Search

An der Interpretation extrazellulärer Signale beteiligte Regulationsnetzwerke sind von zentraler Bedeutung für alle Organismen. Extrazelluläre Signale werden gewöhnlich durch enzymatische Kaskaden innerhalb weniger Minuten in den Zellkern weitergeleitet, wo sie langsame Änderungen der Genexpression bewirken und so das Schicksal der Zelle beeinflussen. Im ersten Teil der Arbeit wird durch mathematische Modellierung untersucht, wie die MAPK Kaskade Signale von der Zellmembran in den Kern weiterleitet. Es wurden Netzwerkeigenschaften herausgearbeitet, die verhindern, dass die MAPK Kaskade fälschlicherweise durch genetische Mutationen aktiviert wird. Desweiteren wurde eine versteckte positive Rückkopplungsschleife identifiziert, welche die Aktivierung der MAPK Kaskade oberhalb eines gewissen Schwellwert-Stimulus verstärkt. Der zweite Teil der Arbeit konzentriert sich darauf, wie Änderungen der Genexpression auf langsamer Zeitskala in das Signalnetzwerk rückkoppeln. Eine systematische Genexpressionsdaten-Analyse ergab, dass transkriptionelle Rückkopplung in Eukaryoten generell über Induktion kurzlebiger Signalinhibitoren geschieht. Dynamische Modellierung und experimentelle Validierung von Modellvorhersagen ergab, dass das Inhibitorprotein SnoN als zentraler negativer Feedback Regulator im TGFbeta Signalweg fungiert. Der dritte Teil der Arbeit untersucht, wie die Genexpressionsmaschinerie intrazelluläre Signale interpretiert (“dekodiert“). Eine experimentelle und theoretische Analyse der cyanobakteriellen Eisenstress-Antwort ergab, dass IsrR, eine kleine regulatorische RNA, die Genexpression auf ausreichend starke und lange Stimulation beschränkt. Des Weiteren wurde ein “Reverse Engineering“-Algorithmus auf Hochdurchsatz-RNAi-Daten angewendet, um die Topologie eines krebsrelevanten Transkriptionsfaktornetzwerks abzuleiten. Zusammenfassend wurde in dieser Dissertation gezeigt, wie mathematische Modellierung die experimentelle Analyse biologischer Systeme unterstützen kann, Intracellular regulatory networks involved in sensing extracellular cues are crucial to all living organisms. Extracellular signals are rapidly transmitted from the cell membrane to the nucleus by activation of enzymatic cascades which ultimately elicit slow changes in gene expression, and thereby affect the cell fate. In the first part of this thesis, the Ras-MAPK cascade transducing signals from the cell membrane to the nucleus is analyzed using mathematical modeling. Model analysis reveals network properties which prevent the MAPK cascade from being inappropriately activated by mutations. Moreover, the simulations unveil a hidden positive feedback loop which ensures strong amplification of MAPK signalling once extracellular stimulation exceeds a certain threshold. The second part of the thesis focuses on how slow gene expression responses feed back into the upstream signalling network. A systematic analysis of gene expression data gathered in mammalian cells demonstrates that such transcriptional feedback generally involves induction of highly unstable signalling inhibitors, thereby establishing negative feedback regulation. Dynamic data-based modelling identifies the SnoN oncoprotein as the central negative feedback regulator in the TGFbeta signalling pathway, and corresponding model predictions are verified experimentally in SnoN-depleted cells. The third part of the thesis focuses on how intracellular signals are decoded by the downstream gene expression machinery. A combined experimental and theoretical analysis of the cyanobacterial iron stress response reveals that small non-coding RNAs allow cells to selectively respond to sufficiently strong and sustained stimuli. Finally, a reverse engineering approach is applied to derive the topology of a complex mammalian transcription factor network from high-throughput knock-down data. In conclusion, this thesis demonstrates how mathematical modelling can support experimental analysis of biological systems.