzahl von Merkmalen berechnet werden. {\"U}ber das Training von neuralen Netzen wird die Unterscheidung von verschieden Gruppen von Planktontaxa m{\"o}glich. Zudem k{\"o}nnen weitere Taxa einfach in die Analyse integriert und die Erkennung erweitert werden. Die erste Analyse von Mischproben, bestehend aus 10 verschiedenen Taxa, zeigte dabei eine durchschnittliche Erkennungsrate von 94.7\% und eine durchschnittliche Falsch-Positiv Rate von 5.5\%. Im Vergleich mit bestehenden Systemen konnte die Erkennungsrate verbessert und die Falsch Positiv Rate deutlich gesenkt werde. Bei einer Erweiterung des Datensatzes auf 22 Taxa wurde darauf geachtet, Arten zu verwenden, die verschiedene Stadien in ihrem Wachstum durchlaufen oder h{\"o}here {\"A}hnlichkeiten zu den bereits vorhandenen Arten aufweisen, um evtl. Schwachstellen des Systemes erkennen zu k{\"o}nnen. Hier ergab sich eine gute Erkennungsrate (86.8\%), bei der der Ausschluss von nicht-planktonischen Partikeln (11.9\%) weiterhin verbessert war. Der Vergleich mit weiteren Klassifikationsverfahren zeigte, dass neuronale Netze anderen Verfahren bei dieser Problemstellung {\"u}berlegen sind. {\"A}hnlich gute Klassifikationsraten konnten durch Support Vektor Maschinen erzielt werden. Allerdings waren diese bei der Unterscheidung von unbekannten Partikeln dem neuralen Netz deutlich unterlegen. Der zweite Abschnitt stellt die Entwicklung einer einfachen Methode zur Viabilit{\"a}tsanalyse von Cyanobakterien, bei der keine weitere Behandlung der Proben notwendig ist, dar. Dabei wird die rote Chlorophyll - Autofluoreszenz als Marker f{\"u}r lebende Zellen und eine gr{\"u}ne unspezifische Fluoreszenz als Marker f{\"u}r tote Zellen genutzt. Der Assay wurde mit dem Modellorganismus Synechocystis sp. PCC 6803 etabliert und validiert. Die Auswahl eines geeigeneten Filtersets erm{\"o}glicht es beide Signale gleichzeitig anzuregen und zu beobachten und somit direkt zwischen lebendenden und toten Zellen zu unterscheiden. Die Ergebnisse zur Etablierung des Assays konnten durch Ausplattieren, Chlorophyllbestimmung und Bestimmung des Absorbtionsspektrums best{\"a}tigt werden. Durch den Einsatz von automatisierter Mikroskopie und einem neu erstellten ImageJ Plugin wurde eine sehr genaue und schnelle Analyse der Proben m{\"o}glich. Der Einsatz beim Monitoring einer mutagenisierten Kultur zur Erh{\"o}hung der Temperaturtoleranz erm{\"o}glichte genaue und zeitnahe Einblicke in den Zustand der Kultur. Weitere Ergebnisse weisen darauf hin, dass die Kombination mit Absorptionsspektren es erm{\"o}glichen k{\"o}nnen bessere Einblicke in die Vitalit{\"a}t der Kultur zu erhalten.}, subject = {Bilderkennnung}, language = {de} } @phdthesis{Bertram2005, author = {Bertram, Helge}, title = {Bioinformatische Identifikation von Dom{\"a}nenunterschieden bei Parasit und Wirt am Beispiel der Malaria}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-17188}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2005}, abstract = {Diese Arbeit untersucht zellul{\"a}re Netzwerke mit dem Ziel, die so gewonnenen Einsichten medizinisch beziehungsweise biotechnologisch zu nutzen. Hierzu m{\"u}ssen zun{\"a}chst Proteindom{\"a}nen und wichtige regulatorische RNA Elemente erkannt werden. Dies geschieht f{\"u}r regulatorische Elemente in Nukleins{\"a}uren am Beispiel von Iron Responsive Elements (IREs) in Staphylococcus aureus, wobei sich solche Elemente in viel versprechender N{\"a}he zu exprimierten Sequenzen finden lassen (T. Dandekar, F. Du, H. Bertram (2001) Nonlinear Analysis 47(1): 225-34). Noch bedeutsamer als Ziele zur Medikamentenentwicklung gegen Parasiten sind Dom{\"a}nenunterschiede in Struktur und Sequenz bei Proteinen (T. Dandekar, F. Du, H. Bertram (2001) Nonlinear Analysis 47(1): 225-34). Ihre Identifikation wird am Beispiel eines potentiellen Transportproteins in Plasmodium falciparum exemplarisch dargestellt. Anschließend wird das Zusammenwirken von regulatorischen Elementen und Dom{\"a}nen in Netzwerken betrachtet (einschließlich experimenteller Daten). Dies kann einerseits zu allgemeineren Schlussfolgerungen {\"u}ber das Netzwerkverhalten f{\"u}hren, andererseits f{\"u}r konkrete Anwendungen genutzt werden. Als Beispiel w{\"a}hlten wir hier Redoxnetzwerke und die Bek{\"a}mpfung von Plasmodien als Verursacher der Malaria. Da das gesamte Redoxnetzwerk einer lebenden Zelle mit Methoden der pH Wert Messung nur unzureichend zu erfassen ist, werden als alternative Messmethode f{\"u}r dieses Netzwerk Mikrokristalle der Glutathionreduktase als Indikatorsystem nach digitaler Verst{\"a}rkung experimentell genutzt (H. Bertram, M. A. Keese, C. Boulin, R. H. Schirmer, R. Pepperkok, T. Dandekar (2002) Chemical Nanotechnology Talks III - Nano for Life Sciences). Um komplexe Redoxnetzwerke auch bioinformatisch zu modulieren, werden Verfahren der metabolischen Fluxanalyse vorgestellt und verbessert, um insbesondere ihrer Verzahnung besser gerecht zu werden und solche Netzwerke mit m{\"o}glichst wenig elementaren Flussmoden zutreffend beschreiben zu k{\"o}nnen. Die Reduktion der Anzahl von Elementarmoden bei sehr großen metabolischen Netzwerken einer Zelle gelingt hier mit Hilfe unterschiedlicher Methoden und f{\"u}hrt zu einer vereinfachten Darstellungsm{\"o}glichkeit komplexer Stoffwechselwege von Metaboliten. Dabei dient bei jeder dieser Methoden die biochemisch sinnvolle Definition von externen Metaboliten als Grundlage (T. Dandekar, F. Moldenhauer, S. Bulik, H. Bertram, S. Schuster (2003) Biosystems 70(3): 255-70). Allgemeiner werden Verfahren der Proteindom{\"a}nenklassifikation sowie neue Strategien gegen mikrobielle Erreger betrachtet. In Bezug auf automatisierte Einteilung von Proteinen in Dom{\"a}nen wird ein neues System von Taylor (2002b) mit bekannten Systemen verglichen, die in unterschiedlichem Umfang menschlichen Eingriffs bed{\"u}rfen (H. Bertram, T. Dandekar (2002) Chemtracts 15: 735-9). Außerdem wurde neben einer Arbeit {\"u}ber die verschiedenen Methoden aus den Daten eines Genoms Informationen {\"u}ber das metabolische Netzwerk der Zelle zu erlangen (H. Bertram, T. Dandekar (2004) it 46(1): 5-11) auch eine {\"U}bersicht {\"u}ber die Schwerpunkte der Bioinformatik in W{\"u}rzburg zusammengestellt (H. Bertram, S. Balthasar, T. Dandekar (2003) Bioforum 1-2: 26-7). Schließlich wird beschrieben, wie die Pathogenomik und Virulenz von Bakterien der bioinformatischen Analyse zug{\"a}nglich gemacht werden k{\"o}nnen (H. Bertram, S. Balthasar, T. Dandekar (2003) Bioforum Eur. 3: 157-9). Im letzten Teil wird die metabolische Fluxanalyse zur Identifikation neuer Strategien zur Bek{\"a}mpfung von Plasmodien dargestellt: Beim Vergleich der Stoffwechselwege mit Glutathion und Thioredoxin in Plasmodium falciparum, Anopheles und Mensch geht es darum, gezielte St{\"o}rungen im Stoffwechsel des Malariaerregers auszul{\"o}sen und dabei den Wirt zu schonen. Es ergeben sich einige interessante Ansatzpunkte, deren medizinische Nutzung experimentell angestrebt werden kann.}, subject = {Plasmodium falciparum}, language = {de} } @phdthesis{Pischimarov2016, author = {Pischimarov, Jordan Ivanov}, title = {Bioinformatische Methoden zur Identifizierung und Klassifizierung somatischer Mutationen in h{\"a}matologischen Erkrankungen}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-147773}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2016}, abstract = {Die Sequenzierungstechnologien entwickeln sich stetig weiter, dies erm{\"o}glicht eine zuvor nicht erreichte Ausbeute an experimentellen Daten und auch an Neuentwicklungen von zuvor nicht realisierbaren Experimenten. Zugleich werden spezifische Datenbanken, Algorithmen und Softwareprogramme entwickelt, um die neu entstandenen Daten zu analysieren. W{\"a}hrend der Untersuchung bioinformatischer Methoden f{\"u}r die Identifizierung und Klassifizierung somatischer Mutationen in h{\"a}matologischen Erkrankungen, zeigte sich eine hohe Vielfalt an alternativen Softwaretools die f{\"u}r die jeweiligen Analyseschritte genutzt werden k{\"o}nnen. Derzeit existiert noch kein Standard zur effizienten Analyse von Mutationen aus Next-Generation-Sequencing (NGS)-Daten. Die unterschiedlichen Methoden und Pipelines generieren Kandidaten, die zum gr{\"o}ßten Anteil in allen Ans{\"a}tzen identifiziert werden k{\"o}nnen, jedoch werden Software spezifische Kandidaten nicht einheitlich detektiert. Um eine einheitliche und effiziente Analyse von NGS-Daten durchzuf{\"u}hren war im Rahmen dieser Arbeit die Entwicklung einer benutzerfreundlichen und einheitlichen Pipeline vorgesehen. Hierf{\"u}r wurden zun{\"a}chst die essentiellen Analysen wie die Identifizierung der Basen, die Alignierung und die Identifizierung der Mutationen untersucht. Des Weiteren wurden unter Ber{\"u}cksichtigung von Effizienz und Performance diverse verf{\"u}gbare Softwaretools getestet, ausgewertet und sowohl m{\"o}gliche Verbesserungen als auch Erleichterungen der bisherigen Analysen vorgestellt und diskutiert. Durch Mitwirken in Konsortien wie der klinischen Forschergruppe 216 (KFO 216) und International Cancer Genome Consortium (ICGC) oder auch bei Haus-internen Projekten wurden Datens{\"a}tze zu den Entit{\"a}ten Multiples Myelom (MM), Burkitt Lymphom (BL) und Follikul{\"a}res Lymphom (FL) erstellt und analysiert. Die Selektion geeigneter Softwaretools und die Generierung der Pipeline basieren auf komparativen Analysen dieser Daten, sowie auf geteilte Ergebnisse und Erfahrungen in der Literatur und auch in Foren. Durch die gezielte Entwicklung von Skripten konnten biologische und klinische Fragestellungen bearbeitet werden. Hierzu z{\"a}hlten eine einheitliche Annotation der Gennamen, sowie die Erstellung von Genmutations-Heatmaps mit nicht Variant-Calling-File (VCF)-Syntax konformen Dateien. Des Weiteren konnten nicht abgedeckte Regionen des Genoms in den NGS-Daten identifiziert und analysiert werden. Neue Projekte zur detaillierten Untersuchung der Verteilung von wiederkehrender Mutationen und Funktionsassays zu einzelnen Mutationskandidaten konnten basierend auf den Ergebnissen initiiert werden. Durch eigens erstellte Python-Skripte konnte somit die Funktionalit{\"a}t der Pipeline erweitert werden und zu wichtigen Erkenntnissen bei der biologischen Interpretation der Sequenzierungsdaten f{\"u}hren, wie beispielsweise zu der Detektion von drei neuen molekularen Subgruppen im MM. Die Erweiterungen, der in dieser Arbeit entwickelten Pipeline verbesserte somit die Effizienz der Analyse und die Vergleichbarkeit unserer Daten. Des Weiteren konnte durch die Erstellung eines eigenen Skripts die Analyse von unbeachteten Regionen in den NGS-Daten erfolgen.}, subject = {Pipeline-Rechner}, language = {de} } @phdthesis{Krueger2012, author = {Kr{\"u}ger, Beate}, title = {Integration und Kombination bioinformatischer Methoden in Biotechnologie, synthetischer Biologie und Pharmaindustrie}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-70702}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2012}, abstract = {Die Bioinformatik ist eine interdisziplin{\"a}re Wissenschaft, welche Probleme aus allen Lebenswissenschaften mit Hilfe computergest{\"u}tzter Methoden bearbeitet. Ihr Ziel ist es, die Verarbeitung und Interpretation großer Datenmengen zu erm{\"o}glichen. Zudem unterst{\"u}tzt sie den Designprozess von Experimenten in der Synthetischen Biologie. Die synthetische Biologie besch{\"a}ftigt sich mit der Generierung neuer Komponenten und deren Eigenschaften, welche durch die Behandlung und Manipulation lebender Organismen oder Teilen daraus entstehen. Ein besonders interessantes Themengebiet hierbei sind Zweikomponenten-Systeme (Two-Component System, TCS). TCS sind wichtige Signalkaskaden in Bakterien, welche in der Lage sind Informationen aus der Umgebung in eine Zelle zu {\"u}bertragen und darauf zu reagieren. Die vorliegende Dissertation besch{\"a}ftigt sich mit der Beurteilung, Nutzung und Weiterentwicklung von bioinformatischen Methoden zur Untersuchung von Proteininteraktionen und biologischen Systemen. Der wissenschaftliche Beitrag der vorliegenden Arbeit kann in drei Aspekte unterteilt werden: - Untersuchung und Beurteilung von bioinformatischen Methoden und Weiterf{\"u}hrung der Ergebnisse aus der vorhergehenden Diplomarbeit zum Thema Protein-Protein-Interaktionsvorhersagen. - Analyse genereller evolution{\"a}rer Modifikationsm{\"o}glichkeiten von TCS sowie deren Design und spezifische Unterschiede. - Abstraktion bzw. Transfer der gewonnenen Erkenntnisse auf technische und biologische Zusammenh{\"a}nge. Mit dem Ziel das Design neuer Experimente in der synthetischen Biologie zu vereinfachen und die Vergleichbarkeit von technischen und biologischen Prozessen sowie zwischen Organismen zu erm{\"o}glichen. Das Ergebnis der durchgef{\"u}hrten Studie zeigte, dass Zweikomponenten-Systeme in ihrem Aufbau sehr konserviert sind. Nichtsdestotrotz konnten viele spezifische Eigenschaften und drei generelle Modifikationsm{\"o}glichkeiten entdeckt werden. Die Untersuchungen erm{\"o}glichten die Identifikation neuer Promotorstellen, erlaubten aber auch die Beschreibung der Beschaffenheit unterschiedlicher Signalbindestellen. Zudem konnten bisher fehlende Komponenten aus TCS entdeckt werden, ebenso wie neue divergierte TCS-Dom{\"a}nen im Organismus Mycoplasma. Eine Kombination aus technischen Ans{\"a}tzen und synthetischer Biologie vereinfachte die gezielte Manipulation von TCS oder anderen modularen Systemen. Die Etablierung der vorgestellten zweistufigen Modul-Klassifikation erm{\"o}glichte eine effizientere Analyse modular aufgebauter Prozesse und erlaubte somit das molekulare Design synthetischer, biologischer Anwendungen. Zur einfachen Nutzung dieses Ansatzes wurde eine frei zug{\"a}ngliche Software GoSynthetic entwickelt. Konkrete Beispiele demonstrierten die praktische Anwendbarkeit dieser Analysesoftware. Die vorgestellte Klassifikation der synthetisch-biologischen und technischen Einheiten soll die Planung zuk{\"u}nftiger Designexperimente vereinfachen und neue Wege f{\"u}r sinnverwandte Bereiche aufzeigen. Es ist nicht die Hauptaufgabe der Bioinformatik, Experimente zu ersetzen, sondern resultierende große Datenmengen sinnvoll und effizient auszuwerten. Daraus sollen neue Ideen f{\"u}r weitere Analysen und alternative Anwendungen gewonnen werden, um fehlerhafte oder falsche Ans{\"a}tze fr{\"u}hzeitig zu erkennen. Die Bioinformatik bietet moderne, technische Verfahren, um vertraute, aber oft m{\"u}hsame experimentelle Wege durch neue, vielversprechende Ans{\"a}tze zur Datenstrukturierung und Auswertung großer Datenmengen zu erg{\"a}nzen. Neue Sichtweisen werden durch die Erleichterung des Testprozederes gef{\"o}rdert. Die resultierende Zeitersparnis f{\"u}hrt zudem zu einer Kostenreduktion.}, subject = {Biotechnologie}, language = {de} } @phdthesis{Cecil2012, author = {Cecil, Alexander [geb. Schmid]}, title = {Metabolische Netzwerkanalysen f{\"u}r den Weg von xenobiotischen zu vertr{\"a}glichen antibiotischen Substanzen}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-71866}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2012}, abstract = {Durch das Auftreten neuer St{\"a}mme resistenter Krankheitserreger ist die Suche nach neuartigen Wirkstoffen gegen diese, sich st{\"a}ndig weiter ausbreitende Bedrohung, dringend notwendig. Der interdisziplin{\"a}re Sonderforschungsbereich 630 der Universit{\"a}t W{\"u}rzburg stellt sich dieser Aufgabe, indem hier neuartige Xenobiotika synthetisiert und auf ihre Wirksamkeit getestet werden. Die hier vorgelegte Dissertation f{\"u}gt sich hierbei nahtlos in die verschiedenen Fachbereiche des SFB630 ein: Sie stellt eine Schnittstelle zwischen Synthese und Analyse der Effekte der im Rahmen des SFB630 synthetisierten Isochinolinalkaloid-Derivaten. Mit den hier angewandten bioinformatischen Methoden wurden zun{\"a}chst die wichtigsten Stoffwechselwege von S. epidermidis R62A, S. aureus USA300 und menschlicher Zellen in sogenannten metabolischen Netzwerkmodellen nachgestellt. Basierend auf diesen Modellen konnten Enzymaktivit{\"a}ten f{\"u}r verschiedene Szenarien an zugesetzten Xenobiotika berechnet werden. Die hierf{\"u}r ben{\"o}tigten Daten wurden direkt aus Genexpressionsanalysen gewonnen. Die Validierung dieser Methode erfolgte durch Metabolommessungen. Hierf{\"u}r wurde S. aureus USA300 mit verschiedenen Konzentrationen von IQ-143 behandelt und gem{\"a}ß dem in dieser Dissertation vorgelegten Ernteprotokoll aufgearbeitet. Die Ergebnisse hieraus lassen darauf schließen, dass IQ-143 starke Effekte auf den Komplex 1 der Atmungskette aus{\"u}bt - diese Resultate decken sich mit denen der metabolischen Netzwerkanalyse. F{\"u}r den Wirkstoff IQ-238 ergaben sich trotz der strukturellen {\"A}hnlichkeiten zu IQ-143 deutlich verschiedene Wirkeffekte: Dieser Stoff verursacht einen direkten Abfall der Enzymaktivit{\"a}ten in der Glykolyse. Dadurch konnte eine unspezifische Toxizit{\"a}t dieser Stoffe basierend auf ihrer chemischen Struktur ausgeschlossen werden. Weiterhin konnten die bereits f{\"u}r IQ-143 und IQ-238 auf Bakterien angewandten Methoden erfolgreich zur Modellierung der Effekte von Methylenblau auf verschiedene resistente St{\"a}mme von P. falciparum 3D7 angewandt werden. Dadurch konnte gezeigt werden, dass Methylenblau in einer Kombination mit anderen Pr{\"a}paraten gegen diesen Parasiten zum einen die Wirkung des Prim{\"a}rpr{\"a}parates verst{\"a}rkt, zum anderen aber auch in gewissem Maße vorhandene Resistenzen gegen das Prim{\"a}rpr{\"a}parat zu verringern vermag. Somit konnte durch die vorgelegte Arbeit eine Pipeline zur Identifizierung der metabolischen Effekte verschiedener Wirkstoffe auf unterschiedliche Krankheitserreger erstellt werden. Diese Pipeline kann jederzeit auf andere Organismen ausgeweitet werden und stellt somit einen wichtigen Ansatz um Netzwerkeffekte verschiedener, potentieller Medikamente aufzukl{\"a}ren.}, subject = {Stoffwechsel}, language = {de} } @phdthesis{Schwarz2008, author = {Schwarz, Roland}, title = {Modellierung von Metabolismus, Transkriptom und Zellentwicklung bei Arabidopsis, Listerien und anderen Organismen}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-27622}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2008}, abstract = {Im gleichen Maße wie informatisches Wissen mehr und mehr in den wissenschaftlichen Alltag aller Lebenswissenschaften Einzug gehalten hat, hat sich der Schwerpunkt bioinformatischer Forschung in st{\"a}rker mathematisch und informatisch-orientierte Themengebiete verschoben. Bioinformatik heute ist mehr als die computergest{\"u}tzte Verarbeitung großer Mengen an biologischen Daten, sondern hat einen entscheidenden Fokus auf der Modellierung komplexer biologischer Systeme. Zur Anwendung kommen hierbei insbesondere Theorien aus dem Bereich der Stochastik und Statistik, des maschinellen Lernens und der theoretischen Informatik. In der vorliegenden Dissertation beschreibe ich in Fallstudien die systematische Modellierung biologischer Systeme aus einem informatisch - mathematischen Standpunkt unter Anwendung von Verfahren aus den genannten Teilbereichen und auf unterschiedlichen Ebenen biologischer Abstraktion. Ausgehend von der Sequenzinformation {\"u}ber Transkriptom, Metabolom und deren regulatorischer Interaktion hin zur Modellierung von Populationseffekten werden hierbei aktuelle biologische Fragestellungen mit mathematisch - informatischen Modellen und einer Vielzahl experimenteller Daten kombiniert. Ein besonderer Augenmerk liegt dabei auf dem Vorgang der Modellierung und des Modellbegriffs als solchem im Rahmen moderner bioinformatischer Forschung. Im Detail umfassen die Projekte (mehrere Publikationen) die Entwicklung eines neuen Ansatzes zur Einbettung und Visualisierung von Multiplen Sequenz- und Sequenz-Strukturalignments, illustriert am Beispiel eines Hemagglutininalignments unterschiedlicher H5N1 Varianten, sowie die Modellierung des Transkriptoms von A. thaliana, bei welchem mit Hilfe einer kernelisierten nicht-parametrischen Metaanalyse neue, an der Infektionsabwehr beteiligten, Gene ausfindig gemacht werden konnten. Desweiteren ist uns mit Hilfe unserer Software YANAsquare eine detaillierte Untersuchung des Metabolismus von L. monocytogenes unter Aktivierung des Transkriptionsfaktors prfA gelungen, dessen Vorhersagen durch experimentelle 13C Isotopologstudien belegt werden konnten. In einem Anschlußprojekt war der Zusammenhang zwischen Regulation des Metabolismus durch Regulation der Genexpression und der Fluxverteilung des metabolischen Steady- State-Netzwerks das Ziel. Die Modellierung eines komplexen organismischen Ph{\"a}notyps, der Zellgr{\"o}ßenentwicklung der Diatomee Pseudo-nitzschia delicatissima, schließt die Untersuchungen ab.}, subject = {Bioinformatik}, language = {de} } @phdthesis{Philippi2011, author = {Philippi, Nicole}, title = {Modellierung von Signalwegen in verschiedenen biologischen Systemen}, url = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-57690}, school = {Universit{\"a}t W{\"u}rzburg}, year = {2011}, abstract = {Die Apoptose der Leberzellen ist abh{\"a}ngig von externen Signalen wie beispielsweise Komponenten der Extrazellul{\"a}ren Matrix sowie anderen Zell-Zell-Kontakten, welche von einer Vielfalt und Vielzahl an Knoten verarbeitet werden. Einige von ihnen wurden im Rahmen dieser Arbeit auf ihre Systemeffekte hin unter- sucht. Trotz verschiedener {\"a}ußerer Einfl{\"u}sse und nat{\"u}rlicher Selektion ist das System daraufhin optimiert, eine kleine Anzahl verschiedener und klar voneinander unterscheidbarer Systemzust{\"a}nde anzunehmen. Die verschiedenartigen Einfl{\"u}sse und Crosstalk-Mechanismen dienen der Optimierung der vorhandenen Systemzust{\"a}nde. Das in dieser Arbeit vorgestellte Modell zeigt zwei apoptotische sowie zwei nicht-apoptotische stabile Systemzust{\"a}nde, wobei der Grad der Aktivierung eines Knotens bis zu dem Moment stark variieren kann, in welchem der absolute Systemzustand selbst ver{\"a}ndert wird (Philippi et al., BMC Systems Biology,2009) [1]. Dieses Modell stellt zwar eine Vereinfachung des gesamten zellul{\"a}ren Netzwerkes und seiner verschiedenen Zust{\"a}nde dar, ist aber trotz allem in der Lage, unabh{\"a}ngig von detaillierten kinetischen Daten und Parametern der einzelnen Knoten zu agieren. Gleichwohl erlaubt das Modell mit guter qualitativer {\"U}bereinstimmung die Apoptose als Folge einer Stimulation mit FasL zu modellieren. Weiterhin umfasst das Modell sowohl Crosstalk-M{\"o}glichkeiten des Collagen-Integrin-Signalwegs, ebenso ber{\"u}cksichtigt es die Auswirkungen der genetischen Deletion von Bid sowie die Konsequenzen einer viralen Infektion. In einem zweiten Teil werden andere Anwendungsm{\"o}glichkeiten dargestellt. Hormonale Signale in Pflanzen, Virusinfektionen und intrazellul{\"a}re Kommunikation werden semi-quantitativ modelliert. Auch hier zeigte sich eine gute Ubereinstimmung der Modelle mit den experimentellen Daten.}, subject = {Systembiologie}, language = {de} }