Search

Einleitung: Regelkreise gehören zu den essentiellen biologischen Wirkungsgefügen. Sie bilden eine wesentliche Voraussetzung des Lebens. Das Verhältnis zwischen Struktur und Verhalten biologischer Regelkreise wurde bisher meist in Form linearer zeitinvarianter Modelle beschrieben, die [zum vollständigen Text gelangen Sie über die oben angegebene URL], GMDS 2015; 60. Jahrestagung der Deutschen Gesellschaft für Medizinische Informatik, Biometrie und Epidemiologie e.V. (GMDS)

Violacein and deoxyviolacein are promising therapeutics against pathogenic bacteria and viruses as well as tumor cells. In the present work, systems-wide metabolic engineering was applied to Escherichia coli for heterologous production of these high-value products. First, a high performance liquid chromatography method for accurate separation and quantification of violacein and deoxyviolacein was developed. Afterwards, a basic producer, E. coli dVio-1, that expressed the vioABCE cluster from Chromobacterium violaceum under control of the araBAD promoter and induction by L-arabinose, was constructed. Targeted intracellular metabolite analysis then identified bottlenecks in pathways that supply tryptophan, the major product building block of the natural products of interest. This was used for systems-wide engineering of serine, chorismate and tryptophan biosynthesis and the non-oxidative pentose-phosphate pathway, followed by elimination of L-arabinose catabolism. Transferred to a glycerol-based fed-batch process, E. coli dVio-8 surpassed the gram scale and produced 1.6 g L-1 deoxyviolacein (>99.5% purity). The created chassis of a high-flux tryptophan pathway was complemented by genomic integration of the vioD gene of Janthinobacterium lividum, which enabled exclusive production of violacein (710 mg L-1 with 99.8% purity). This demonstrates the potential of E. coli as a platform for production of tryptophan based therapeutics. Violacein und Deoxyviolacein sind vielversprechende Therapeutika gegen pathogene Bakterien und Viren als auch Tumorzellen. In der vorliegenden Arbeit wurde Escherichia coli zur heterologen Produktion dieser hochwertigen Produkte untersucht. Zuerst wurde eine HPLC-Methode für eine genaue Trennung und Quantifizierung von Violacein und Deoxyviolacein entwickelt. Anschließend wurde einer Basisstamm von E. coli, die die vioABCE Operon aus Chromobacterium violaceum unter der Kontrolle des araBAD-Promotor, konstruiert. Gezielte intrazelluläre Stoffwechselanalysen identifizierten dann Engpässe in den zuliefernden Routen der Biosynthese von Tryptophan, dem zentralen Baustein für das Produkt. Dieses Wissen wurde für die rationale Stammoptimierung genutzt. Durch die aufeinanderfolgende Optimierung von Serin-, Tryptophan- und Chorismat-Biosynthese sowie des nicht-oxidativen Pentose-Phosphat-Weges konnte eine umfassende Optimierung des Stoffflusses zum Zielprodukt erreicht werden. In einem Glycerin-basierten Fed-Batch-Verfahren, hat E. coli dVIO-8 den Gramm-Maßstab übertroffen (1,6 g L-1 Deoxyviolacein, >99,5% Reinheit). Das metabolische Chassis von E. coli mit einem High-Flux-Tryptophan-Weg wurde durch genomische Integration des vioD Genes aus Janthinobacterium lividum zur gezielten Produktion (710 mg L-1, 99,8% Reinheit) von Violacein weiterentwickelt. Die Ergebnisse zeigen darüber hinaus das große Potential von E. coli als Plattform für die Produktion Tryptophan-basierter Therapeutika.

Bacterial strains that were genetically blocked in important metabolic pathways and grown under selective conditions underwent a process of adaptive evolution: certain pathways may have been deregulated and therefore allowed for the circumvention of the given block. A block of endogenous pyruvate synthesis from glycerol was realized by a knockout of pyruvate kinase and phosphoenolpyruvate carboxylase in E. coli. The resulting mutant strain was able to grow on a medium containing glycerol and lactate, which served as an exogenous pyruvate source. Heterologous expression of a pyruvate carboxylase gene from Corynebacterium glutamicum was used for anaplerosis of the TCA cycle. Selective conditions were controlled in a continuous culture with limited lactate feed and an excess of glycerol feed. After 200-300 generations pyruvate-prototrophic mutants were isolated. The genomic analysis of an evolved strain revealed that the genotypic basis for the regained pyruvate-prototrophy was not obvious. A constraint-based model of the metabolism was employed to compute all possible detours around the given metabolic block by solving a hierarchy of linear programming problems. The regulatory network was expected to be responsible for the adaptation process. Hence, a Boolean model of the transcription factor network was connected to the metabolic model. Our model analysis only showed a marginal impact of transcriptional control on the biomass yield on substrate which is a key variable in the selection process. In our experiment, microarray analysis confirmed that transcriptional control probably played a minor role in the deregulation of the alternative pathways for the circumvention of the block.

After decades of research, Automated Glucose Control (AGC) is still out of reach for everyday control of blood glucose. The inter- and intra-individual variability of glucose dynamics largely arising from variability in insulin absorption, distribution, and action, and related physiological lag-times remain a core problem in the development of suitable control algorithms. Over the years, model predictive control (MPC) has established itself as the gold standard in AGC systems in research. Models of glucose metabolism are a core element of MPC control schemes. The standard two- or three-compartmental models, i.e. the “Minimal-Model” [1], represent little biological detail, hampering the integration of multi-scale data, thus confining capabilities of model extrapolation. To overcome remaining challenges, a new approach to MPC AGC is developed here. The MPC uses, for the first time, an individualizable generic whole-body physiology-based pharmacokinetic/pharmacodynamic (PBPK/PD) model of the glucose-insulin-glucagon regulatory system. The model reflects detailed physiological properties of healthy populations and type 1 diabetes individuals expressed in the respective parameterizations. The model features a detailed representation of absorption models for oral glucose, subcutaneous insulin and glucagon, and an insulin receptor model relating pharmacokinetic properties to pharmacodynamic effects. Model development and validation is based on literature data. The quality of predictions is high and captures relevant observed inter- and intra-individual variability, thus improving model long-term predictions. This significantly strengthens the rationale for the use of MPC. To increase robustness vs. uncertainties (closed-loop stability), model kernels were updated with growing patient data and the MPC was integrated in a control cascade with a proportional, integrative, derivative (PID) based offset-control. Both, model and control algorithm, were validated and evaluated within an in-silico environment before testing the control approach within two 30-h clinical trials. The trials were each conducted in ten subjects with type 1 diabetes without endogenous insulin secretion. Blood glucose was controlled by subcutaneous delivery of insulin based on plasma glucose (PG, in trial #1) and continuous blood glucose monitors (CGMs, subcutaneous sampling, trial #2) measurements in 15 min intervals. Meal information, but no priming bolus (pre-meal insulin), was given to the controller at start of each meal. For the first clinical trial, the overall mean (n=10) PG was 156 mg/dL, with 74% time of PG values in the target range of 70–180 mg/dL. With 2 incidents during 240 h of closed-loop control, hypoglycemia (PG < 60 mg/dL) was rare. During nighttime control, prior to model adaptation (adaptation was slow if successful at all), mean PG was elevated (149 mg/dL, with 38% time in target 70–140 mg/dL). For the second clinical trial, control performance improved significantly due to an improved workflow and faster (earlier) model adaptation with an overall mean (n=10) PG of 127 mg/dL, with 76% time of PG values in the target range of 70–180 mg/dL. With 9 incidents during 240 h of closed-loop control, hypoglycemia (PG < 60 mg/dL) was slightly increased. Nighttime control improved the most with a mean PG exactly on target (110 mg/dL, with 78% time in target 70–140 mg/dL). Retrospective analysis of insulin and glucagon measurements collected during the trial, revealed significant glucagon surges, which were observed postprandial and coincided with severe morning insulin resistance for some patients. Whereas a consistent interpretation of the observed behavior is outstanding, the modeling framework allowed a structural mode-of-action evaluation to shed new light on the role of glucagon and nutrition (i.e. coffee) in the “dawn-effect” in Diabetes. This work shows that large-scale in-silico models of the glucose metabolism can provide a framework to improve diabetes research, the development of automatic control strategies for diabetes and ultimately every day diabetes management. The algorithm for the integrated closed-loop control system was benchmarked both, within in-silico clinical trials as well as within clinical feasibility studies. Once the relevance of (postprandial) glucagon in T1DM has been analyzed, fully understood and captured by PBPK/PD modeling, future trials testing the improved system seem very promising.

The increasing amount of biological data available from high-throughput technologies poses great interdisciplinary challenges to research. Today, cost-efficient platforms generate manifold types of data and allow to build comprehensive resources that include but are not limited to genomics, proteomics, and metabolomics on a systemic scale. In order to adapt to this development in the post-wetlab analysis, computer scientists in computational biology work on methods and software frameworks that are able to account for data size and diversity, and allow to scrutinize data in respect to a specific context, such as the emergence of diseases. Aiming for this, we first present a desktop software framework designed to integrate biological data that features a uniform interface to perform consecutive analysis steps managed by an automated task processing system. The extensibility of the platform based on a concise plugin interface was used for a study on breast cancer for which we developed a plugin to derive gene regulatory networks. From this analysis, we derived a general approach to generate transcription factor-microRNA regulatory networks and built a webservice available for public use: TFmiR. Using differentially expressed sets of mRNAs and miRNAs, TFmiR generates a network with experimental or predicted evidence and provides downstream investigation, e.g. applying various network measures and overrepresentation analysis. Further in-depth analysis is provided with a motif search algorithm. For all motifs of particular interest, the software allows to investigate co-regulated and co-targeted subnetworks and calculates the functional similarity scores of the participating genes. We investigated a comprehensive dataset on Alzheimer's disease that was provided by the neurological laboratory in Homburg. We conducted the individual analysis of the various types of data, followed by applying our approaches to build regulatory networks, and search for potential key drivers of the Alzheimer's disease. Moreover, we show a different strategy based on patient-similarity networks with the aim to find a descriptive combination of markers for AD spanning the multiple data sources. Biotechnologische Hochdurchsatzverfahren und die damit verbundene stetig anwachsende Menge an biologischen Daten stellen die Forschung vor ebenso wachsende Herausforderungen. Neue und kosteneffiziente Verfahren erlauben die Erstellung umfangreicher Datenbanken, die beispielsweise das vollständige Genom, Proteom, oder Metabolom eines Organismus oder Individuums enthalten können. Informatiker, Bioinformatiker, und Biologen arbeiten daher an Methoden und Softwareumgebungen um dieser Entwicklung nachzukommen und diese Daten trotz ihres Umfangs und Vielfältigkeit einheitlich erfassen zu können. Dabei gilt besonderes Interesse der Notwendigkeit, diese Daten im Hinblick auf ihre Bedeutung in bestimmten Kontexten zu untersuchen, wie zum Beispiel im Zusammenhang mit Krankheiten. Mit diesem Ziel vor Augen zeigen wir zunächst die Softwareumgebung Mebitoo, die wir zur Integration und automatisierten Analyse von biologischen Daten entwickelten. Mit einer Erweiterung der Software zur Erstellung regulatorischer Netzwerke zeigen wir die vielfältige Einsetzbarkeit der Platform am Beispiel von Daten zu Brustkarzinomen. Aufbauend darauf entwickelten wir eine allgemeine Strategie zur Erstellung regulatorischer Netzwerke, die auf differentiell exprimierten Genen und microRNAs basiert. Wir stellten einen Webservice zur Verfügung, der durch die Einbindung verschiedener Datenbanken zu experimentell bestimmten oder in silico berechneten mutmaßlichen Interaktionen ein regulatorisches Netzwerk, wahlweise im Hinblick auf eine mögliche Krankheit, erstellt und untersucht. Die bereitgestellten Analysen umfassen Methoden zur generellen Netzwerkevaluierung, sowie aufwändigere Algorithmen zur Bestimmung von Netzwerkmotiven und deren Subnetzen, und die Untersuchung auf deren Funktionalität. Abschließend beschreiben wir die Untersuchung eines umfassenden Datensatzes zur Alzheimer'schen Krankheit, welcher vom neurologischen Labor der Universitätsklinik des Saarlandes zusammengestellt wurde. Die Daten umfassen Gen- und miRNA Expressionsprofile, Methylierung, Proteinlevelmessungen, und SNPs zu einer Kohorte von Alzheimerpatienten und Kontrollen. Wir untersuchten die Daten jeweils individuell und zeigten anschließend die Anwendung unserer Pipeline Identifikation von mutmaßlichen Key Drivern. Darüberhinaus verfolgten wir einen Ansatz, der auf Ähnlichkeitsnetzen für die jeweiligen Patienten beruht.

Illustrationen

The biological functions of the molecular components (genes, proteins, miRNAs, siRNAs,..etc) of biological cells and mutations/perturbations thereof are tightly connected with cellular malfunctions and disease pathways. Moreover, these molecular elements interact with each other forming a complex interwoven regulatory machinery that governs, on one hand, regular cellular pathways, and on the other hand, their dysregulation or malfunction in pathological processes. Therefore, revealing these critical molecular interactions in complex living systems is being considered as one of the major goals of current systems biology. In this dissertation, we introduce practical computational approaches implemented as freely available software tools to integrate heterogeneous sources of large-scale genomic data and unravel the combinatorial regulatory interactions between different molecular elements. First, we present an automated GRN pipeline that constructs the genomic regulatory machinery of a cell from expression, sequencing, and annotation datasets through three modules implemented as separated software components (plugins) and hosted by our software framework Mebitoo that aims at automation of bioinformatics workflows. Then, we extended this pipeline to a general integrative network-based approach that involves also post-transcriptional interactions and reports the computational analysis of gene and miRNA transcriptomes, DNA methylome, and somatic mutations. This workflow enables users to identify putative disease drivers and novel targets for therapeutic treatment. Regarding the incorporation of somatic mutations with other genomic data sets, a stand-alone pipeline named “SnvDMiR” was implemented to explore possible genomic proximity relationships between somatic variants and both differentially methylated CpG sites as well as differentially expressed miRNAs. Along the same lines, but targeting the effects of genomic mutations, we developed an NGS pipeline and applied it to two groups of bacterial isolates (nasal and invasive) to investigate the phylogenetic positions of the recently emerged t504 clone (Spa-type t504) in the Saarland province of Germany and to better understand the infectivity mechanism of the invasive group. Motivated by all of this, we developed TFmiR as a freely available web server for deep and integrative downstream analysis of combinatorial regulatory interactions between TFs/genes and miRNAs that are involved in the pathogenesis of human diseases. In the frame of this thesis, we employed these approaches to investigate the molecular mechanisms of cellular differentiation (namely hematopoiesis) as an example for biological processes and human breast cancer and diabetes as examples for complex diseases. In summary, the work presented in this thesis has led to the development of interesting computational approaches that have been made available as non-commercial software toolkits. The provided topological and functional analyses of our approaches as validated on cellular differentiation and complex diseases promotes them as reliable systems biology tools for researchers across the life science communities. Die Funktionsweise verschiedener molekularer Elemente (Gene, Proteine, Mutationen, miRNAs, siRNAs,... etc.) ist mit den darunterliegenden zellulären Fehlfunktionen als auch mit Krankheits-assoziierten zellulären Signalwegen verknüpft. Darüber hinaus interagieren diese molekularen Elemente auch miteinander und bilden eine komplexe ineinander verwobene regulatorische Maschinerie, die wiederum zelluläre Signalwege oder auch Krankheitsentwicklungen auf zellulärer Ebene beeinflusst. Aufgrund dessen ist heutzutage die Aufklärung dieser molekularen Interaktionen in komplexen lebenden Systemen eines der Hauptziele der Systembiologie. In dieser Dissertation stellen wir rechnerbasierte Ansätze vor welche als Software frei verfügbar sind und die Integration von großen genomischen Datensätzen als auch eine damit verbundene Aufklärung der kombinatorischen Vielfalt dieser regulatorischen Interaktionen zwischen den verschiedenen molekularen Elementen, ermöglichten. Dafür entwickelten wir anfangs eine automatisierte GRN Pipeline, welche die regulatorische Maschinerie einer Zelle auf der Grundlage von Daten zur Genexpression, über Sequenzierung als auch Annotierung von Datensätzen konstruiert. Diese Pipeline wurde in drei separate Module aufgeteilt, die alle als Software plugins verfügbar sind, und in unser Framework Mebitoo, welches bioinformatische Arbeitsabläufe automatisiert, integriert sind. Daraufhin erweiterten wir unser bisheriges Framework um einem allgemeinen und integrativen Netzwerk-basierten Ansatz, welcher post-transkriptionelle Interaktionen berücksichtigt und die rechnerbasierte Analyse von Genen als auch miRNA Transkriptomen, dem DNA Methylom und somatischen Mutationen mit einbezieht. Unser Ziel war es, dabei vermeintliche Verursacher von Krankheitsbildern als auch neue Ziele für die therapeutische Behandlung von Krankheiten zu identifizieren. Für die Integration somatischer Mutationen wurde eine eigenständige Pipeline namens „SnvDMiR“ entwickelt, welche die Analyse von möglichen genomischen Nachbarschaftsbeziehungen zwischen somatischen Mutationen und differentiell methylierten CpG Positionen als auch differentiell exprimierten miRNAs, ermöglicht. Für die Analyse von somatischen Mutationen entwickelten wir zudem eine NGS Pipeline und wendeten diese auf zwei unterschiedliche Gruppen von bakteriellen Isolaten (nasale und invasive) an, um einerseits die phylogenetische Position des kürzlich im Saarland aufgekommenen Klons t504 (Spa-type t504) zu untersuchen, aber auch um den Mechanismus, der zu einer Infektion durch invasive Stämme führt, besser zu verstehen. All dies motivierte uns dazu TFmiR als frei verfügbare Web-Applikation zu entwickeln, welche eine tief gehende integrative Analyse von den kombinatorischen regulatorischen Interaktionen zwischen TFs/Genen und miRNAs ermöglicht, die an der Krankheitsentwicklung im Menschen beteiligt sind. Die entwickelten Methoden wurden auf die zelluläre Differenzierung (Hämatopoese), als Beispiel für einen biologischen Prozess, als auch auf Brustkrebs und Diabetes, als Beispiele für komplexe Krankheiten, angewendet um deren molekulare Mechanismen zu untersuchen. Zusammenfassend hat diese Arbeit zur Entwicklung von interessanten, rechnergestützten Methoden geführt, welche als nicht-kommerzielle Software publiziert wurden. Die Validierung unserer Methoden anhand von topologischen und funktionsbasierten Analysen sowohl in zellulärer Differenzierung als auch komplexen Krankheiten, machen diese zu verlässlichen systembiologischen Werkzeugen für Wissenschaftler aus den unterschiedlichsten Naturwissenschaftsbereichen.

Die Reprogrammierung somatischer Zellen hat sich kürlich als leistungsfähige Technik für die Herstellung von induzierten pluripotenten Stammzellen (iPS Zellen) aus terminal differenzierten Zellen bewährt. Trotz der großen Hoffnung, die sie speziell im Bezug auf patientenspezifische Stammzelltherapie darstellt, gibt es viele Hindernisse auf dem Weg zur Anwendung in der Humanmedizin, die sich von niedrigen Effizienzen bei der technischen Umsetzung bis hin zur unerwünschten Integration von Onkogenen in das menschliche Genom erstrecken. Aus diesem Grund ist es unabdingbar, unser Verständnis der zugrundeliegenden Prozesse und Mechanismen zu vertiefen. Durch neue Datengewinnungsmethoden und stetig wachsende biologische Komplexität hat sich der Denkansatz der Systembiologie in den letzten Jahrzehnten stark etabliert und erfährt eine fortwährende Entwicklung seiner Anwendbarkeit auf komplexe biologische und biochemische Zusammenhänge. Verschiedene mathematische Modellierungsmethoden werden auf den Reprogrammierungsprozess angewendet um Engpässe und mögliche Effizienz-Optimierungen zu erforschen. Es werden topologische Merkmale eines Pluripotenznetzwerkes untersucht, um Unterschiede zu zufällig generierten Netzen und so topologische Einschränkungen des biologisch relevanten Netzwerkes zu finden. Die Optimierung eines Booleschen Modells aus einem selbst kuratierten Netzwerk in Bezug auf Genexpressionsdaten aus Reprogrammierungsexperimenten gewährt tiefgreifende Einblicke in die ersten Schritte und wichtigsten Faktoren des Prozesses. Der Transkriptionsfaktor SP1 spielt hierbei eine wichtige Rolle zur Induktion eines intermediären, transkriptionell inaktiven Zustands. Ein probabilistisches Boole''sches Modell verdeutlicht das Zusammenspiel epigenetischer und transkriptioneller Kontrollprozesse zusammen, um Pluripotenz- und Zelllinien-Entscheidungen in Reprogrammierung und Differenzierung zu treffen. Erklärungen für die geringe Effizienz werden versucht. Somatic Cell Reprogramming has emerged as a powerful technique for the generation of induced pluripotent stem cells (iPSCs) from terminally differentiated cells in recent years. Although holding great promises for future clinical development, especially in patient specific stem cell therapy, the barriers on the way to a human application are manifold ranging from low technical efficiencies to undesirable integration of oncogenes into the genome. It is thus indispensable to further our understanding of the underlying processes involved in this technique. With the advent of new data acquisition technologies and an ever-growing complexity of biological knowledge, the Systems Biology approach has seen an evolution of its applicability to the elaborate questions and problems of researchers. Using different mathematical modeling approaches the process of somatic cell reprogramming is examined to find out bottlenecks and possible enhancements of its efficiency. I analyze the topological characteristics of a pluripotency network in order to find differences to randomly generated networks and thus deduce constraints of the biologically relevant network. The optimization of a Boolean model from a curated network against early reprogramming gene expression profiles reveals profound insights into the first steps and most important factors of the process. The transcription factor SP1 emerges to play an important role in the induction of an intermediate, transcriptionally inactive state. A probabilistic Boolean network (PBN) illustrates the interplay of transcriptional and epigenetic regulatory processes in order to explain pluripotency and cell lineage decisions in reprogramming and differentiation. Explanations for the low reprogramming efficiencies are tried.

In its natural environment, the soil bacterium Bacillus subtilis permanently encounters nutrient limitations and increases in osmotic stress. The present study investigated the systems-wide response of B. subtilis to different simultaneously imposed stresses by combining chemostat experiments under conditions of carbon and nitrogen limitation, ionic and non-ionic osmotic stress and osmoprotection with multi-omics analyses of the transcriptome, proteome, metabolome and fluxome. Surprisingly, the flux through central carbon and energy metabolism is very robust under all conditions studied. The key to achieve this robustness is the increased production of several enzymes of central carbon metabolism to compensate for their reduced activity in the presence of high salt. A major response of the cell during osmotic stress is the production of the compatible solute proline through the concerted adjustment of multiple reactions around the 2-oxoglutarate node, which drives metabolism towards the precursor glutamate. Co-regulations between the individual cellular components under the investigated stress conditions indicate that the fine-tuning of the transcriptional and metabolic networks involves functional modules that outreach single pathways. Additionally, the work shortly describes the salinity-decoupled fed-batch production of the compatible solute ectoine in Corynebacterium glutamicum and the contribution of precursor amino acids of the aspartate family. Das Bodenbakterium Bacillus subtilis ist in seiner natürlichen Umgebung permanenten Schwankungen des Nährstoffangebots und osmotischem Stress ausgesetzt. Die vorliegende Arbeit untersucht die systemweite Anpassung von B. subtilis an verschiedene, gleichzeitig auftretende Umweltstresse. Dazu wurden Chemostatexperimente, die sowohl Kohlen- und Stickstofflimitierung, als auch osmotischen Stress und Osmoprotektion nachbilden, mit Analysen des Transkriptoms, Proteoms, Metaboloms und Fluxoms kombiniert. Überraschenderweise ist die metabolische Flussverteilung im zentralen Kohlenstoffwechsel unter allen untersuchten Bedingungen sehr rigide. Eine erhöhte Produktion wichtiger Enzyme des zentralen Kohlenstoffwechsels kompensiert deren reduzierte Aktivität in Gegenwart von hohen Salzkonzentrationen im Cytosol. Eine weitere Reaktion der Zelle auf erhöhten osmotischen Stress ist die verstärkte Synthese des kompatiblen Soluts Prolin. Dies wird ermöglicht durch eine abgestimmte Anpassung der Reaktionen bis zum 2-Oxoglutarat-Knoten, die den Kohlenstofffluss in Richtung des Vorläufers Glutamat treibt. Regulatorische Interaktionen innerhalb funktionaler Module ermöglichen dabei eine systemweite Feinabstimmung des metabolischen Netzwerks über einzelne Stoffwechselwege hinaus. Die Arbeit beschreibt weiterhin die erfolgreiche, Hochsalz-unabhängige Produktion des kompatiblen Soluts Ectoin mit Corynebacterium glutamicum und geht kurz auf die Rolle beteiligter Aminosäuren der Aspartatfamilie ein.

Mit ihrem neuen Themenband – der hier zusammengefasst vorgestellt werden soll – wendet sich die interdisziplinäre Arbeitsgruppe „Gentechnologiebericht“ der Berlin-Brandenburgischen Akademie der Wissenschaften erstmalig der in der Öffentlichkeit noch weitgehend unbekannten Synthetischen Biologie zu. Von besonderer Faszination ist dabei die noch im Fluss befindliche Auseinandersetzung, was denn nun eigentlich die Synthetische Biologie ist und welche Forschungsansätze ihr konkret zuzuordnen sind. Entsteht hier wirklich eine neue Ingenieurbiologie? Nach einer inhaltlichen (Kapitel 1) und methodischen (Kapitel 2) Einführung beginnt die thematische Auseinandersetzung mit einer wissenschaftshistorischen Perspektive auf synthetisch-technische Traditionen in der Biologie (Kapitel 3). Anschließend wird der aktuelle naturwissenschaftliche Sachstand präsentiert mit einem Fokus auf chemisch-synthetische Forschungsansätze (Kapitel 4) und neue Anwendungen in der Biomedizin (Kapitel 5). Überdies werden in interdisziplinärer Ausrichtung der Arbeitsgruppe auch neue philosophische (Kapitel 6) und ethische (Kapitel 7 und 8) Implikationen der Synthetischen Biologie diskutiert. Als letzter Themenbereich wird die aktuelle gesellschaftliche Wahrnehmung der Disziplin besprochen: sowohl die gegenwärtige Berichterstattung zum Thema (Kapitel 9) als auch die öffentliche Meinung in Deutschland und Europa (Kapitel 10). Die inhaltlichen Ausführungen werden in gewohnter Weise durch quantitative Daten in Form von Indikatoren unterstützt (Kapitel 11). Ergänzt werden die Beiträge durch die gemeinsamen Kernaussagen und Handlungsempfehlungen der Mitglieder der Arbeitsgruppe für die Synthetische Biologie. With their new thematic volume – presented here in summarised form – the Interdisciplinary Research Group "Gene Technology Report" of the Berlin-Brandenburg Academy of Sciences and Humanities turns its attention to synthetic biology, a topic that remains largely ignored by the general public. Particularly fascinating here are the ongoing disagreements as to exact nature of synthetic biology, in addition to which research methods should be concretely recognised in this field. Does this indeed reflect the emergence of a new kind of biological engineering? After introducing the factual (chapter 1) and methodological (chapter 2) frameworks, the issue is discussed in a critical fashion from a scientific-historical perspective in connection with synthetic-technical traditions in biology (chapter 3). After that, the current state of scientific knowledge is elucidated with a focus on chemical-synthetic research methodologies (chapter 4), as well as new applications in biomedical science (chapter 5). Using an interdisciplinary approach, the Interdisciplinary Research Group also discusses new philosophical (chapter 6) and ethical (chapter 7 and 8) implications that arise in association with synthetic biology. Lastly, the topic of the public’s perception of this discipline is addressed, both in related contemporary media reports (chapter 9), as well as in a survey of German and European public opinion (chapter 10). As is customary, these substantive remarks are supported by quantitative data in the form of indicators (chapter 11). The individual contributions are complemented by joint key statements and recommendations for action by the members of the Interdisciplinary Research Group "Gene Technology Report".

Within this thesis the glucose metabolism in Penicillium chrysogenum, the most important production organism for beta-lactam antibiotics, was investigated. Therefore, different methods of Systems Biology, including metabolome analysis, 13C-labeling experiments and 13C-metabolic flux analysis, were applied. First, the cultivation of P. chrysogenum was established as a batch process on defined glucose medium. This process served as the basis for all further analyses and showed two characteristic growth phases. During the first phase glucose was fully metabolized and both biomass and the typical overflow metabolite gluconate were produced. Within the second growth phase, gluconate was metabolized after the depletion of glucose. Here not only the formation of biomass, but also excretion of the product penicillin was observed. Hence, depending on the respective carbon source, the batch process represents two different metabolic states of the fungus. In following studies, for the first time the simultaneous utilization of glucose and gluconate under glucose excess conditions was shown for P. chrysogenum. By applying a model-driven approach the specific uptake rates for both substrates were estimated and found to be significantly higher for gluconate. Moreover, gluconate consumption did not interfere with penicillin production, making it an interesting alternative carbon source for production purposes. Furthermore, a distinct metabolic switch in dependence of the actual carbon source was demonstrated on metabolome and fluxome level. For that purpose intra- and extracellular metabolites were quantified and stationary 13C-metabolic flux analyses were conducted. The determined intracellular flux distributions indicated the Entner-Doudoroff pathway to be active during the second growth phase, when P. chrysogenum metabolizes gluconate as the sole carbon and energy source. This pathway could be beneficial for the direct supply of precursors for penicillin biosynthesis as well as of energy and reducing equivalents in the lower part of glycolysis. Therefore, studying the activity and regulation of the Entner-Doudoroff pathway might be of special interest regarding the development of new producer strains. In addition, a concept for the cultivation of the filamentous fungus in a microfluidic perfusion system was developed. Applying microscopic image analyses, the system enables qualitative and quantitative studies of growth and morphogenesis, thereby providing new options for the characterization of producer strains and for bioprocess development.

Yersinia pseudotuberculosis is a human pathogen that causes acute intestinal and systemic diseases. This study investigated the link between pathogenic traits and the metabolic core machinery of Y. pseudotuberculosis using a systems biology approach: the integration of gene expression profiles with metabolic pathway fluxes in the wild type and virulence regulator mutants. The absence of specific virulence regulators particularly perturbed fluxes and gene expression of pyruvate metabolism and tricarboxylic acid cycle, suggesting an involvement of this metabolic node in the virulence management system. Mutants, genetically perturbed in regulators of this metabolic branch point and one of its central enzymes, showed a significant reduction of virulence in an oral mouse infection model. This revealed the pyruvate- TCA cycle node as a focal point for controlling host colonization. Flux rerouting was also identified as response to applied antibiotic therapies. The examination of Yersinia’s fine-tuned adaptation was expanded to temperature, an important infection parameter, using a continuous culture with advanced temperature control to mimic the infection process. The virulence regulator RovA, known to respond to temperature and to control metabolic, stress, and virulence genes, was quantified by Western blot analysis and fluorescence-activated cell sorting. RovA showed a bistable behavior that generally maximizes survival by heterogeneity. Das humanpathogene Bakterium Yersinia pseudotuberculosis verursacht ernsthafte intestinale und systemische Erkrankungen. In dieser Arbeit wurde die Verknüpfung von Pathogenität und Metabolismus in Yersinia pseudotuberculosis unter Verwendung von Transkriptom- und metabolischen 13C-Stoffflussanalysen untersucht. Virulenz-Regulator-Mutanten wiesen im Vergleich zum Wildtyp starke Veränderungen im Pyruvatmetabolismus und im Zitratzyklus auf. Die gezielte genetische Deregulation dieses Stoffwechselknotenpunktes führte zu Mutanten mit stark reduzierter Virulenz im Mausmodell. Der Pyruvat-Zitronensäure-Knoten konnte demnach als ein zentraler Punkt der Virulenzregulation identifiziert werden. Der Einfluss verschiedener Antibiotika auf die Stoffflussverteilung wies darüber hinaus auf einen komplexen Zusammenhang von Metabolismus und inhärenter Resistenz hin. Die feinregulierte Anpassung des Organismus während der Infektion wurde weiterführend anhand des temperaturabhängigen Transkriptionsregulators RovA untersucht, der Gene des Metabolismus, der Stressantwort und des Virulenzprogramms der Zelle kontrolliert. Der Infektionsprozess wurde dazu in einer kontinuierlichen Kultur mit präziser Temperaturführung simuliert. Western Blot Analysen und fluoreszenzgestützte Durchflusszytometrie zeigten bistabiles Verhalten des Proteins RovA. Die daraus hervorgehende Heterogenität der Population kann die Überlebenswahrscheinlichkeit der Gesamtpopulation erhöhen.

The combination of heterogeneous biological datasets is a key requirement for modern molecular systems biology. Of particular importance for our understanding of complex biological systems like the human cell are data about the interactions of proteins with other molecules. In this thesis, we develop and apply methods to improve the availability and the quality of such interaction data. We also demonstrate how these data can be used in interdisciplinary studies to discover new biological results. First, we develop technical systems for the instant integration of interaction data that are stored and maintained in separate online repositories. Second, we implement a computational framework for the application of multiple scoring algorithms to qualitatively assess different aspects of interaction data. Our methods are based on distributed client-server systems, ensuring that the services can be updated continuously. This promotes equal access to interaction data and allows researchers to expand the client-server systems with their own service. Third, we focus our application studies on integrative network-based analyses of human host factors for viral infections. Our applications provide new biological insights into the life cycle of the hepatitis C virus and identify new potential candidates for antiviral drug therapy. Die Kombination verschiedener biologischer Datensätze ist für die moderne molekulare Systembiologie unumgänglich. Eine besondere Bedeutung für unser Verständnis von komplexen biologischen Systemen wie der Zelle haben dabei Daten über die Wechselwirkungen von Proteinen mit anderen Molekülen. In dieser Arbeit entwickeln und verwenden wir Methoden zur Verbesserung der Verfügbarkeit und Bewertbarkeit von solchen Interaktionsdaten. Wir zeigen auch, wie diese Daten in interdisziplinären Studien genutzt werden können, um neue biologische Erkenntnisse zu gewinnen. Zuerst entwickeln wir technische Systeme, um Interaktionsdaten von verschiedenen Quellen des Internets zusammenzuführen. Danach entwickeln wir ein computergestütztes System, welches die Anwendung verschiedener Algorithmen ermöglicht, um unterschiedliche Aspekte von Wechselwirkungen qualitativ zu bewerten. Unsere Methoden basieren auf verteilten Client-Server-Systemen, die sicherstellen, dass einzelne Dienste dauerhaft aktuell gehalten werden können. Zudem fördert dies einen gleichberechtigten Zugang zu Interaktionsdaten, und Wissenschaftler können die Systeme mit eigenen Diensten erweitern. Unser Anwendungsschwerpunkt liegt auf der netzwerkbasierten Analyse humaner Wirtsfaktoren für virale Infektionen. Unsere Auswertungen tragen zu einem besseren Verständnis des Lebenszyklus des Hepatitis-C-Virus bei und zeigen Ansatzpunkte für die Entwicklung neuer antiviraler Medikamente auf.

Clustering is a popular computational approach for partitioning data sets into groups of objects that share common traits. Due to recent advances in wet-lab technology, the amount of available biological data grows exponentially and increasingly poses problems in terms of computational complexity for current clustering approaches. In this thesis, we introduce two novel approaches, TransClustMV and ActiveTransClust, that enable the handling of large scale datasets by reducing the amount of required information drastically by means of exploiting missing values. Furthermore, there exists a plethora of different clustering tools and standards making it very difficult for researchers to choose the correct methods for a given problem. In order to clarify this multifarious field, we developed ClustEval which streamlines the clustering process and enables practitioners conducting large-scale cluster analyses in a standardized and bias-free manner. We conclude the thesis by demonstrating the power of clustering tools and the need for the previously developed methods by conducting real-world analyses. We transferred the regulatory network of E. coli K-12 to pathogenic EHEC organisms based on evolutionary conservation therefore avoiding tedious and potentially dangerous wet-lab experiments. In another example, we identify pathogenicity specific core genomes of actinobacteria in order to identify potential drug targets. Clustering ist ein populärer Ansatz um Datensätze in Gruppen ähnlicher Objekte zu partitionieren. Nicht zuletzt aufgrund der jüngsten Fortschritte in der Labortechnik wächst die Menge der biologischen Daten exponentiell und stellt zunehmend ein Problem für heutige Clusteralgorithmen dar. Im Rahmen dieser Arbeit stellen wir zwei neue Ansätze, TransClustMV und ActiveTransClust, vor die auch das Bearbeiten sehr großer Datensätze ermöglichen, indem sie den Umfang der benötigten Informationen drastisch reduzieren da fehlende Werte kompensiert werden können. Allein die schiere Vielfalt der vorhanden Cluster-Methoden und Standards stellt den Anwender darüber hinaus vor das Problem, den am besten geeigneten Algorithmus für das vorliegende Problem zu wählen. ClustEval wurde mit dem Ziel entwickelt, diese Unübersichtlichkeit zu beseitigen und gleichzeitig die Clusteranalyse zu vereinheitlichen und zu automatisieren um auch aufwendige Clusteranalysen zu realisieren. Abschließend demonstrieren wir die Nützlichkeit von Clustering anhand von realen Anwendungsfällen die darüber hinaus auch den Bedarf der zuvor entwickelten Methoden aufzeigen. Wir haben das genregulatorische Netzwerk von E. coli K-12 ohne langwierige und potentiell gefährliche Laborarbeit auf pathogene EHEC Stämme übertragen. In einem weiteren Beispiel bestimmen wir das pathogenitätsspeziefische „Kerngenom“ von Actinobakterien um potenzielle Angriffspunkte für Medikamente zu identifizieren.

The contemporary public and economic awareness for sustainable and ecological technologies drive the industrial development of superior biotechnological processes for bulk and fine chemicals. Regarding top-value compounds within this context, production of bio-based succinate is a highly anticipated industrial process due to its wide industrial applicability. In this work, naturally succinate producing Basfia succiniciproducens was systematically evolved towards improved production and tolerance properties. Small scale CO2-enriched sequential batch cultivations enabled for successful adaptation, evaluated by cell growth and production performance. Evolved phenotypes exhibited improved abilities to cope with the applied stress such as growing at 42 °C, at a pH of 5.2 and with 25 g L-1 succinate – conditions not feasible for the wild-type strain. In addition, they outperformed the parent strain at standard conditions in respect to growth and succinate production reaching a maximum productivity of 2.9 g L-1 h-1. Systems biology approaches were then applied to identify the underlying genotype-phenotype correlations. Most promising targets thereof were selectively introduced into defined production hosts and demonstrated clear improvements regarding temperature tolerance, productivity and cell separation. Taken together, this work is an important contribution to the breeding of superior cell factories of B. succiniciproducens for bio-based succinate production. Das öffentliche und wirtschaftliche Interesse an nachhaltigen, ökologischen Technologien ist Antrieb für die Entwicklung innovativer biotechnologischer Prozesse für Bulk- und Feinchemikalien. Ein Schwerpunkt liegt hier auf der biobasierten Herstellung von Succinat, einem Produkt mit vielfältigen Anwendungsbereichen. In dieser Arbeit wurde Basfia succiniciproducens, ein natürlicher Succinat-Produzent, zur Verbesserung der Produktions- und Toleranzeigenschaften systematisch adaptiert. Ein sequentielles Kultivierungsverfahren unter CO2-Atmosphäre ermöglichte die erfolgreiche Adaption, mit Zellwachstum und Produktivität als Indikatoren. Die generierten Phänotypen zeichneten sich durch verbesserte Stresseigenschaften gegenüber erhöhter Temperatur und Produktkonzentration sowie niedrigerem pH-Wert aus (42 °C, 25 g L-1 Succinat, pH 5.2) – Bedingungen, unter denen der Wildtyp kein Wachstum aufweist. Zudem übertrafen Wachstums- und Produktionseigenschaften unter Standardbedingungen die des Ausgangsstamms (Pmax = 2.9 g L-1 h-1). Zur Identifizierung der zugrundeliegenden Genotyp-Phänotyp Beziehungen wurden systembiologische Methoden herangezogen. Erfolgsversprechende Targets wurden in definierte Produktionsstämme eingebracht und führten zu signifikanter Verbesserung von Temperaturtoleranz, Produktivität und Zellseparation. Diese Arbeit stellt somit einen wichtigen Schritt auf dem Weg zur Etablierung von B. succiniciproducens als Zellfabrik für die biobasierte Succinatproduktion dar.

Viruses are of considerable interest for several fields of life science research. The genomic richness of these entities, their environmen- tal abundance, as well as their high adaptability and, potentially, pathogenicity make treatment of viral diseases challenging. This thesis proposes three novel contributions to antiviral research that each concern analysis procedures of high-throughput experimen- tal genomics data. First, a sensitive approach for detecting viral genomes and transcripts in sequencing data of human cancers is presented that improves upon prior approaches by allowing de- tection of viral nucleotide sequences that consist of human-viral homologs or are diverged from known reference sequences. Sec- ond, a computational method for inferring physical protein contacts from experimental protein complex purification assays is put for- ward that allows statistically meaningful integration of multiple data sets and is able to infer protein contacts of transiently binding protein classes such as kinases and molecular chaperones. Third, an investigation of minute changes in viral genomic populations upon treatment of patients with the mutagen ribavirin is presented that first characterizes the mutagenic effect of this drug on the hepatitis C virus based on deep sequencing data. Viren sind von beträchtlichem Interesse für die biowissenschaftliche Forschung. Der genetische Reichtum, die hohe Vielfalt, wie auch die Anpassungsfähigkeit und mögliche Pathogenität dieser Organismen erschwert die Behandlung von viralen Erkrankungen. Diese Promotionsschrift enthält drei neuartige Beiträge zur antiviralen Forschung welche die Analyse von experimentellen Hochdurchsatzdaten der Genomik betreffen: erstens, ein sensitiver Ansatz zur Entdeckung viraler Genome und Transkripte in Sequenzdaten humaner Karzinome, der die Identifikation von viralen Nukleotidsequenzen ermöglicht, die von Referenzgenomen ab- weichen oder homolog zu humanen Faktoren sind. Zweitens, eine computergestützte Methode um physische Proteinkontakte von experimentellen Proteinkomplex-Purifikationsdaten abzuleiten welche die statistische Integration von mehreren Datensätzen erlaubt um insbesondere Proteinkontakte von flüchtig interagierenden Proteinklassen wie etwa Kinasen und Chaperonen aus den Daten ableiten zu können. Drittens, eine Untersuchung von kleinsten Änderungen viraler Genompopulationen während der Behandlung von Patienten mit dem Mutagen ribavirin die zum ersten Mal die mutagene Wirkung dieses Medikaments auf das Hepatitis C Virus mittels Tiefensequenzdaten nachweist.

Das Verhalten Biologischer Systeme wird durch eine Vielzahl regulatorischer Prozesse beeinflusst, die sich auf verschiedenen Ebenen abspielen. Die Forschung an diesen Regulationen hat stark von den großen Mengen von Hochdurchsatzdaten profitiert, die in den letzten Jahren verfügbar wurden. Um diese Daten zu interpretieren und neue Erkenntnisse aus ihnen zu gewinnen, hat sich die mathematische Modellierung als hilfreich erwiesen. Allerdings müssen die Daten vor der Integration in Modelle aggregiert und analysiert werden. Wir präsentieren vier Studien auf unterschiedlichen zellulären Ebenen und in verschiedenen Organismen. Zusätzlich beschreiben wir zwei Computerprogramme die den Vergleich zwischen Modell und Experimentellen Daten erleichtern. Wir wenden diese Programme in zwei Studien über die MAP Kinase (MAP, engl. mitogen-acticated-protein) Signalwege in Saccharomyces cerevisiae an, um Modellalternativen zu generieren und unsere Vorstellung des Systems an Daten anzupassen. In den zwei verbleibenden Studien nutzen wir bioinformatische Methoden, um Hochdurchsatz-Zeitreihendaten von Protein und mRNA Expression zu analysieren. Um die Daten interpretieren zu können kombinieren wir sie mit Netzwerken und nutzen Annotationen um Module identifizieren, die ihre Expression im Lauf der Zeit ändern. Im Fall der humanen somatischen Zell Reprogrammierung führte diese Analyse zu einem probabilistischen Boolschen Modell des Systems, welches wir nutzen konnten um neue Hypothesen über seine Funktionsweise aufzustellen. Bei der Infektion von Säugerzellen (Canis familiaris) mit dem Influenza A Virus konnten wir neue Verbindungen zwischen dem Virus und seinem Wirt herausfinden und unsere Zeitreihendaten in bestehende Netzwerke einbinden. Zusammenfassend zeigen viele unserer Ergebnisse die Wichtigkeit von Datenintegration in mathematische Modelle, sowie den hohen Grad der Verschaltung zwischen verschiedenen Regulationssystemen. The behavior of all biological systems is governed by numerous regulatory mechanisms, acting on different levels of time and space. The study of these regulations has greatly benefited from the immense amount of data that has become available from high-throughput experiments in recent years. To interpret this mass of data and gain new knowledge about studied systems, mathematical modeling has proven to be an invaluable method. Nevertheless, before data can be integrated into a model it needs to be aggregated, analyzed, and the most important aspects need to be extracted. We present four Systems Biology studies on different cellular organizational levels and in different organisms. Additionally, we describe two software applications that enable easy comparison of data and model results. We use these in two of our studies on the mitogen-activated-protein (MAP) kinase signaling in Saccharomyces cerevisiae to generate model alternatives and adapt our representation of the system to biological data. In the two remaining studies we apply Bioinformatic methods to analyze two high-throughput time series on proteins and mRNA expression in mammalian cells. We combine the results with network data and use annotations to identify modules and pathways that change in expression over time to be able to interpret the datasets. In case of the human somatic cell reprogramming (SCR) system this analysis leads to the generation of a probabilistic Boolean model which we use to generate new hypotheses about the system. In the last system we examined, the infection of mammalian (Canis familiaris) cells by the influenza A virus, we find new interconnections between host and virus and are able to integrate our data with existing networks. In summary, many of our findings show the importance of data integration into mathematical models and the high degree of connectivity between different levels of regulation.

Die oxidative Phosphorylierung (OXPHOS) spielt eine zentrale Rolle im Energiestoffwechsel der Zelle. Sie besteht aus der Atmungskette, deren vier Enzymkomplexe einen Protonengradienten über die innere mitochondriale Membran aufbauen, und der ATP-Synthase, die diesen Gradienten zur Phosphorylierung von ADP zu ATP, der zelluläre Energieeinheit, nutzt. In der vorliegenden Arbeit wurde ein thermodynamisch konformes OXPHOS Modell erstellt, welches auf Differentialgleichungen basiert. Dazu wurden Gleichungen entwickelt, welche die Kinetiken jedes OXPHOS-Komplexes über weite Bereiche von Substrat- und Produktkonzentrationen sowie unterschiedlichster Werte des elektrochemischen Gradientens wiedergeben. Zunächst wurden für jeden Komplex der Atmungskette kinetische Messungen in Abwesenheit des Protonengradientens durchgeführt. Für deren Beschreibung erwiesen sich Gleichungen vom Typ Michaelis-Menten als adäquat; hierbei wurden verschiedene Gleichungstypen verglichen. Anschließend wurde der Einfluss des Protonengradientens auf die kinetischen Parameter so modelliert, dass physiologisch sinnvolle Raten in dessen Abhängigkeit erzielt werden konnten. Diese neuen Ratengleichungen wurden schließlich in ein OXPHOS Modell integriert, mit dem sich experimentelle Daten von Sauerstoffverbrauch, elektrischem Potential und pH-Werten sehr gut beschreiben ließen. Weiter konnten Inhibitor-Titrationskurven reproduziert werden, welche den Sauerstoffverbrauch in Abhängigkeit der relativen Hemmung eines OXPHOS-Komplexes darstellen. Dies zeigt, dass lokale Effekte auf globaler Ebene korrekt wiedergeben werden können. Das hier erarbeitete Modell ist eine solide Basis, um die Rolle der OXPHOS und generell von Mitochondrien eingehend zu untersuchen. Diese werden mit zahlreichen zellulären Vorgängen in Verbindung gebracht: unter anderem mit Diabetes, Krebs und Mitochodriopathien, sowie der Bildung von Sauerstoffradikalen, die im Zusammenhang mit Alterungsprozessen stehen. Oxidative phosphorylation (OXPHOS) plays a central role in the cellular energy metabolism. It comprises the respiratory chain, consisting of four enzyme complexes that establish a proton gradient over the inner mitochondrial membrane, and the ATP-synthase that uses this electrochemical gradient to phosphorylate ADP to ATP, the cellular energy unit. In this work a thermodynamically consistent OXPHOS model was built based on a set of differential equations. Therefore rate equations were developed that describe the kinetics of each OXPHOS complex over a wide concentration range of substrates and products as well for various values of the electrochemical gradient. In a first step, kinetic measurements on bovine heart submitochondrial particles have been performed in the absence of the proton gradient. An appropriate data description was achieved with Michaelis-Menten like equations; here several types of equations have been compared. The next step consisted in incorporating the proton gradient into the rate equations. This was realized by distributing its influence among the kinetic parameters such that reasonable catalytic rates were obtained under physiological conditions. Finally, these new individual kinetic rate expressions for the OXPHOS complexes were integrated in a global model of oxidative phosphorylation. This new model could fit interrelated data of oxygen consumption, the transmembrane potential and the redox state of electron carriers. Furthermore, it could well reproduce flux inhibitor titration curves, which validates its global responses to local perturbations. This model is a solid basis for analyzing the role of OXPHOS and mitochondria in detail. They have been linked to various cellular processes like diabetes, cancer, mitochondrial disorders, but also to the production of reactive oxygen species, which are supposed to be involved in aging.

Ziel dieser Arbeit war es, den zentralen Kohlenstoffwechsel mit besonderem Fokus auf Regulation zu untersuchen, insbesondere durch die Auftrennung von zwei Regulationsebenen: metabolische Regulation, assoziiert mit direkten Wech- selwirkungen zwischen Metaboliten und Enzymen, sowie hierarchische Regulation, assoziiert mit Änderungen in Enzymmengenänderungen durch die Regulation von de novo Enzymproduktion. Unsere Untersuchungen basieren größtenteils auf drei Datensätzen aus glukoselimitierten Chemostatkulturen von S. cerevisiae. Im Kap. 2 wurden Extrazelluläre Bedingungen im Makroskopischen unter- sucht. Das wichtigsten Ergebnis dieser the- oretischen Analyse ist die Charakterisierung des Selektionsdruckes in einem Chemostatkultur. Im Kap. 4 wurde eine Analyse auf Systemebene des zentralen Kohlenstoffwech- sels durchgeführt. Unter Verwendung der Metaboliten- und der Flußdaten wurde ein kinetisches Modell konstruiert, welches wesentliche Teile des zentralen Kohlen- stoffwechsels umfaßt. Die meisten kinetischen Ausdrücke und Parameterwerte wurden aus einem bestehenden kinetischen Modells (Teusink-Modell) übernom- men., In this work, we aimed to elucidate central carbon metabolism focusing on the aspect of regulation, especially by separating two regulatory levels: metabolic regulation, associated with direct interactions of metabolites and enzymes, and hierarchic regulation, associated with enzyme level change via regulation of de novo enzyme production. Our investigations were largely based on the analysis of three datasets from glucose limited continuous cultures of S. cerevisiae. Extracellular conditions on the macroscopic scale were investigated in Chapter 2. This was inspired by the perceived lack of clarity regarding an important aspect: concentration of glucose, the limiting nutrient and main carbon source in these cultures. The main outcome of this theoretical analysis was characterisation of the selection pressure in a chemostat culture, as selecting for cells which produce the growth rate, defined by the pre-set dilution rate, with lower external concentration of the limiting nutrient. Flux regulation on the scale of individual enzymes was investigated for selected reactions in Chapter 3. This analysis was based on the attempt to reproduce flux changes through these reactions, using enzyme kinetic expressions with inputs from the three aforementioned datasets. The notion of hierarchic and metabolic regulation was introduced and modified. System-level analysis of central carbon metabolism was undertaken in Chap- ter 4. Using the information on metabolite levels and flux, a kinetic model representing significant parts of central carbon metabolism was constructed. To get feasible flux distributions, constrained metabolic flux balance analysis was performed, using a stoichiometric network, constructed to be consistent with the model’s stoichiometry. Fitting the model resulted in two sets of parameters corresponding to steady states reproducing, the nominal data values of the anaerobic and the fully aerobic conditions.

Ansätze der mathematischen Modellierung ermöglichen die Analyse der dynamischen Eigenschaften biologischer Systeme und den Einfluß spezifischer Funktionen. Das Ziel dieser Arbeit ist es verschiedene Aspekte der Interaktionen zwischen Wirt und Krankheitserregern zu analysieren. In Kapitel 3 diskutiere ich ein Modell der zellulären Antwort auf Hitzeschockstress im Pilz Candida albicans. Das Modell in Form von gewöhnlichen Differentialgleichungen erörtert mehrere Aspekte des Systems, wie z.B. die erworbene Thermotoleranz und eine perfekte Anpassung an die Beanspruchung durch die Temperaturwechsel. Im Rahmen der Interaktionen zwischen Wirt und Krankheitserreger ist die Studie relevant, da die Entwicklung von Fieber eine primäre Antwort des Organismus auf eine Pilzinvasion ist. Die Dynamik von C. albicans Virulenzfaktoren, wie z.B. der Übergang vom Hefe- zum Hyphenstadium, und die Abwehrmechanismen des Wirts bestimmen den Zustand des Pilzes, d.h. ob er als Kommensale oder Krankheitserreger vorkommt. Mit Hilfe einer agenten-basierten Modellierungstechnik, in Kapitel 4, untersuche ich die Auswirkungen potenzieller medikamentöser Behandlungen von Pilzpopulationen und ihre Effektivität. In Kapitel 5 analysiere ich die Dynamik der C. albicans Hefe- und Hyphenpopulationen unter der Annahme, das zwischen den Individuen beider Populationen paarweise Wechselwirkungen bestehen, die zusätzlich von Fresszellen und Ernährungsbedingungen beeinflusst werden. Das erste Modell basiert auf den Prinzipien der Spieltheorie. Aus dieser Studie lässt sich die Hypothese aufstellen, dass sich im Verlauf der Infektion die evolutionäre Spieldynamik von der Snowdrift Spieldynamik in Richtung Gefangendilemma verschiebt. Im zweiten Modell untersuche ich die Umschaltraten zwischen Hefen und Hyphen. Das Modell zeigt, dass in Pilzpopulationen die Ausprägung verschiedener Phänotypen der Grund für die erhöhte Überlebensfähigkeit der Population sein könnte. Mathematical modeling approaches facilitate the analysis of dynamic properties of mechanisms triggering specific functions of biological systems. Through this work I aim to shed light on various aspects of host-pathogen interactions. In Chapter 3, I discuss a model of heat shock stress response activated in the fungus Candida albicans. The model in form of ordinary differential equations reveals several features of the system, such as acquired thermotolerance and a perfect molecular adaptation to the thermal insult. The study is relevant in the context of host-pathogen interactions since development of fever is a primary host response to fungal invasion. The dynamics of C. albicans virulence factors, e.g., yeast to hypha transition, and defense mechanisms of the host determine the state of the fungi, i.e. whether to act as a commensal or as a foe. Through application of an agent-based modeling technique, in Chapter 4, I investigate effects of potential drug treatments on fungal populations and their effectivity in the fungal clearance. In Chapter 5, I analyze the dynamics of candida yeast and hyphal populations assuming pairwise interactions influenced by phagocytic cells and nutritional conditions. The first model is based on game theory principles. From the study it can be hypothesized that during the course of infection the evolutionary game dynamics shift from Snowdrift game dynamics toward Prisoners’ dilemma. In the second model, I examine switching rates between yeast and hypha. The model reveals that phenotypic variations may occur in order to increase the fitness of the population.

A subtly regulated and controlled course of cellular processes is essential for the healthy functioning not only of single cells, but also of organs being constituted thereof. In return, this entails the proper functioning of the whole organism. This implies a complex intra- and inter-cellular communication and signal processing that require equally multi-faceted methods to describe and investigate the underlying processes. Within the scope of this thesis, mathematical modeling of cellular signaling finds its application in the analysis of cellular processes and signaling cascades in different organisms. ..., Das fein regulierte und kontrollierte Ablaufen zellulärer Prozesse ist essentiell für das gesunde Funktionieren einzelner Zellen, sowie der aus ihnen bestehenden Organe. Diese wiederum bedingen das Funktionieren des gesamten Organismus. Genauso vielschichtig wie die Kommunikation und Signalverarbeitung innerhalb und zwischen den Zellen, sind die Methoden um diese Vorgänge zu beschreiben und zu untersuchen. Die mathematische Modellierung zellulärer Signalverarbeitung findet im Rahmen dieser Arbeit Anwendung in der Analyse zellulärer Prozesse und Signalkaskaden in verschiedenen Organismen....

Systems biology has the ambitious goal to obtain a holistic understanding of the biochemical processes in living organisms. In order to reach this goal experimental studies coupled with computer simulations are applied in an iterative process. Commonly, biologic processes are considered as networks describing various substances in the cell as well as substance transfer. These so-called metabolic networks are subject of many studies that are made to gain insights into the cellular metabolism. Nowadays, modern high-throughput methods as well as high-performance computer simulation lead to a huge amount of data concerning metabolic networks. Post-processing these data is a big challenge for today's sience. In this situation, visualization becomes more and more important. This thesis deals with the visualization of data in metabolic networks. Therefore, new approaches are developed in four different topics: Network drawing: A drawing editor for biochemical network is developed bringing high usability and supporting special requirements of metabolic networks. Network layout: In combination with metabolic networks, de facto standards concerning the arrangement of network components have arisen in the last decades. These conventions cannot be met by available automatic layout algorithms. Semi-automatic network layout approaches are developed that support drawing networks according to established standards. Data visualization: For the visualization of data in networks, a new approach is introduced in this thesis: the script-based visualization. A new scripting language is developed that allows the users to visualize data according to individual requirements and preferences. Extensibility: In order to allow adaptability to future application fields and requirements, a plug-in interface is indispensable. The conceptual design of this interface as well as existing modeling and 3D visualization plug-ins are introduced. A large amount of example applications brought by this thesis reveals the high benefit of the here introduced approaches for systems biology. Die Systembiologie hat das ehrgeizige Ziel, die biologischen Zusammenhänge in lebenden Organismen ganzheitlich zu verstehen. Um dieses Ziel zu erreichen, werden experimentelle Studien gekoppelt mit Computersimulation in einem iterativen Prozess eingesetzt. Biologische Prozesse werden gemeinhin als Netzwerke aufgefasst, welche die unterschiedlichen Stoffe in einer Zelle und die Stoffübergänge beschreiben. Solche sogenannten metabolischen Netzwerke sind Gegenstand vieler Studien zum Verständnis des zellulären Stoffwechsels. Moderne Hochdurchsatz-Techniken und Hochleistungs-Computersimulation führen heutzutage zu Unmengen von Daten, welche diese Stoffwechsel-Netzwerke betreffen. Die Auswertung dieser Daten stellt eine große Herausforderung für die heutige Forschung dar. Visualisierung ist hier ein bedeutendes Hilfsmittel. Diese Doktorarbeit befasst sich mit der Visualisierung von Daten in metabolischen Netzwerken. Dabei werden neuartige Ansätze in vier verschiedenen Themengebieten entwickelt: Zeichnen von Netzwerkdiagrammen: Es wird ein Zeichenwerkzeug für Stoffwechsel-Diagramme entwickelt, welches eine hohe Anwenderfreundlichkeit aufweist und die speziellen Anforderungen metabolischer Netzwerke unterstützt. Netzwerklayout: Im Zusammenhang mit metabolischen Netzwerken sind de facto Standards für das Anordnen der Netzwerkkomponenten entstanden, die von gängigen Netzwerklayout-Algorithmen nicht unterstützt werden. Es werden semi-automatische Layouttechniken entwickelt, welche das Zeichnen von Netzwerken nach konventionellen Standards unterstützen. Datenvisualisierung: Zur Visualisierung von Daten in Netzwerkdiagrammen wird eine neuartige Herangehensweise vorgestellt: die skript-basierte Visualisierung. Es wird eine Skriptsprache eingeführt, mit der Anwender die Datenvisualisierung nach eigenen Anforderungen programmieren können. Erweiterbarkeit durch Plugins: Damit ein Visualisierungswerkzeug an zukünftige Anforderungen anpassbar bleibt ist eine Plugin-Schnittstelle unumgänglich. Der Entwurf dieser Schnittstelle und bestehende Modellierungs- und 3D-Visualisierungs-Plugins werden vorgestellt. Eine hohe Anzahl an Beispielanwendungen in der Arbeit macht den großen Nutzen der hier entwickelten neuen Ansätze für die Systembiologie deutlich.

Chip-based cell biological tests are of increasing importance in the high-throughput analysis of gene functions. The cell chip technology creates microarrays of cell clusters that have been simultaneously transfected with different plasmids within a lawn of untransfected cells. The automation of experimental processes and miniaturization of assay allow the performance of several hundred transfection experiments on a single slide which significantly increases the speed of gene function analysis. However, all available cell chip-based approaches are only susceptible to the analysis of autocrine gene function. This limits the power of this method since most genes have also an impact on juxta- and paracrine cell communications which are of high relevance for many physiologic and pathologic processes. Here, we developed a novel and robust method for the highly parallel analysis of paracrine and juxtacrine cell interaction. To that goal, the cell chip technology was adapted to be per-formed with two different cell types: a producer cell which is transfected with the effector gene and subsequently secrets a paracrine mediator (effector cell), and a responder cell which is not transfected but responds to the secreted paracrine mediator (indicator cell). Spot-to-spot diffusion was prevented by a matrix overlay, ultimately allowing 192 simultaneous transfec-tion experiments for screening of paracrine gene activity to be performed on the same chip. Subsequently, we demonstrate the broad applicability and robustness of this method using (1) various indicator cell types, (2) various paracrine inducers, and (3) various indicator genes, all of which are of relevance for angiogenesis, wound healing, and cancer research. The herein described approach allows for the first time a highly parallel analysis of gene func-tions in paracrine cell interactions at the cell chip level. Due to its robustness and broad applicability in a wide range of research areas, this method holds promise to facilitate and speed up the characterisation of genes involved in heterotypic cell interactions. Chip-basierte zellbiologische Verfahren werden für die Hochdurchsatzanalyse von Genfunktionen immer wichtiger. Mit dem Zellchipverfahren wird ein Microarray bestehend aus Zellklustern, die zeitgleich mit unterschiedlichen Plasmiden transfiziert werden, hergestellt. Durch Automatisierung und Miniaturisierung des Testverfahrens können mehrere hundert Transfektionsexperimente auf einem Chip durchgeführt werden, wodurch sich die Geschwin-digkeit von Genfunktionsanalysen signifikant erhöht. Allerdings sind die derzeit verfügbaren Zellchipverfahren nur für die Untersuchung autokriner Genfunktionen geeignet. Diese Ein-schränkung stellt eine wesentliche Schwäche der bisherigen Zellchiptechniken dar, da auch juxta- und parakrine Zellkommunikation eine wichtige Rolle in vielen physiologischen und pathologischen Prozessen spielen. In dieser Arbeit wurde eine neue und robuste Methode zur Untersuchung parakriner und jux-takriner Zellkommunikation im Hochdurchsatzformat entwickelt. Hierfür wurde die Zellchip-technik derart erweitert, dass anstelle von nur einer Zellart zwei unterschiedliche Zellarten eingesetzt werden: eine Effektorzelle, welche transfiziert wird und daraufhin einen parakrinen Mediator freisetzt, und eine Indikatorzelle, welche nicht transfiziert, aber durch den von der Effektorzelle freigesetzten parakrinen Mediator induziert wird. Durch Überschichten mit einer Matrix konnte die Diffusion löslicher Mediatoren auf den jeweiligen Transfektionsbereich begrenzt werden. Dies erlaubte 192 parallele Transfektionsexperimente zur Untersuchung pa-rakriner Geneffekte auf einem Zellchip durchzuführen. Die breite Anwendbarkeit und Robustheit dieser neuen Methode wurde anschließend mittels (1) unterschiedlichen Indikator-zelltypen, (2) unterschiedlichen parakrinen Mediatoren, und (3) unterschiedlichen Indikator-genen aufgezeigt. Die in dieser Arbeit beschriebene Technik ermöglicht zum ersten Mal die Analyse von Gen-funktionen bei parakriner Zellkommunikation auf der Zellchipebene. Diese Methode ist in unterschiedlichen Forschungsgebieten anwendbar und könnte somit die Charakterisierung bestimmter Gene bei der Kommunikation zwischen zwei unterschiedlichen Zelltypen erheblich vereinfachen und beschleunigen.

Der parasitische Nematode Acanthocheilonema viteae kann die Immunantwort seines Wirtes abschwächen, indem er in diesem die Produktion immun-regulatorischer Cytokine Interleukin-10 (IL10) induziert. In dieser Arbeit entwickelte ich spezifische mathematische Modelle um die Mechanismen der IL10 Regulation zu erforschen. Die Annahmen des Modells waren: 1) Av17, ein immun-modulatorisches Protein von A. viteae, zur Phosphorylierung der MAP-Kinasen ERK und p38 führt; 2) Av17 induzierte IL10 ist ERK und p38 abhängig. Beide Annahmen waren in Übereinstimmung mit experimentellen Ergebnissen zur Aktivierung von ERK and p38. Weiter habe ich mehrere Signalregulationsmodelle getestet und eine Methode entwickelt, die theoretische und experimentelle Ansätze kombiniert. Von hier aus konnte ich ein Modell auswählen, dass unabhängige experimentelle Daten korrekt vorhersagt. Modelle selection identifizierten die Duale-Spezifizität Kinasen (DUSP) als integrale Rückkopplungsregulatoren dieses Systems. Eine Sensitivitätsanalyse zeigte, dass p38 durch DUSP, ERK beeinflusst, das Gegenteil aber nicht. Dieser Befund legt eine autokrine Rückkopplung der Signalkomponenten nahe, die auch experimentell bestätigt werden konnte. Allgemein müssen die immunoregulatorischen Mechanismen im Wirt robust gegen Störungen, z.B. durch Parasiten wie A. viteae, sein. Dies veranlasste mich mit Hilfe eines Monte-Carlo Ansatzes die Robustheit der ausgewählten Modelle gegenüber Variationen zu testen. Ich verglich das zuvor ausgewählte Modell und ein Modell mit transienter Rückkopplung. Das Resultat ließ darauf schließen, dass in diesem Fall die integrale Rückkopplung robuster gegenüber Variationen ist als eine transiente Rückkopplung. Insgesamt verbindet der systembiologische Ansatz meiner Arbeit erfolgreich theoretisches Wissen mit experimenteller Expertise um einen Mechanismus vorzuschlagen, der beschreibt, wie der Parasit A. viteae mit Makrophagen seines Wirtes interagiert, um IL10 Exprimierung zu induzieren. The parasitic nematode Acanthocheilonema viteae can downregulate the immune response of its host by inducing immunoregulatory cytokines such as interleukin-10 (IL10). In this thesis, I developed specific mathematical models to investigate IL10 regulation mechanisms. These models assumed that Av17, an immunomodulatory protein secreted by A.viteae, leads to the Mitogen Activated Protein Kinases (MAPK) ERK and p38 phosphorylation and that IL10 transient expression was dependent on the activation of both MAP kinases. These assumptions were validated with experimental data on ERK and p38 activation. Further, I tested alternative ways of signalling regulation and developed a method of model selection that combines the theoretical predictions with experimental evidences. Model selection identified dual specificity phosphatase (DUSP) as integral feedback regulators in this system. Dedicated experiments showed that DUSP1 was responsible for regulation of ERK and p38 phosphorylation and controlled IL10 expression in this system. Furthermore, a sensitivity analysis suggested that p38 affects ERK via DUSP, but ERK does not affect p38, revealing a negative feedback between the components. This model prediction was validated experimentally. Generally, host immune regulation mechanisms should be robust against variations, e.g., by parasites like A. viteae. This prompted me to test the robustness of the selected model against noise, by comparing it with a transient feedback model. The results suggest that the integral feedback model is more robust against noise than the transient feedback model, in the case under study. In summary, based on a systems biology approach that successfully combines theoretical and experimental expertise, this thesis proposes a mechanism that describes how the parasite A. viteae interacts with its host macrophages to induce IL10 expression.

Der zentrale Regulator der Kohlenstoffkatabolitenregulation (KKR), das Katabolitkontrollprotein A (CcpA), reguliert etwa 10 % aller Gene in B. subtilis, welche neben dem Kohlenstoffmetabolismus auch in den Überflussstoffwechsel, den Stickstoff- und Phosphatmetabolismus sowie die Aminosäuresynthese involviert sind (Fujita, 2009). Um ein quantitatives Verständnis dieses weitreichenden Regulationsnetzwerks zu entwickeln, soll im Rahmen des Systembiologie-Projekts BaCell-SysMO bereits determinierte kinetische Daten der Protein-Komponenten der KKR mit der Transkriptbildungsrate in Abhängigkeit der CcpA-vermittelten Regulation vernetzt werden. Dafür wurde im ersten Schritt eine Methode für die absolute Quantifizierung der intrazellulären Transkriptkonzentration auf Basis der quantitativen real-time PCR entwickelt. Diese ermöglicht die akkurate mRNA-Quantifizierung beim Übergang zu physiologischem Stress. Die Validierung der Methodik erfolgte quantitativ mittels β-Galaktosidase-Aktivitätsmessungen und qualitativ mittels RNA-Hybridisierungs-experimenten. Anschließend erfolgte die Optimierung der Wachstumsbedingungen von B. subtilis in Minimalmedium ohne Aminosäurezugabe auf die maximale Wuchsrate. Unter diesen Kultivierungsbedingungen wurden mittels zeitaufgelöster Quantifizierung der Transkriptkonzentration die Rate der Akkumulierung (Summe aus Transkriptauf- und abbau) und des Abbaus der CcpA-regulierten Gene xylA und xynP ermittelt. Daraus berechnete sich die Transkriptbildungsrate, welche als Kenngröße für die Reaktion der Zelle auf die (De-)Aktivierung der KKR definiert ist. Im zweiten Teil dieser Arbeit wurde die alsS-Expression in KKR-defizienten B. subtilis-Mutanten in Abhängigkeit der Kohlenstoffquelle analysiert. Anschließend wurde erörtert, über welche Wege die CcpA-abhängige Aktivierung der Expression des alsSD-Operons funktionieren könnte. The central regulator of carbon catabolite regulation (CCR), the catabolite control protein A (CcpA), regulates about 10 % of the whole genome in B. subtilis. These genes are involved in carbon metabolism, overflow metabolism, amino acid synthesis, nitrogen and phosphate metabolism (Fujita, 2009). To develop a quantitative understanding of this extensive regulatory network, available kinetic data of protein components of the CCR will be cross-linked with transcription rates of CcpA-depending regulation within the systems biology project BaCell-SysMO. Therefor, at first a real-time PCR-based method for the absolute quantification of intracellular transcript concentrations was developed. This allowed the accurate quantification of mRNA during the transition to physiological stress situations. The method was validated quantitatively via β-galactosidase activity measurements and qualitatively via RNA hybridization experiments. Then the growth conditions of B. subtilis in minimal medium without addition of amino acids were optimized to get a maximal growth rate. Using time-resolved quantification of the intracellular transcript concentration, the rate of mRNA accumulation (sum of transcript formation and decay) and the rate of mRNA decay of CcpA-regulated genes xylA and xynP were determined. Using these data the transcript formation rate was calculated, which is defined as parameter for the response to activation or deactivation of CCR in the bacterial cell. In the second part of this thesis the expression of alsS in CCR-deficient B. subtilis strains depending on the present carbon source was analysed. Further it is discussed which mechanism leads to the CcpA-dependent activation of the expression of the alsSD operon.

Ein der Biologie zugrunde liegender Prozess ist die Fortpflanzung. Einzeller wachsen dazu heran und teilen sich. Grundlage hierfür sind ausreichend Nahrung und Ressourcen, um die eigene Masse und alle Zellbestandteile, insbesondere die DNS, zu verdoppeln. Fehler bei der Wachstumsregulation oder der DNS-Verdopplung können schwerwiegende Folgen haben und stehen beim Menschen im Zusammenhang z.B. mit Krebs. In dieser Arbeit werden mathematische Modelle für die Mechanismen zur Wachstumsregulierung und DNS-Verdopplung in der Bäckerhefe, Saccharomyces cerevisiae, vorgestellt. Modellierung kann entscheident zum Verstehen von komplexen, dynamischen Systemen beitragen. Wir haben ein Modell für Einzellerwachstum entwickelt und leiten das Wachstumsverhalten von Zellkulturen von diesem Modell, mittels einer hierfür programmierten Software, ab. Außerdem haben wir ein Model für die Verdopplung der DNS entwickelt, um Auswirkungen verschiedener Aktivierungsmuster auf die Replikation zu testen. Zusätzlich wurde die Verlängerung entstehender DNS Stränge, Elongation, mit einem detaillierten, stochastischen Modell untersucht. Wir haben unsere Ergebnisse zur DNS-Verdopplung mit einer abschließenden Untersuchung ergänzt, die funktionelle Beziehungen von Genen aufzeigt, welche sich in der Nähe von Aktivierungsstellen der Verdopplung befinden. Folgende Einsichten in die komplexe Koordination von Wachstum und Teilung wurden gewonnen: (i) Wachstumskontrolle ist eine inhärente Eigenschaft von Hefezellpopulationen, welche weder Signale noch Messmechanismen benötigt, (ii) DNS Verdopplung ist robuster in kleinen Chromosomen mit hoher Dichte an Aktivierungsstellen, (iii) Elongation ist weitgehend uniform, weicht aber an genau definierten Stellen signifikant ab und (iv) katabole Gene häufen sich nahe der frühen Aktivierungsstellen und anabole Gene nahe der späten. Unsere Ergebnisse tragen zum Verständniss von zellulären Mechanismen zur Wachstumskontrolle und DNS-Verdopplung bei. One of the most fundamental processes in biology is reproduction. To achieve this, single cellular organisms grow, proliferate and divide. The prerequisite for this is acquiring sufficient resources to double size and cellular components, most importantly the DNA. Defects in either sufficient gain in size or chromosomal doubling can be severe for the organism and have been related to diseases in humans, such as cancer. Therefore, the cell has developed sophisticated regulatory mechanisms to control the orderly fashion of growth and duplication. We have developed mathematical models to study systemic properties of size control and DNA replication in the premier eukaryotic model organism Saccharomyces cerevisiae. Modeling can help understanding the complex nature of dynamic systems. We provide a single cell model to explore size control. We deduced population behavior from the single cell model through multi-cell simulations using a tailor-made software. Also, we implemented an algorithm that simulates the DNA replication process to test the impact of different replication activation patterns. Additionally, elongation dynamics were assessed with a fine-grained stochastic model for the replication machinery motion. We complemented our analysis of DNA replication by studying the functional association of genes and replication origins. Our systems-level analysis reveals novel insights into the coordination of growth and division, namely that (i) size regulation is an intrinsic property of yeast cell populations and not due to signaling or size sensing, (ii) DNA replication is more robust in small chromosomes with high origin density, (iii) the elongation process is strongly biased at distinct locations in the genome and (iv) catabolic genes are over-represented near early origins and anabolic genes near late origins. Our results contribute to explaining mechanisms of size control and DNA replication.

Systems biology looks for emergent system effects from large scale assemblies of molecules and data, for instance in the human platelets. However, the computational efforts in all steps before such insights are possible can hardly be under estimated. In practice this involves numerous programming tasks, the establishment of new database systems but as well their maintenance, curation and data validation. Furthermore, network insights are only possible if strong algorithms decipher the interactions, decoding the hidden system effects. This thesis and my work are all about these challenges. To answer this requirement, an integrated platelet network, PlateletWeb, was assembled from different sources and further analyzed for signaling in a systems biological manner including multilevel data integration and visualization. PlateletWeb is an integrated network database and was established by combining the data from recent platelet proteome and transcriptome (SAGE) studies. The information on protein-protein interactions and kinase-substrate relationships extracted from bioinformatical databases as well as published literature were added to this resource. Moreover, the mass spectrometry-based platelet phosphoproteome was combined with site-specific phosphorylation/ dephosphorylation information and then enhanced with data from Phosphosite and complemented by bioinformatical sequence analysis for site-specific kinase predictions. The number of catalogued platelet proteins was increased by over 80% as compared to the previous version. The integration of annotations on kinases, protein domains, transmembrane regions, Gene Ontology, disease associations and drug targets provides ample functional tools for platelet signaling analysis. The PlateletWeb resource provides a novel systems biological workbench for the analysis of platelet signaling in the functional context of protein networks. By comprehensive exploration, over 15000 phosphorylation sites were found, out of which 2500 have the corresponding kinase associations. The network motifs were also investigated in this anucleate cell and characterize signaling modules based on integrated information on phosphorylation and protein-protein interactions. Furthermore, many algorithmic approaches have been introduced, including an exact approach (heinz) based on integer linear programming. At the same time, the concept of semantic similarities between two genes using Gene Ontology (GO) annotations has become an important basis for many analytical approaches in bioinformatics. Assuming that a higher number of semantically similar gene functional annotations reflect biologically more relevant interactions, an edge score was devised for functional network analysis. Bringing these two approaches together, the edge score, based on the GO similarity, and the node score, based on the expression of the proteins in the analyzed cell type (e.g. data from proteomic studies), the functional module as a maximum-scoring sub network in large protein-protein interaction networks was identified. This method was applied to various proteome datasets (different types of blood cells, embryonic stem cells) to identify protein modules that functionally characterize the respective cell type. This scalable method allows a smooth integration of data from various sources and retrieves biologically relevant signaling modules., Systembiologie sucht nach Systemeffekten in großflächigen Anordnungen von Molekülen und Daten, beispielsweise in menschlichen Blutplättchen. Allerdings kann der Rechenaufwand in den Schritten, die für solche Einsichten nötig sind, kaum unterschätzt werden. In der Praxis umfasst dies zahlreiche Programmieraufgaben, die Einrichtung neuer Datenbanksysteme, sowie deren Wartung, aber auch die Pflege und Validierung der vorgehaltenen Daten. Zudem sind Netzwerkeinsichten nur möglich, wenn effiziente und gute Algorithmen für versteckte Systemeffekte oder auch codierende Wechselwirkungen entschlüsseln. Diese Dissertation und meine Arbeit sind auf diese Herausforderungen konzentriert. Um diese Anforderung zu erfüllen, wurde ein integriertes Thrombozytennetzwerk, PlateletWeb, aus verschiedenen Quellen zusammengestellt und weiterhin auf Signalverarbeitung und –weitergabe einschließlich mehrstufiger Datenintegration und Visualisierung systembiologisch analysiert. PlateletWeb ist eine integrierte Netzwerkdatenbank, die durch die Kombination von Daten aus den neuesten Thrombozyten Proteom und Transkriptom (SAGE) Studien etabliert wurde. Information über Protein-Protein-Wechselwirkungen und Kinase-Substrat-Paaren wurde aus bioinformatischen Datenbanken hinzugefügt, extrahierte Daten aus der veröffentlichten Literatur ergänzten dies weiter. Darüber hinaus wurde das Blutplättchen-Phosphoproteom aufgrund von Daten aus der Massenspektroskopie mit ortsspezifischen Phosphorylierungs-/ Dephosphorylierungsdaten kombiniert. Ergänzt wurde dies um Daten aus der Datenbank Phosphosite und durch bioinformatische Sequenzanalyse unter Nutzung ortsspezifischer Kinasevorhersagen. Die Zahl der katalogisierten Thrombozytenproteine wurde im Vergleich mit der Vorversion von 2008 um mehr als 80% erhöht (beinahe Verdoppelung der Daten, insbesondere aber neue, zusätzliche Datenkategorien, z.B. über Pharmaka, Phosphorylierung, Gen-Ontologie, daneben auch weitere Validierung und Pflege der vorhandenen Daten). Die neue Integration von Annotationen für Kinasen, Proteindomänen, Transmembranregionen, Gene Ontology, Krankheitsbezüge und Azneimittelziele bietet neue, mächtige Werkzeuge für die funktionelle und systembiologische Analyse von Thrombozytensignalwegen. Die PlateletWeb Datenbank liefert eine neuartige systembiologische Werkbank zur Analyse von medizinisch relevanten Blutplättchensignalen (z.B. Plättchenaktivierung bei Thrombose, Hämostase etc.) im funktionellen Zusammenhang von Proteinnetzwerken. Durch umfassende Untersuchungen wurden über 15000 Phosphorylierungsstellen identifiziert, von denen 2500 einer Kinase zugeordnet werden konnten. Netzwerkmotive wurden auch in diesen Zellen ohne Zellkern untersucht und neue und interessante Signalmodule charakterisiert. Dies war nur durch die integrierte Information über Phosphorylierung und Protein-Protein-Wechselwirkungen möglich. Darüber hinaus wurden zahlreiche algorithmische Ansätze verwand, darunter ein exakter Ansatz zur Bayesschen Analyse von Interaktionsnetzwerken (Heinz) basierend auf linearer Integer-Programmierung. Gleichzeitig hat sich unser Konzept der semantischen Ähnlichkeiten zwischen zwei Genen basiert auf Gene Ontology (GO) Annotationen etabliert und ist eine wichtige Grundlage für viele analytische Ansätze in der Bioinformatik geworden. Unter der Annahme, dass eine höhere Anzahl von semantisch ähnlichen funktionellen Genannotationen biologisch relevantere Interaktionen reflektieren, wurde eine Bewertung der Kanten für funktionelle Netzwerkanalyse entwickelt. Die Kombination beider Ansäte, die Kantenbewertung, basierend auf der GO-Ähnlichkeit und die Netzknotenbewertung bezogen auf die Expression der Proteine ermöglichte in den analysierten Zelltypen (unter Nutzung von Daten z.B. aus Proteomstudien) die Identifizierung funktioneller Module als maximal bewertete Subnetzwerke in großen Proteinnetzwerken. Dieses Verfahren wurde an verschiedenen Proteomdatensätzen getestet (verschiedene Arten von Blutzellen, embryonale Stammzellen), um Proteinmodule zu identifizieren, die funktionell den jeweiligen Zelltyp charakterisieren. Weitere Ansätze der Methode erfassen die Analyse von quantitativen Phosphoproteom-Daten zur Identifizierung des Signalflusses in einem Kinase-Substrat Netzwerk. Diese skalierbaren Ansätze ermöglichen eine reibungslose Integration von Daten aus verschiedenen Quellen und liefern biologisch relevante Signalmodule.

This work is mainly concerned with sensitivity analysis of DAE-based models described by the modern object-oriented modeling language Modelica. In this context, an automatic differentiation tool named as ADModelica is presented. It fully employs Modelica-based compiler techniques forming a new automatic differentiation approach for non-causal equation-based languages. Already existing open-source compiler tools are utilized for reducing implementation efforts. A generated output model efficiently represents a sensitivity equation system by which parameter sensitivities can be simulated using any existing Modelica simulation environment. The resulting tool has been successfully applied on high-level Modelica models in the field of Systems Biology. In benchmark examples, the performance of the generated models are better than applying common finite difference methods in terms of accuracy and runtime performance. Moreover, the representation of these models permits the exploitation of structural characteristics of sensitivity equation systems for significantly improved runtime performance on supercomputer clusters.Using ADModelica, several sensitivity analysis application studies of computationally, algorithmically and technically challenging nature have been performed towards the realization of stable efficient parameter estimation process of large and badly-scaled dynamical models. These studies cover among others: • The examination of several global multistart optimization methods w.r.t. results quality and implementation efforts, in particular the design of new derivative-based hybrid heuristic strategies• The determination of confidence regions of model parameters via identifiability analysis techniques based on linearized statistics and Monte Carlo bootstrap methods.Within this work furtherModelica-based both domain-dependent and domain-independent computational tools have been implemented such as:• A compact Modelica library for simplified kinetics for modeling complex reaction systems through which model families can be easily specified• A tool for visualizing scaled parameter sensitivities within a supervised master thesis • A Modelica-based editor for modeling biochemical reaction networks within a collaborative work with collegesFinally, this thesis also covers theoretical studies concerning the differential and the structural index of a DAE system and the corresponding sensitivity equation system with an interesting mathematically proven conclusion about their relationship.