@article{PinkertSchultzReichardt2010,
  author    = {Pinkert, Stefan and Schultz, Joerg and Reichardt, Joerg},
  title     = {Protein Interaction Networks-More Than Mere Modules},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-68426},
  year      = {2010},
  abstract  = {It is widely believed that the modular organization of cellular function is reflected in a modular structure of molecular networks. A common view is that a ''module'' in a network is a cohesively linked group of nodes, densely connected internally and sparsely interacting with the rest of the network. Many algorithms try to identify functional modules in protein-interaction networks (PIN) by searching for such cohesive groups of proteins. Here, we present an alternative approach independent of any prior definition of what actually constitutes a ''module''. In a self-consistent manner, proteins are grouped into ''functional roles'' if they interact in similar ways with other proteins according to their functional roles. Such grouping may well result in cohesive modules again, but only if the network structure actually supports this. We applied our method to the PIN from the Human Protein Reference Database (HPRD) and found that a representation of the network in terms of cohesive modules, at least on a global scale, does not optimally represent the network's structure because it focuses on finding independent groups of proteins. In contrast, a decomposition into functional roles is able to depict the structure much better as it also takes into account the interdependencies between roles and even allows groupings based on the absence of interactions between proteins in the same functional role. This, for example, is the case for transmembrane proteins, which could never be recognized as a cohesive group of nodes in a PIN. When mapping experimental methods onto the groups, we identified profound differences in the coverage suggesting that our method is able to capture experimental bias in the data, too. For example yeast-two-hybrid data were highly overrepresented in one particular group. Thus, there is more structure in protein-interaction networks than cohesive modules alone and we believe this finding can significantly improve automated function prediction algorithms.},
  subject      = {Netzwerk},
  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}
}
@article{HeidrichPinkertBrandletal.2021,
  author    = {Heidrich, Lea and Pinkert, Stefan and Brandl, Roland and B{\"a}ssler, Claus and Hacker, Hermann and Roth, Nicolas and Busse, Annika and M{\"u}ller, J{\"o}rg and Friess, Nicolas},
  title     = {Noctuid and geometrid moth assemblages show divergent elevational gradients in body size and color lightness},
  series = {Ecography},
  volume    = {44},
  journal   = {Ecography},
  number    = {8},
  doi       = {10.1111/ecog.05558},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-256694},
  pages     = {1169-1179},
  year      = {2021},
  abstract  = {Previous macroecological studies have suggested that larger and darker insects are favored in cold environments and that the importance of body size and color for the absorption of solar radiation is not limited to diurnal insects. However, whether these effects hold true for local communities and are consistent across taxonomic groups and sampling years remains unexplored. This study examined the variations in body size and color lightness of the two major families of nocturnal moths, Geometridae and Noctuidae, along an elevational gradient of 700 m in Southern Germany. An assemblage-based analysis was performed using community-weighted means and a fourth-corner analysis to test for variations in color and body size among communities as a function of elevation. This was followed by a species-level analysis to test whether species occurrence and abundance along an elevation gradient were related to these traits, after controlling for host plant availability. In both 2007 and 2016, noctuid moth assemblages became larger and darker with increasing elevation, whereas geometrids showed an opposite trend in terms of color lightness and no clear trend in body size. In single species models, the abundance of geometrids, but not of noctuids, was driven by habitat availability. In turn, the abundance of dark-colored noctuids, but not geometrids increased with elevation. While body size and color lightness affect insect physiology and the ability to cope with harsh conditions, divergent trait-environment relationships between both families underline that findings of coarse-scale studies are not necessarily transferable to finer scales. Local abundance and occurrence of noctuids are shaped by morphological traits, whereas that of geometrids are rather shaped by local habitat availability, which can modify their trait-environment-relationship. We discuss potential explanations such as taxon-specific flight characteristics and the effect of microclimatic conditions.},
  language  = {en}
}