TY - THES A1 - Breitenbach, Tim T1 - A mathematical optimal control based approach to pharmacological modulation with regulatory networks and external stimuli T1 - Ein auf mathematischer Optimalkontrolle basierender Ansatz für pharmakologische Modulation mit regulatorischen Netzwerken und externen Stimuli N2 - In this work models for molecular networks consisting of ordinary differential equations are extended by terms that include the interaction of the corresponding molecular network with the environment that the molecular network is embedded in. These terms model the effects of the external stimuli on the molecular network. The usability of this extension is demonstrated with a model of a circadian clock that is extended with certain terms and reproduces data from several experiments at the same time. Once the model including external stimuli is set up, a framework is developed in order to calculate external stimuli that have a predefined desired effect on the molecular network. For this purpose the task of finding appropriate external stimuli is formulated as a mathematical optimal control problem for which in order to solve it a lot of mathematical methods are available. Several methods are discussed and worked out in order to calculate a solution for the corresponding optimal control problem. The application of the framework to find pharmacological intervention points or effective drug combinations is pointed out and discussed. Furthermore the framework is related to existing network analysis tools and their combination for network analysis in order to find dedicated external stimuli is discussed. The total framework is verified with biological examples by comparing the calculated results with data from literature. For this purpose platelet aggregation is investigated based on a corresponding gene regulatory network and associated receptors are detected. Furthermore a transition from one to another type of T-helper cell is analyzed in a tumor setting where missing agents are calculated to induce the corresponding switch in vitro. Next a gene regulatory network of a myocardiocyte is investigated where it is shown how the presented framework can be used to compare different treatment strategies with respect to their beneficial effects and side effects quantitatively. Moreover a constitutively activated signaling pathway, which thus causes maleficent effects, is modeled and intervention points with corresponding treatment strategies are determined that steer the gene regulatory network from a pathological expression pattern to physiological one again. N2 - In dieser Arbeit werden Modelle für molekulare Netzwerke bestehend aus gewöhnlichen Differentialgleichungen durch Terme erweitert, die die Wechselwirkung zwischen dem entsprechenden molekularen Netzwerk und der Umgebung berücksichtigen, in die das molekulare Netzwerk eingebettet ist. Diese Terme modellieren die Effekte von externen Stimuli auf das molekulare Netzwerk. Die Nutzbarkeit dieser Erweiterung wird mit einem Modell der circadianen Uhr demonstriert, das mit gewissen Termen erweitert wird und Daten von mehreren verschiedenen Experimenten zugleich reproduziert. Sobald das Modell einschließlich der externen Stimuli aufgestellt ist, wird eine Grundstruktur entwickelt um externe Stimuli zu berechnen, die einen gewünschten vordefinierte Effekt auf das molekulare Netzwerk haben. Zu diesem Zweck wird die Aufgabe, geeignete externe Stimuli zu finden, als ein mathematisches optimales Steuerungsproblem formuliert, für welches, um es zu lösen, viele mathematische Methoden zur Verfügung stehen. Verschiedene Methoden werden diskutiert und ausgearbeitet um eine Lösung für das entsprechende optimale Steuerungsproblem zu berechnen. Auf die Anwendung dieser Grundstruktur pharmakologische Interventionspunkte oder effektive Wirkstoffkombinationen zu finden, wird hingewiesen und diese diskutiert. Weiterhin wird diese Grundstruktur in Bezug zu existierenden Netzwerkanalysewerkzeugen gesetzt und ihre Kombination für die Netzwerkanalyse diskutiert um zweckbestimmte externe Stimuli zu finden. Die gesamte Grundstruktur wird mit biologischen Beispielen verifiziert, indem man die berechneten Ergebnisse mit Daten aus der Literatur vergleicht. Zu diesem Zweck wird die Blutplättchenaggregation untersucht basierend auf einem entsprechenden genregulatorischen Netzwerk und damit assoziierte Rezeptoren werden detektiert. Weiterhin wird ein Wechsel von einem T-Helfer Zelltyp in einen anderen in einer Tumorumgebung analysiert, wobei fehlende Agenzien berechnet werden um den entsprechenden Wechsel in vitro zu induzieren. Als nächstes wird ein genregulatorisches Netzwerk eines Myokardiozyten untersucht, wobei gezeigt wird wie die präsentierte Grundstruktur genutzt werden kann um verschiedene Behandlungsstrategien in Bezug auf ihre nutzbringenden Wirkungen und Nebenwirkungen quantitativ zu vergleichen. Darüber hinaus wird ein konstitutiv aktivierter Signalweg, der deshalb unerwünschte Effekte verursacht, modelliert und Interventionspunkte mit entsprechenden Behandlungsstrategien werden bestimmt, die das genregulatorische Netzwerk wieder von einem pathologischen Expressionsmuster zu einem physiologischen steuern. KW - Bioinformatik KW - systematic drug targeting KW - optimal drug combination KW - disease modelling KW - external stimuli KW - intervention point analyzing KW - Molekülsystem KW - Reiz Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-174368 ER - TY - THES A1 - Yu, Sung-Huan T1 - Development and application of computational tools for RNA-Seq based transcriptome annotations T1 - Entwicklung und Anwendung bioinformatischer Werkzeuge für RNA-Seq-basierte Transkriptom-Annotationen N2 - In order to understand the regulation of gene expression in organisms, precise genome annotation is essential. In recent years, RNA-Seq has become a potent method for generating and improving genome annotations. However, this Approach is time consuming and often inconsistently performed when done manually. In particular, the discovery of non-coding RNAs benefits strongly from the application of RNA-Seq data but requires significant amounts of expert knowledge and is labor-intensive. As a part of my doctoral study, I developed a modular tool called ANNOgesic that can detect numerous transcribed genomic features, including non-coding RNAs, based on RNA-Seq data in a precise and automatic fashion with a focus on bacterial and achaeal species. The software performs numerous analyses and generates several visualizations. It can generate annotations of high-Resolution that are hard to produce using traditional annotation tools that are based only on genome sequences. ANNOgesic can detect numerous novel genomic Features like UTR-derived small non-coding RNAs for which no other tool has been developed before. ANNOgesic is available under an open source license (ISCL) at https://github.com/Sung-Huan/ANNOgesic. My doctoral work not only includes the development of ANNOgesic but also its application to annotate the transcriptome of Staphylococcus aureus HG003 - a strain which has been a insightful model in infection biology. Despite its potential as a model, a complete genome sequence and annotations have been lacking for HG003. In order to fill this gap, the annotations of this strain, including sRNAs and their functions, were generated using ANNOgesic by analyzing differential RNA-Seq data from 14 different samples (two media conditions with seven time points), as well as RNA-Seq data generated after transcript fragmentation. ANNOgesic was also applied to annotate several bacterial and archaeal genomes, and as part of this its high performance was demonstrated. In summary, ANNOgesic is a powerful computational tool for RNA-Seq based annotations and has been successfully applied to several species. N2 - Exakte Genomannotationen sind essentiell für das Verständnis Genexpressionsregulation in verschiedenen Organismen. In den letzten Jahren entwickelte sich RNA-Seq zu einer äußerst wirksamen Methode, um solche Genomannotationen zu erstellen und zu verbessern. Allerdings ist das Erstellen von Genomannotationen bei manueller Durchführung noch immer ein zeitaufwändiger und inkonsistenter Prozess. Die Verwendung von RNA-Seq-Daten begünstigt besonders die Identifizierung von nichtkodierenden RNAs, was allerdings arbeitsintensiv ist und fundiertes Expertenwissen erfordert. Ein Teil meiner Promotion bestand aus der Entwicklung eines modularen Tools namens ANNOgesic, das basierend auf RNA-Seq-Daten in der Lage ist, eine Vielzahl von Genombestandteilen, einschließlich nicht-kodierender RNAs, automatisch und präzise zu ermitteln. Das Hauptaugenmerk lag dabei auf der Anwendbarkeit für bakterielle und archaeale Genome. Die Software führt eine Vielzahl von Analysen durch und stellt die verschiedenen Ergebnisse grafisch dar. Sie generiert hochpräzise Annotationen, die nicht unter Verwendung herkömmlicher Annotations-Tools auf Basis von Genomsequenzen erzeugt werden könnten. Es kann eine Vielzahl neuer Genombestandteile, wie kleine nicht-kodierende RNAs in UTRs, ermitteln, welche von bisherigen Programme nicht vorhergesagt werden können. ANNOgesic ist unter einer Open-Source-Lizenz (ISCL) auf https://github.com/Sung-Huan/ANNOgesic verfügbar. Meine Forschungsarbeit beinhaltet nicht nur die Entwicklung von ANNOgesic, sondern auch dessen Anwendung um das Transkriptom des Staphylococcus aureus-Stamms HG003 zu annotieren. Dieser ist einem Derivat von S. aureus NCTC8325 - ein Stamm, Dear ein bedeutendes Modell in der Infektionsbiologie darstellt. Zum Beispiel wurde er für die Untersuchung von Antibiotikaresistenzen genutzt, da er anfällig für alle bekannten Antibiotika ist. Der Elternstamm NCTC8325 besitzt zwei Mutationen im regulatorischen Genen (rsbU und tcaR), die Veränderungen der Virulenz zur Folge haben und die in Stamm HG003 auf die Wildtypsequenz zurückmutiert wurden. Dadurch besitzt S. aureus HG003 das vollständige, ursprüngliche Regulationsnetzwerk und stellt deshalb ein besseres Modell zur Untersuchung von sowohl Virulenz als auch Antibiotikaresistenz dar. Trotz seines Modellcharakters fehlten für HG003 bisher eine vollständige Genomsequenz und deren Annotationen. Um diese Lücke zu schließen habe ich als Teil meiner Promotion mit Hilfe von ANNOgesic Annotationen für diesen Stamm, einschließlich sRNAs und ihrer Funktionen, generiert. Dafür habe ich Differential RNA-Seq-Daten von 14 verschiedenen Proben (zwei Mediumsbedingungen mit sieben Zeitpunkten) sowie RNA-Seq-Daten, die von fragmentierten Transkripten generiert wurden, analysiert. Neben S. aureus HG003 wurde ANNOgesic auf eine Vielzahl von Bakterien- und Archaeengenome angewendet und dabei wurde eine hohe Performanz demonstriert. Zusammenfassend kann gesagt werden, dass ANNOgesic ein mächtiges bioinformatisches Werkzeug für die RNA-Seq-basierte Annotationen ist und für verschiedene Spezies erfolgreich angewandt wurde. KW - RNA-Seq KW - Genome Annotation KW - small RNA KW - Genom KW - Annotation KW - Small RNA KW - Bioinformatik Y1 - 2019 U6 - http://nbn-resolving.de/urn/resolver.pl?urn:nbn:de:bvb:20-opus-176468 ER -