Refine
Has Fulltext
- yes (3)
Is part of the Bibliography
- yes (3)
Year of publication
- 2012 (3) (remove)
Document Type
- Doctoral Thesis (3)
Keywords
- Stoffwechsel (3) (remove)
Computer Science approaches (software, database, management systems) are powerful tools to boost research. Here they are applied to metabolic modelling in infections as well as health care management. Starting from a comparative analysis this thesis shows own steps and examples towards improvement in metabolic modelling software and health data management. In section 2, new experimental data on metabolites and enzymes induce high interest in metabolic modelling including metabolic flux calculations. Data analysis of metabolites, calculation of metabolic fluxes, pathways and their condition-specific strengths is now possible by an advantageous combination of specific software. How can available software for metabolic modelling be improved from a computational point of view? A number of available and well established software solutions are first discussed individually. This includes information on software origin, capabilities, development and used methodology. Performance information is obtained for the compared software using provided example data sets. A feature based comparison shows limitations and advantages of the compared software for specific tasks in metabolic modeling. Often found limitations include third party software dependence, no comprehensive database management and no standard format for data input and output. Graphical visualization can be improved for complex data visualization and at the web based graphical interface. Other areas for development are platform independency, product line architecture, data standardization, open source movement and new methodologies. The comparison shows clearly space for further software application development including steps towards an optimal user friendly graphical user interface, platform independence, database management system and third party independence especially in the case of desktop applications. The found limitations are not limited to the software compared and are of course also actively tackled in some of the most recent developments. Other improvements should aim at generality and standard data input formats, improved visualization of not only the input data set but also analyzed results. We hope, with the implementation of these suggestions, metabolic software applications will become more professional, cheap, reliable and attractive for the user. Nevertheless, keeping these inherent limitations in mind, we are confident that the tools compared can be recommended for metabolic modeling for instance to model metabolic fluxes in bacteria or metabolic data analysis and studies in infection biology. ...
Der Fluoreszenz-Resonanz-Energie-Transfer ist ein Phänomen, welches erstmals 1948 von Theodor Förster beschrieben wurde. Mit der Entwicklung von Fluoreszenzproteinen konnten in Kombination mit Mikroskopietechniken Einblicke in zellbiologische Vorgänge gewonnen werden, die durch biochemische oder physiologische Experimente nicht möglich sind. Dabei spielt die hohe zeitliche und räumliche Auflösung eine wichtige Rolle. Auf dem Forschungsgebiet der GPCR, welche die größte Gruppe von Membranproteinen bei den Säugetieren darstellen, wurden insbesondere Erkenntnisse über Konformationsänderungen der Rezeptoren, die Kinetik der Rezeptoraktivierung und die Interaktion mit intrazellulären Signalproteinen gewonnen. Der µ-Opioidrezeptor gehört zur Familie der GPCR und stellt aufgrund seiner analgetischen Wirkungen eine wichtige pharmakologische Zielstruktur dar. Das Ziel dieser Arbeit war sowohl den Rezeptor als auch seine Signalwege mittels FRET-Mikroskopie zu untersuchen. Zunächst sollte ein intramolekularer FRET-Sensor des µ-Opioidrezeptors entwickelt werden, dazu wurden basierend auf den Kenntnissen über die Tertiärstruktur und dem Aufbau bereits bekannter GPCR-Sensoren verschiedene Rezeptorkonstrukte kloniert. Bei den Konstrukten wurden entweder zwei Fluoreszenzproteine oder ein Fluoreszenzprotein und ein Fluorophor-bindendes Tetracysteinmotiv kombiniert. Auch die Positionen der eingefügten Sequenzen wurden in den intrazellulären Domänen variiert, da der Rezeptor auf die Modifikationen mit beeinträchtigter Membranlokalisation reagierte. Durch die Optimierung wurden Rezeptoren konstruiert, die an der Zellmembran lokalisiert waren. Jedoch zeigte keines der Rezeptorkonstrukte Funktionalität im Hinblick auf die Rezeptoraktivierung. Im zweiten Teil wurden die pharmakologischen Effekte der Metabolite von Morphin am humanen µ-Opioidrezeptor systematisch analysiert. Dazu wurde die Fähigkeit der Metabolite, Gi-Proteine zu aktivieren und β-Arrestin2 zu rekrutieren, mittels FRET-basierter Messungen an lebenden Zellen untersucht. Außerdem wurde die Affinität der Metabolite zum humanen µ Opioidrezeptor anhand der Verdrängung eines radioaktiven Liganden analysiert. Meine Experimente identifizierten eine Gruppe mit stark agonistischen und eine mit schwach agonistischen Eigenschaften. Die starken Partialagonisten aktivieren den Rezeptor bereits bei nanomolaren Konzentrationen, während die schwachen Metabolite den Rezeptor erst bei Konzentrationen im mikromolaren Bereich aktivieren. Die Metabolite Normorphin, Morphin-6-Glucuronid und 6-Acetylmorphin zeigen geringere Potenz als Morphin bei der Gi-Aktivierung aber überraschenderweise höhere Potenz und Effizienz für die β-Arrestin-Rekrutierung. Dies deutet auf eine bevorzugte Aktivierung von β-Arrestin2 hin. Die aus diesen Studien gewonnenen Ergebnisse liefern Hinweise darauf, welche Metabolite bei der Signalverarbeitung am µ Opioidrezeptor in vivo beteiligt sind.
Durch das Auftreten neuer Stämme resistenter Krankheitserreger ist die Suche nach neuartigen Wirkstoffen gegen diese, sich ständig weiter ausbreitende Bedrohung, dringend notwendig. Der interdisziplinäre Sonderforschungsbereich 630 der Universität Würzburg stellt sich dieser Aufgabe, indem hier neuartige Xenobiotika synthetisiert und auf ihre Wirksamkeit getestet werden. Die hier vorgelegte Dissertation fügt 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 zunächst die wichtigsten Stoffwechselwege von S. epidermidis R62A, S. aureus USA300 und menschlicher Zellen in sogenannten metabolischen Netzwerkmodellen nachgestellt. Basierend auf diesen Modellen konnten Enzymaktivitäten für verschiedene Szenarien an zugesetzten Xenobiotika berechnet werden. Die hierfür benötigten Daten wurden direkt aus Genexpressionsanalysen gewonnen. Die Validierung dieser Methode erfolgte durch Metabolommessungen. Hierfür wurde S. aureus USA300 mit verschiedenen Konzentrationen von IQ-143 behandelt und gemäß dem in dieser Dissertation vorgelegten Ernteprotokoll aufgearbeitet. Die Ergebnisse hieraus lassen darauf schließen, dass IQ-143 starke Effekte auf den Komplex 1 der Atmungskette ausübt – diese Resultate decken sich mit denen der metabolischen Netzwerkanalyse. Für den Wirkstoff IQ-238 ergaben sich trotz der strukturellen Ähnlichkeiten zu IQ-143 deutlich verschiedene Wirkeffekte: Dieser Stoff verursacht einen direkten Abfall der Enzymaktivitäten in der Glykolyse. Dadurch konnte eine unspezifische Toxizität dieser Stoffe basierend auf ihrer chemischen Struktur ausgeschlossen werden. Weiterhin konnten die bereits für IQ-143 und IQ-238 auf Bakterien angewandten Methoden erfolgreich zur Modellierung der Effekte von Methylenblau auf verschiedene resistente Stämme von P. falciparum 3D7 angewandt werden. Dadurch konnte gezeigt werden, dass Methylenblau in einer Kombination mit anderen Präparaten gegen diesen Parasiten zum einen die Wirkung des Primärpräparates verstärkt, zum anderen aber auch in gewissem Maße vorhandene Resistenzen gegen das Primärpräparat 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 aufzuklären.