Refine
Has Fulltext
- yes (13)
Is part of the Bibliography
- yes (13)
Document Type
- Journal article (12)
- Doctoral Thesis (1)
Keywords
- bioinformatics (3)
- lung cancer (2)
- machine learning (2)
- 3D tissue models (1)
- 3D-Zellkulturen (Krebstherapie) (1)
- BRAF mutation (1)
- Biology (1)
- Cell surface proteomics (1)
- Chagas diagnosis (1)
- Chagas disease (1)
Institute
Sonstige beteiligte Institutionen
Der Einsatz von computergestützten Analysen hat sich zu einem festen Bestandteil der biowissenschaftlichen Forschung etabliert. Im Rahmen dieser vorliegenden Arbeit wurden systembiologische Untersuchungen auf verschiedene biologische Themengebiete und Organismen angewendet. In diesem Zusammenhang liefert die Arbeit einen innovativen und interdisziplinären methodischen Ansatz. Die grundlegende Frage lautet: Wie verstehe und beschreibe ich Signalwege und wie kann ich sie beeinflussen? Der Ansatz verknüpft verschiedene biologische Datensätze und Datenebenen miteinander, beginnend vom Genom und Interaktionskontext über semiquantitative Simulationen hin zu neuen Interventionen und Experimenten, welche therapeutisch und biotechnologisch genutzt werden können. Die Analysen können auf diese Weise
- zu einem besseren Verständnis experimenteller Daten und biologischer Fragestellungen beitragen und ermöglichen ein systematisches Verständnis der zugrunde liegenden Signalwege und Netzwerkeffekte (z.B. in Pflanzen).
- Darüber hinaus ermöglichen sie die Identifizierung wichtiger funktioneller Hubproteine und die Entwicklung neuer therapeutischer Strategien für weitere experimentelle Testungen (z.B. Tumormodelle),
- stellen zudem einen hilfreichen Schritt auf dem Weg zur personalisierten Medizin (z.B. lncRNAs und Tumormodelle) und Medikamentenentwicklung (z.B. Datenbank DrumPID) dar.
(i) Als Grundlage wurde hierzu eine integrierte systembiologische Methode entwickelt, welche experimentelle Daten (z.B. Transkriptomdaten) hinsichtlich ihrer biologischen Funktionen untersucht und die Identifizierung relevanter funktioneller Cluster und Hubproteine ermöglicht. In einem ersten Teil wurden Analysen zum pflanzlichen Immunsystem durchgeführt. Mithilfe der entwickelten Methode wurden Genexpressionsdatensätze von A. thaliana, die mit dem Pathogen Pst DC3000 infiziert wurden, untersucht, um den Einfluss verschiedener Virulenzfaktoren auf das Interaktom der Wirtspflanze zu untersuchen und neue Modulatoren einer CK-vermittelten Immunabwehr zu finden. In diesem Zusammenhang konnte gezeigt werden, dass die von Pst DC3000 sekretierten Abwehrstoffe wichtige pflanzliche Hormonsignalwege für die Immunabwehr in A. thaliana beeinflussen. Die Ergebnisse zeigen zudem, dass sich der Einfluss auf das Netzwerkverhalten der Effektorproteine und COR-Phytotoxine von dem der PAMPs unterscheidet, sich jedoch auch eine Regulierung gemeinsamer Signalwege und eine Überlappung der beiden Phasen der Immunantwort (PTI und ETI) in A. thaliana finden lassen. Die komplexe Immunantwort auf eine Infektion spiegelt sich zudem in einer höheren Anzahl an funktionellen Clustern und Hubproteinen in Pst DC3000 gegenüber den beiden untersuchten Mutanten wider, wobei sich für Pst DC3000 insbesondere ein stark vernetztes immunrelevantes Cluster um den JA-Signalweg zeigt. Weiterhin wurden anhand der entwickelten Methode wichtige Hubproteine für die Immunabwehr identifiziert. Als bedeutende Vertreter sind AHK2 und AAR14 zu nennen, welche Teil des Zweikomponentensystems der Signalübertragung von CK sind und hierbei wichtige Modulatoren für eine CK-vermittelte Immunabwehr darstellen.
(ii) Im zweiten Teil der Arbeit schließen sich Untersuchungen an einem in vitro-Experiment einer 2D- und 3D-Zellkultur einer HSP90-Behandlung in einem Lungentumormodell an. In diesem Zusammenhang wurden mithilfe der entwickelten Methode Unterschiede zwischen den beiden Zellkultursystemen gefunden, die das unterschiedliche Behandlungsansprechen erklären, und für die beiden KRAS-mutierten Zelllinien A549 und H441 des 3D-Testsystems neue prognostische und therapeutische Kandidaten identifiziert. Hierbei haben die durchgeführten Analysen zwei funktionelle Cluster von Protein-Interaktionen um p53 und die STAT-Familie gefunden, welche eine Verbindung zu HSP90 haben und die entsprechenden Behandlungsunterschiede nach einer HSP90-Inhibierung zwischen den beiden Zellkultursystemen erklären können. Unter Berücksichtigung des zelllinien-spezifischen Mutationshintergrunds wurde eine prognostische Markersignatur und daraus abgeleitet HIF1A für die H441-Zelllinie und AMPK für die A549-Zelllinie als neue therapeutische Targets gefunden, wobei die anschließend durchgeführten in silico-Simulationen einen potentiellen therapeutischen Effekt aufzeigen konnten. Weiterhin wurden wichtige experimentelle Readout-Parameter in ein in silico-Lungentumormodell integriert, wobei unter Einbeziehung des Mutationshintergrunds für die verwendeten Zelllinien die HSP90-Behandlung des 3D-Testsystems computergestützt abgebildet werden konnte. Im weiteren Verlauf wurden im in silico-Lungentumormodell Resistenzmechanismen nach einer Gefitinib-Behandlung mit bekanntem Mutationsstatus für die Zelllinien HCC827 und A549 untersucht und daraus folgend neue Therapieansätze abgeleitet, die von potentieller klinischer Bedeutung sein können. Die durchgeführten in silico-Simulationen für HCC827 konnten hierbei zeigen, dass eine EGFR- und c-MET-Koaktivierung zu einer Gefitinib-Resistenz führen kann, wohingegen bei den A549 eine Komutation von KRAS und IGF-1R zu einem geringen Behandlungsansprechen beiträgt. Die Simulationen lassen zudem erkennen, dass eine direkte Inhibierung der an der Resistenzentwicklung beteiligten Rezeptoren c-MET und IGF-1R in beiden Fällen nicht die bestmögliche Therapiestrategie darstellt. In beiden Zelllinien konnte gezeigt werden, dass eine kombinierte Inhibierung von PI3K und MEK den bestmöglichen therapeutischen Effekt liefert, was demnach einen vielversprechenden Therapieansatz bei Gefitinib-resistenten Lungentumorpatienten darstellt. In einem weiteren Schritt wurde das therapeutische Potential der miRNA-21 im in silico-Modell für die HCC827-Zelllinie untersucht. Die durchgeführten Simulationen zeigen, dass eine miRNA-21-Überexpression zu einer Resistenzentwickung nach Gefitinib-Behandlung beitragen kann, wobei eine Inhibierung der miRNA-21 diesen Effekt umkehren kann. Die Ergebnisse lassen zudem erkennen, dass eine PTEN-Aktivierung als potentieller Marker einer erfolgreichen therapeutischen Inhibierung der miRNA-21 fungieren kann, wohingegen eine reduzierte miRNA-21-Expression als möglicher Marker für eine erfolgreiche Gefitinib-Behandlung dienen kann.
(iii) Im dritten Teil der Arbeit wurden systematisch RNA- und Protein-Interaktionen untersucht. Hierzu wurden integrierte systembiologische Analysen an neu identifizierten und funktionell bislang unbekannten lncRNAs durchgeführt. Die Analysen für die infolge einer Herzhypertrophie hochregulierte lncRNA Chast haben umfassend gezeigt, dass diese Proteine und Transkriptionsfaktoren regulieren und binden kann, welche die Signalübertragung und Genexpression regulieren, aber auch eine Verbindung zum kardiovaskulären System und stressinduzierter Herzhypertrophie besitzt. Anhand der Ergebnisse lässt sich schlussfolgern, dass Chast direkt und indirekt (a) Proteine binden und die Translation beeinflussen kann, zudem eine Chromatin-modifizierende Funktion besitzt und so die Transkription, z.B. für herz- und stress-assoziierte Gene, reguliert, und/oder (b) in einem negativen Feedbackloop seine eigene Transkription reguliert. Obwohl lncRNAs meist eine geringe Konservierung aufweisen, konnten die durchgeführten Analysen für Chast eine Sequenz-Struktur-Konservierung in Säugetieren aufzeigen. Weiterhin haben die Untersuchungen an zwei hypoxie-induzierten lncRNAs in Endothelzellen gezeigt, dass die lncRNA MIR503HG eine hohe Sequenz-Struktur-Konservierung in Säugetieren besitzt, wohingegen die LINC00323-003 eine geringe Konservierung aufzeigt. Dies untermauert die Tatsache, dass lncRNAs häufig eine geringe Konservierung aufweisen, was Untersuchungen in Modellorganismen hinsichtlich einer therapeutischen Nutzung schwierig machen.
Da sich zahlreiche Untersuchungen auf Interaktionen und Signalwege konzentriert haben, wurde abschließend eine Datenbank entwickelt, welche Analysen von Protein-Interaktionen und Signalwegen nachhaltig voranbringt. Die entwickelte DrumPID-Datenbank stellt insbesondere die Interaktion zwischen einem Medikament und seinem Target in den Fokus und ermöglicht Analysen einzelner Interaktionen und beteiligter Signalwege, bietet zusätzlich aber auch verschiedene Links zu anderen Datenbanken für individuelle weiterführende Analysen. DrumPID ermöglicht ein geeignetes Medikament u. a. für ein vorgegebenes Zielprotein zu finden und dessen Wirkmechanismus und Interaktionskontext zu untersuchen, was zu einem besseren experimentellen Verständnis beitragen kann. Zudem erlaubt DrumPID eine potentielle chemische Leitstruktur für ein Zielprotein zu entwickeln, was z.B. spezifisch ein parasitisches Protein inhibiert, ohne dabei einen toxischen Effekt im Menschen zu haben. Zahlreiche weitere Pharmakabeispiele belegen, dass DrumPID für den täglichen wissenschaftlichen Gebrauch auf dem Gebiet der Analyse von Protein-Pharmaka-Interaktionen und der Medikamentenentwicklung geeignet ist.
Die beschriebenen Ergebnisse der Promotionsarbeit wurden in fünf Originalarbeiten, zwei Übersichtsartikeln und einem Buchteil, u. a. in Science Translational Medicine, veröffentlicht, sechs dieser Publikationen erfolgten im Rahmen von Erstautorschaften.
Background: Chagas disease (CD) is a major burden in Latin America, expanding also to non-endemic countries. A gold standard to detect the CD causing pathogen Trypanosoma cruzi is currently not available. Existing real time polymerase chain reactions (RT-PCRs) lack sensitivity and/or specificity. We present a new, highly specific RT-PCR for the diagnosis and monitoring of CD. Material and Methods: We analyzed 352 serum samples from Indigenous people living in high endemic CD areas of Colombia using three leading RT-PCRs (k-DNA-, TCZ-, 18S rRNA-PCR), the newly developed one (NDO-PCR), a Rapid Test/enzyme-linked immuno sorbent assay (ELISA), and immunofluorescence. Eighty-seven PCR-products were verified by sequence analysis after plasmid vector preparation. Results: The NDO-PCR showed the highest sensitivity (92.3%), specificity (100%), and accuracy (94.3%) for T. cruzi detection in the 87 sequenced samples. Sensitivities and specificities of the kDNA-PCR were 89.2%/22.7%, 20.5%/100% for TCZ-PCR, and 1.5%/100% for the 18S rRNA-PCR. The kDNA-PCR revealed a 77.3% false positive rate, mostly due to cross-reactions with T. rangeli (NDO-PCR 0%). TCZ- and 18S rRNA-PCR showed a false negative rate of 79.5% and 98.5% (NDO-PCR 7.7%), respectively. Conclusions: The NDO-PCR demonstrated the highest specificity, sensitivity, and accuracy compared to leading PCRs. Together with serologic tests, it can be considered as a reliable tool for CD detection and can improve CD management significantly.
To improve and focus preclinical testing, we combine tumor models based on a decellularized tissue matrix with bioinformatics to stratify tumors according to stage-specific mutations that are linked to central cancer pathways. We generated tissue models with BRAF-mutant colorectal cancer (CRC) cells (HROC24 and HROC87) and compared treatment responses to two-dimensional (2D) cultures and xenografts. As the BRAF inhibitor vemurafenib is—in contrast to melanoma—not effective in CRC, we combined it with the EGFR inhibitor gefitinib. In general, our 3D models showed higher chemoresistance and in contrast to 2D a more active HGFR after gefitinib and combination-therapy. In xenograft models murine HGF could not activate the human HGFR, stressing the importance of the human microenvironment. In order to stratify patient groups for targeted treatment options in CRC, an in silico topology with different stages including mutations and changes in common signaling pathways was developed. We applied the established topology for in silico simulations to predict new therapeutic options for BRAF-mutated CRC patients in advanced stages. Our in silico tool connects genome information with a deeper understanding of tumor engines in clinically relevant signaling networks which goes beyond the consideration of single drivers to improve CRC patient stratification.