Search

Der eukaryotische Zellzyklus ist auf allen Ebenen der Genexpres- sion reguliert. Sowohl breit angelegte genetische Screens als auch funktionale Studien zu den beteiligten Proteinen haben unser Ver- ständnis dieses fundamentalen Prozesses geprägt. In dieser Arbeit behandle ich räumliche Aspekte der post-transkriptionalen Regulation des Zellzyklus, die mit lichtmikroskopischen Einzelzell- und Einzel- molekülmethoden experimentell zugänglich werden. Insbesondere untersuchte ich die subzelluläre Lokalisierung der messenger RNA von CLB2, einem zentralen Regulator der Mitose im eukaryotischen Modellorganismus Saccharomyces cerevisiae (Bierhefe). Frühere Studien zeigten, dass diese RNA sich im Laufe des vegetativen Zellwachstums in der entstehenden Tochterzelle, der Knospe, anreichert. Mithilfe modernster Fluoreszenzmikroskopie charakterisierte ich die Bewe- gung und Verteilung einzelner CLB2 messenger RNA-Moleküle auf Zeitskalen von Millisekunden bis hin zur Generationszeit dieser He- fen. Ich zeigte, dass sich mit Hilfe von Multifokusmikroskopie unter Verwendung optimierter Fluoreszenzmarker und der Entwicklung objektiver Analysemethoden die Bewegung einzelner RNA-Moleküle zwischen Mutterzelle und Knospe nachvollziehen lässt. Dazu präsen- tiere ich eine Methode um die beobachteten Trajektorien der messenger RNA mathematischen Analysen der Systembiologie zugänglich zu machen. Weiterhin gab die Beobachtung der Verteilung einzelner CLB2 messenger RNA Moleküle über den Zellzyklus hinweg mittels einer neuartigen Lichtblattmikroskopie (Lattice Light Sheet Microscopy) Hinweise auf eine bisher unbekannte Dynamik in der Lokalisierung dieser messenger RNA. Die hier entwickelten Methoden ermöglichen eine quantitative Untersuchung räumlicher Aspekte der posttranskrip- tionalen Zellzyklusregulation., The eukaryotic cell cycle is regulated on all levels of gene expression. Genetic screens and functional studies of the involved proteins have shaped our understanding of this fundamental process. In this thesis I use single cell and single molecule light microscopy methods to investigate spatial aspects of post-transcriptional cell cycle regulation. I investigated the subcellular localization of CLB2 mRNA, a central regulator of mitosis in the eukaryotic model organism Saccharomyces cerevisiae (baker’s yeast). Previous studies have shown that that this messenger RNA is enriched in the emerging daughter cell, the bud, during vegetative growth. Using pre-commercial fluorescence micro- scopes I characterized the dynamics and partitioning of single CLB2 mRNA on time scales from milliseconds to the generation time of this yeast. I demonstrate that using aberration corrected multifocus mi- croscopy, optimized fluorescent markers, and here developed objective analysis methods, the translocation of single mRNA molecules be- tween mother and bud can be observed. In addition, I report a method to make these trajectories available for the mathematical approaches of Systems Biology. Further, the observation of single CLB2 mRNA partitioning throughout the cell cycle with the use of lattice light sheet microscopy suggested a previously unknown localization behavior of the transcript. The methods developed here enable a quantitative analysis of spatial aspects of post-transcriptional cell cycle regulation.

Dynamische zelluläre Prozesse wie Zellzyklus, Signaltransduktion oder Transkription zu analysieren wird Live-cell-imaging mittels Zeitraffermikroskopie verwendet. Um nun aber Zellabstammungsbäume aus einem Zeitraffervideo zu extrahieren, müssen die Zellen segmentiert und verfolgt werden können. Besonders hier, wo lebende Zellen über einen langen Zeitraum betrachtet werden, sind Fehler in der Analyse fatal: Selbst eine extrem niedrige Fehlerrate kann sich amplifizieren, wenn viele Zeitpunkte aufgenommen werden, und damit den gesamten Datensatz unbrauchbar machen. In dieser Arbeit verwenden wir einen einfachen aber praktischen Ansatz, der die Vorzüge der manuellen und automatischen Ansätze kombiniert. Das von uns entwickelte Live-cell-Imaging Datenanalysetool ‘eDetect’ ergänzt die automatische Zellsegmentierung und -verfolgung durch Nachbearbeitung. Das Besondere an dieser Arbeit ist, dass sie mehrere interaktive Datenvisualisierungsmodule verwendet, um den Benutzer zu führen und zu unterstützen. Dies erlaubt den gesamten manuellen Eingriffsprozess zu rational und effizient zu gestalten. Insbesondere werden zwei Streudiagramme und eine Heatmap verwendet, um die Merkmale einzelner Zellen interaktiv zu visualisieren. Die Streudiagramme positionieren ähnliche Objekte in unmittelbarer Nähe. So kann eine große Gruppe ähnlicher Fehler mit wenigen Mausklicks erkannt und korrigiert werden, und damit die manuellen Eingriffe auf ein Minimum reduziert werden. Die Heatmap ist darauf ausgerichtet, alle übersehenen Fehler aufzudecken und den Benutzern dabei zu helfen, bei der Zellabstammungsrekonstruktion schrittweise die perfekte Genauigkeit zu erreichen. Die quantitative Auswertung zeigt, dass eDetect die Genauigkeit der Nachverfolgung innerhalb eines akzeptablen Zeitfensters erheblich verbessern kann. Beurteilt nach biologisch relevanten Metriken, übertrifft die Leistung von eDetect die derer Tools, die den Wettbewerb ‘Cell Tracking Challenge’ gewonnen haben., Live cell imaging based on time-lapse microscopy has been used to study dynamic cellular behaviors, such as cell cycle, cell signaling and transcription. Extracting cell lineage trees out of a time-lapse video requires cell segmentation and cell tracking. For long term live cell imaging, data analysis errors are particularly fatal. Even an extremely low error rate could potentially be amplified by the large number of sampled time points and render the entire video useless. In this work, we adopt a straightforward but practical design that combines the merits of manual and automatic approaches. We present a live cell imaging data analysis tool `eDetect', which uses post-editing to complement automatic segmentation and tracking. What makes this work special is that eDetect employs multiple interactive data visualization modules to guide and assist users, making the error detection and correction procedure rational and efficient. Specifically, two scatter plots and a heat map are used to interactively visualize single cells' visual features. The scatter plots position similar results in close vicinity, making it easy to spot and correct a large group of similar errors with a few mouse clicks, minimizing repetitive human interventions. The heat map is aimed at exposing all overlooked errors and helping users progressively approach perfect accuracy in cell lineage reconstruction. Quantitative evaluation proves that eDetect is able to largely improve accuracy within an acceptable time frame, and its performance surpasses the winners of most tasks in the `Cell Tracking Challenge', as measured by biologically relevant metrics.

The study of plant-environment interactions is a multidisciplinary research field. With the emergence of quantitative large-scale and high-throughput techniques, amount and dimensionality of experimental data have strongly increased. Appropriate strategies for data storage, management, and evaluation are needed to make efficient use of experimental findings. Computational approaches of data mining are essential for deriving statistical trends and signatures contained in data matrices. Although, current biology is challenged by high data dimensionality in general, this is particularly true for plant biology. Plants as sessile organisms have to cope with environmental fluctuations. This typically results in strong dynamics of metabolite and protein concentrations which are often challenging to quantify. Summarizing experimental output results in complex data arrays, which need computational statistics and numerical methods for building quantitative models. Experimental findings need to be combined by computational models to gain a mechanistic understanding of plant metabolism. For this, bioinformatics and mathematics need to be combined with experimental setups in physiology, biochemistry, and molecular biology. This review presents and discusses concepts at the interface of experiment and computation, which are likely to shape current and future plant biology. Finally, this interface is discussed with regard to its capabilities and limitations to develop a quantitative model of plant-environment interactions., Peer Reviewed

Acclimation is the capacity to adapt to environmental changes within the lifetime of an individual. This ability allows plants to cope with the continuous variation in ambient conditions to which they are exposed as sessile organisms. Because environmental changes and extremes are becoming even more pronounced due to the current period of climate change, enhancing the efficacy of plant acclimation is a promising strategy for mitigating the consequences of global warming on crop yields. At the cellular level, the chloroplast plays a central role in many acclimation responses, acting both as a sensor of environmental change and as a target of cellular acclimation responses. In this Perspective article, we outline the activities of the Green Hub consortium funded by the German Science Foundation. The main aim of this research collaboration is to understand and strategically modify the cellular networks that mediate plant acclimation to adverse environments, employing Arabidopsis, tobacco (Nicotiana tabacum) and Chlamydomonas as model organisms. These efforts will contribute to ‘smart breeding’ methods designed to create crop plants with improved acclimation properties. To this end, the model oilseed crop Camelina sativa is being used to test modulators of acclimation for their potential to enhance crop yield under adverse environmental conditions. Here we highlight the current state of research on the role of gene expression, metabolism and signalling in acclimation, with a focus on chloroplast‐related processes. In addition, further approaches to uncovering acclimation mechanisms derived from systems and computational biology, as well as adaptive laboratory evolution with photosynthetic microbes, are highlighted., Deutsche Forschungsgemeinschaft http://dx.doi.org/10.13039/501100001659, Peer Reviewed

Die Signalwege des transformierenden Wachstumsfaktors β (TGF-β) spielen eine entscheidende Rolle bei der Zellproliferation, -migration und -apoptose durch die Aktivierung von Smad-Proteinen. Untersuchungen haben gezeigt, dass die biologischen Wirkungen des TGF-β-Signalwegs stark vom Zellkontext abhängen. In dieser Arbeit ging es darum zu verstehen, wie TGF-β-Signale Zielgene unterschiedlich regulieren können, wie unterschiedliche Dynamiken der Genexpression durch TGF-β-Signale induziert werden und auf welche Weise Smad-Proteine zu unterschiedlichen Expressionsmustern von TGF- β-Zielgenen beitragen. Der Fokus dieser Studie liegt auf den transkriptionsregulatorischen Effekten des Nodal / Activin-Liganden, der zur TGF-β-Superfamilie gehört und ein wichtiger Faktor in der frühen embryonalen Entwicklung ist. Um diese Effekte zu analysieren, habe ich kinetische Modelle entwickelt und mit den Zeitverlaufsdaten von RNA-Polymerase II (Pol II) und Smad2-Chromatin-Bindungsprofilen für die Zielgene kalibriert. Unter Verwendung des Akaike-Informationskriteriums (AIC) zur Bewertung verschiedener kinetischer Modelle stellten wir fest, dass der Nodal / Activin-Signalweg Zielgene über verschiedene Mechanismen reguliert. Im Nodal / Activin-Smad2-Signalweg spielt Smad2 für verschiedene Zielgene unterschiedliche regulatorische Rollen. Wir zeigen, wie Smad2 daran beteiligt ist, die Transkriptions- oder Abbaurate jedes Zielgens separat zu regulieren. Darüber hinaus werden eine Reihe von Merkmalen, die die Transkriptionsdynamik von Zielgenen vorhersagen können, durch logistische Regression ausgewählt. Der hier vorgestellte Ansatz liefert quantitative Beziehungen zwischen der Dynamik des Transkriptionsfaktors und den Transkriptionsantworten. Diese Arbeit bietet auch einen allgemeinen mathematischen Rahmen für die Untersuchung der Transkriptionsregulation anderer Signalwege., Transforming growth factor-β (TGF-β) signaling pathways play a crucial role in cell proliferation, migration, and apoptosis through the activation of Smad proteins. Research has shown that the biological effects of TGF-β signaling pathway are highly cellular-context-dependent. In this thesis work, I aimed at understanding how TGF-β signaling can regulate target genes differently, how different dynamics of gene expressions are induced by TGF-β signal, and what is the role of Smad proteins in differing the profiles of target gene expression. In this study, I focused on the transcriptional responses to the Nodal/Activin ligand, which is a member of the TGF-β superfamily and a key regulator of early embryonic development. Kinetic models were developed and calibrated with the time course data of RNA polymerase II (Pol II) and Smad2 chromatin binding profiles for the target genes. Using the Akaike information criterion (AIC) to evaluate different kinetic models, we discovered that Nodal/Activin signaling regulates target genes via different mechanisms. In the Nodal/Activin-Smad2 signaling pathway, Smad2 plays different regulatory roles on different target genes. We show how Smad2 participates in regulating the transcription or degradation rate of each target gene separately. Moreover, a series of features that can predict the transcription dynamics of target genes are selected by logistic regression. The approach we present here provides quantitative relationships between transcription factor dynamics and transcriptional responses. This work also provides a general computational framework for studying the transcription regulations of other signaling pathways.

Das metastasierende kolorektale Karzinom stellt eine große Herausforderung in der Krebstherapie dar. Verlässliche und effiziente Biomarker zur Prognose des Krankheitsverlaufes oder der Therapieantwort (Prädiktion) sind rar. Metastasis-associated in colon cancer 1 (MACC1) ist ein prognostischer, prädiktiver und kausaler Biomarker für verschiedene Tumorentitäten. Durch die Induzierung von Zielgenen, wie z.B. MET, beeinflusst es Signalwege wie MEK/ERK und AKT/β-catenin und fördert so Zellproliferation und -motilität sowie Tumorprogression und Metastasierung in vivo. Diese Arbeit sollte neue Strategien erforschen diese Prozesse durch die Inhibition von MACC1 auf Transkriptions- und Signaltransduktionsebene zu unterbinden. Mit zwei verschiedenen Screeningmethoden konnten wir Statine als potente transkriptionelle Inhibitoren von MACC1 als auch phosphotyrosin (pY)-abhängige Interaktionen von MACC1 mit essentiellen Signalmolekülen identifizieren: SHP2, GRB2, SHC1, PLCG1 und STAT5B. Statine verringerten MACC1-spezifische Proliferation und Koloniebildung in vitro als auch Tumor Wachstum und Metastasierung in vivo bei Dosen äquivalent der humanen Standardtherapie zur Blutlipidsenkung. Mutation der pY-Bindungsstellen reduzierte die Aktivität des MACC1-induzierten ERK Signalwegs sowie Zellmigration und -proliferation. Anhand unserer Daten orchestriert MACC1, abhängig von MET und EGFR, neue SHP2/SRC/ERK und PKA/SRC/CREB Signalkaskaden zu einem malignen Phänotyp. Gezielte Intervention restringierte die MACC1-abhängige Koloniebildung, was neue therapeutische Interventionspunkte identifiziert und eine hervorragende Basis für Untersuchungen zur Kombinationstherapie darstellt. Die weitere Erforschung der spatiotemporalen Organisation des MACC1 Signalosoms und assoziierter Signalkaskaden soll das volle therapeutische Potential von MACC1 ausschöpfen. Wir empfehlen zudem Statine in der Krebstherapie bzw. -prävention, besonders bei MACC1-stratifzierten Patienten, anzuwenden., Metastatic colorectal cancer still represents a major challenge in therapy. Reliable and efficient biomarkers for early prognosis of disease course or treatment response (prediction) remain scarce. Metastasis-associated in colon cancer 1 (MACC1) has been established as prognostic, predictive and causal biomarker for several tumor entities. Its induction of target genes such as MET affects several signaling pathways including MEK/ERK and AKT/β-catenin. Thus, it promotes cellular proliferation and motility as well as tumor progression and metastasis formation in vivo. This study intended to explore new strategies to inhibit these processes by targeting MACC1 on transcriptional and signaling level. By two distinct screening methods, we identified statins as potent MACC1 transcriptional inhibitors as well as phosphotyrosine (pY)-dependent interactions of MACC1 with crucial signaling molecules: SHP2, GRB2, SHC1, PLCG1 and STAT5B. Statins showed MACC1-specific reduction of proliferation and colony formation in vitro as well as restriction of tumor growth and metastasis formation in vivo at doses equivalent to human standard lipid reduction therapy. Mutation of the pY-interaction sites abrogated MACC1-dependent ERK signaling as well as cell migration and proliferation. Our data further suggest that MACC1 governs SHP2/SRC/ERK and PKA/SRC/CREB axes conferring a malignant phenotype in response to MET and EGFR. Targeted intervention restricted MACC1-dependent colony formation which indicates new drug intervention points for MACC1 signaling and provides an excellent baseline for further investigations of combinatorial treatments. Additional research about the spatiotemporal organization of MACC1 signalosome formation and downstream signaling will reveal the entire potential of MACC1 as therapeutic target, whereas statins should already be considered for cancer therapy or prevention, especially in patients stratified for MACC1 expression.

Die Genexpression ist ein stochastischer Prozess, dessen strenge Regulation einen ungestörten Zellzyklusverlauf ermöglicht. Jeglicher Stress löst eine Neuprogrammierung der Expression und somit einen Stillstand des Zellzyklus aus. Um ein besseres Verständnis des eukaryotischen Zellzyklus zu erlangen, wurde in dieser Arbeit die Fluoreszenzmikroskopie einzelner Zellen (S.cerevisiae) mit stochastischer Modellierung der Hauptregulatorgene des G1/S-Übergangs (SIC1, CLN2, CLB5) kombiniert. Mithilfe des MS2-CP-Systems wurden mRNA-Level von SIC1 in lebenden Zellen bestimmt und verschiedene Transportwege von SIC1-mRNA visualisiert. RNA-FISH in Kombination mit genetischen und morphologischen Markierungen ermöglichte es, die absolute Quantifizierung von SIC1-, CLN2- und CLB5-mRNA in allen Zyklusphasen vorzunehmen. Die Auswirkung von Osmostress, in Hinblick auf eine transkriptionale Verzerrung, wurde untersucht. Basierend auf den experimentellen-Daten wurde ein stochastisches Model entwickelt, dass die Expression von SIC1, CLN2 und CLB5 mRNA und Proteinlevel in Abhängigkeit von Osmostress über den gesamten Zellzyklus hinweg abbildet. Die Modellierung ermöglichte eine in silico Synchronisation und somit die Extraktion kinetischer Parameter. Die Expression der beobachteten Gene wurde im Verlauf des Zellzyklus nicht ein- und ausgeschaltet, stattdessen kam es zu Phasen hoher oder niedriger Expression. Niedriger SIC1 Expression gewährleistete niedriger Sic1 Protein Verzerrung und robustes G1/S Timing. CLN2 und CLB5 zeigten ein maximales Expressionslevel in G1 und auch eine erhöhte Expression in der späten Mitose. Osmostress induzierte einen langanhaltenden Effekt auf die Transkription und die Dauer der Zellzyklusphasen. Der hier vorgestellte Ansatz ermöglichte quantitative Einblicke in die Genexpression und zeitliche Koordination des Zellzyklus von S.cerevisiae. Einige der hier beobachteten Regulationsmechanismen könnten allgemeine Gültigkeit im eukaryotischen Zellzyklus besitzen., Gene expression is a stochastic process and its appropriate regulation is critical for cell cycle progression. Cellular stress response requires expression reprogramming and cell cycle arrest. Time-resolved quantitative methods on single cells are needed to understand eukaryotic cell cycle in context of noisy gene expression and external perturbations. We applied single-cell fluorescence microscopy and stochastic modeling to SIC1, CLN2 and CLB5, the main G1/S regulators in S. cerevisiae. Using MS2-CP system we estimated SIC1 mRNA levels and visualized different types of transport for SIC1 mRNA particles in living cells. With RNA-FISH combined to genetic and morphological markers we monitored absolute numbers of mRNA and transcriptional noise over cell cycle phases with and without osmostress. Stochastic modeling enabled in silico synchronization, the extraction of kinetic parameters as well as expanded the static mRNA data into time courses for mRNAs, proteins and their noise. Based on our experimental data we developed a stochastic model of G1/S timing centered on SIC1 and a second one for the entire cell cycle involving SIC1, CLN2 and CLB5 and the response to osmostress. All three genes exhibited basal expression throughout cell cycle enlightening that transcription is not divided in on and off but rather in high and low phases. A low SIC1 transcript level ensured a low protein noise and a robust timing of the G1/S transition. CLN2 and CLB5 showed main expression peaks in G1 as well as an expression upshift in late mitosis. Osmostress induced different periods of transcriptional inhibition for CLN2 and CLB5 and long-term impact on cell cycle phase duration. Our approach disclosed detailed quantitative insights into gene expression and cell cycle timing, not available from bulk experiments. Importantly some regulation mechanisms specific to SIC1, CLN2 and CLB5 might be generalized to other genes as well as to other organisms.

Die Durchführung von Experimenten und das mathematische Modellieren von zellulären Prozessen gehören in der Systembiologie untrennbar zusammen. Das gemeinsame Ziel ist die Aufklärung des Zusammenspiels intrazellulärer Prozesse wie Metabolismus, Genexpression oder Signaltransduktion. Während sich molekularbiologische Untersuchungen mit den molekularen Mechanismen einzelner isolierter Systeme beschäftigen, zielt die Systembiologie auf die Aufklärung der Zusammenhänge ganzer Prozesse und schließlich auch ganzer Zellen ab. Die Verfügbarkeit von umfangreichen Datensätzen und die steigenden Möglichkeiten im Bereich der Computersimulation haben in den letzten Jahren den Weg geebnet, um auch Ganzzellsimulationen nicht mehr unmöglich erscheinen zu lassen. Diese Arbeit stellt das erste eukaryotische Ganzzellmodell der Bäckerhefe Saccharomyces cerevisiae vor. Hefe als eukaryotischer Modellorganismus ist hierbei der perfekte Kandidat für die Erstellung eines solchen Modells. Er bietet, als wohl meist erforschter eukaryotischer Einzeller in Verbindung mit der Verfügbarkeit einer großen Menge experimenteller Daten, beste Voraussetzungen zur Erstellung eines solchen Modells. Das Projekt ist hierbei in drei Teile gegliedert: i) Die Erstellung eines modularen Ganzzellmodells das alle zellulären Funktionen wie Zellzyklus, Genexpression, Metabolismus, Transport und Wachstum abbildet. ii) Die Implementation einer spezialisierten Simulationsumgebung in Verbindung mit einer Datenbank, um die Erstellung, Simulation und Parametrisierung von Modulen zu ermöglichen. iii) Die Durchführung von Experimenten, um einen ganzheitlichen Datensatz zu erlangen, der Wachstum, Genexpression und Metabolismus abbildet. Die hier vorgestellte Arbeit liefert nicht nur ein mathematisches Modell, sondern benennt auch die Herausforderungen, die während der Arbeit an einem Ganzzellmodell auftreten und stellt mögliche Lösungsansätze vor., In systems biology experiments and mathematical modeling are going hand in hand to gain and increase understanding of cellular processes like metabolism, gene expression, or signaling pathways. While molecular biology investigates single isolated parts and molecular mechanisms of cellular processes, systems biology aims at unraveling the whole process and ultimately whole organisms. Today the availability of comprehensive high-throughput data and computational power paved the way to increase the size of analyzed systems to reach the cellular level. This thesis presents the first whole-cell model (WCM) of a eukaryotic cell, the yeast Saccharomyces cerevisiae. This established model organism is the perfect candidate for the implementation of a holistic model based on the available experimental data and the accumulated biological knowledge. The project is split into three parts: i) The creation of a modular functional-complete whole-cell model, combining the processes cell cycle, gene expression, metabolism, transport, and growth. ii) The implementation of a specialized simulation environment and a database to support module creation, simulation, and parameterization. iii) The elicitation of experimental data by conducting an experiment to achieve a comprehensive data set for parameterization, combining growth, metabolic, proteomic, and transcriptomic data. The presented work provides not only a simple mathematical model but also addresses challenges occurring during the development of whole-cell models and names possible solutions and new methodologies required for the creation of WCMs.

Darmkrebszellen und T-Zellen regulieren ihren zentralen Kohlenstoffmetabolismus um ihren anabolen Bedarf zu erfüllen. Tumorzellen mit einer KRAS- oder BRAF-Mutation zeigen ein schnelles Wachstum, welches eine Umprogrammierung des Metabolismus vor aussetzt. Der mitochondriale T-Zellen-Aktivierungsinhibitor (TCAIM) ist bekannt dafür die mitochondriale Zellstruktur zu beeinflussen. Der Einfluss auf den Metabolismus nicht klar. In dieser Arbeit präsentiere ich erstmalig ein mathematische Model des zentralen Kohlen stoffmetabolismus in Darmkrebszellen und T-Zellen. Mithilfe dieses Modells analysiere ich, wie sich die Regulation in ähnlichen Zelllinien unterscheidet. In Bezug auf die Darm krebszellen vergleiche ich BRAF-(CaCO2-BRAFV600E), KRAS-(CaCO2-KRASG12V) mu tierte Zelllinien mit einer Basiszelllinie (CaCO2-control) und zeige, dass der Kohlenstoff metabolismus in BRAF-mutierten Zellen im Vergleich zu den beiden übrigen Zelllinien herabreguliert ist. Das Modell bestätigt außerdem, dass der Monocarboxylattransporter (MCT) in den Darmkrebszellen eine wichtige Rolle, insbesondere in den KRAS mu tierten Zellen, spielt. In T-Zellen zeigt der Vergleich von Wildtypzellen (CD8 T-Zellen) mit TCAIM homozygoten Zellen (TCAIM homozygote CD8 T-Zellen), dass der Kohlen stoffmetabolismus in zweiteren überwiegend herabreguliert und weniger aktiv ist. Diesen Effekt konnte ich durch die Analyse von RNASeq-Daten der jeweiligen Zelltypen bestä- tigen. Des Weiteren stelle ich fest, dass sich der Tricarbonsäurezyklus umkehrt, wenn durch die Glykolyse nicht ausreichend Laktat exportiert und die Biomasseproduktion unterstützt werden kann. Meine Arbeit stellt damit insgesamt einen neuartigen Ansatz zur Integration von Meta bolomik und RNAseq Daten dar, um die Regulation des zentralen Kohlenstoffmetabo lismus zu verstehen., Colon cancer cells and T cells regulate central carbon metabolism to meet their anabolic needs. In KRAS and BRAF tumors, metabolic reprogramming is a premise to support rapid proliferation. In T cells, the mitochondrial T cell activation inhibitor (TCAIM) is known to affect mitochondrial morphology but its effect on cellular metabolism is not well understood. Via mathematical modelling, I investigate the differential regulation of closely related cell lines. I present the first mathematical model for colon cancer and T cell metabolism, unraveling differential regulation between related cell lines. The model shows that CaCO2-BRAFV600Ecells are mostly downregulated compared to CaCO2-KRASG12Vand CaCO2-control. Additionally, it demonstrates the critical role of monocarboxylate transporter (MCT), especially for CaCO2-KRASG12V. Concerning T cells, I compare wild-type T cells to homozygous TCAIM T cells. This unveils that TCAIM homozygous cells have a mostly downregulated TCA cycle, validated by RNASeq data, and are less metabolically active than wild-type T cells. Furthermore, if the glycolytic flux is not sufficient to support lactate export and biomass production, the model reveals that the TCA cycle is reversed as it requires less regulation. Taken together, this work presents a novel approach to integrate data referring to metabolic and genetic regulation of metabolism. On this basis, we can now better discriminate the metabolic capacity of CaCO2-control, CaCO2-BRAFV600E, CaCO2-KRASG12V, wildtype CD8 T cells, and homozygous TCAIM CD8 T cells.

Trotz Fortschritte in den letzten Dekaden ist das Langzeitüberleben von Nierentransplantaten unzureichend. Die Personalisierung der Behandlung kann dabei zu erheblichen Verbesserungen führen. Vor diesem Hintergrund wurde eine Kohorte von 587 Patienten im ersten Jahr nach der Transplantation untersucht und ein breites Spektrum von Markern zur langfristigen Prognose etabliert. In dieser Dissertation beschreibe ich in vier Manuskripten und zwei Kapiteln meine Arbeit zur personalisierten Transplantationsmedizin. Der klinische Verlauf von Patienten nach Nierentransplantation wurde untersucht. Die wichtigen Komplikationen standen im Vordergrund: Virusreaktivierungen – insbesondere die BK- und Cytomegalieviren – und akute Abstoßung. Folgende Analysen wurden durchgeführt: (i) Systematische Analyse der Assoziationen zwischen Virusreaktivierungen und deren Einfluss auf das Transplantationsergebnis; (ii) Bewertung der Auswirkungen antiviraler Behandlungsstrategien auf die Transplantationsergebnisse; (iii) Entwicklung eines Tools zur Prätransplantations-Risikoeinschätzung der Abstoßung und (iv) Erstellung eines mathematischen Modells für die personalisierte Charakterisierung der Immunantwort gegen das BK-Virus. Zusammengenommen haben die vier Studien das Potenzial, (i) die Patientenversorgung zu verbessern, (ii) die Überwachung von Virusreaktivierungen zu optimieren, (iii) Präventionsstrategien gegen virale Reaktivierungen zu stratifizieren, (iv) die Behandlung der Patienten an das individuelle Risiko akuter Abstoßung anzupassen, und (v) zur Personalisierung der Immuntherapie beizutragen. Die Studien zeigen, wie das große Datenvolumen einer klinischen Studie zur Weiterentwicklung der personalisierten Medizin unter Einsatz effektiver Strategien für Datenmanagement, Analyse und Interpretation genutzt werden kann. Es ist zu erwarten, dass diese Ergebnisse die klinische Praxis beeinflussen und so das langfristige Überleben und die Lebensqualität der Patienten verbessern., In spite of the developments in the last decades, long-term graft survival rates in kidney transplantation are still poor: Personalization of treatment can thereby lead to a drastic improvement in long-term outcomes. With this goal, a cohort of 587 patients was characterized for a wide range of markers during the first post-transplantation year to assess their long-term prognosis. Here, I describe along four manuscripts and two chapters my work on personalized medicine for renal transplantation. In detail, we have studied the clinical evolution of patients with emphasis on two most relevant complications: viral reactivations – particularly those of BK virus and cytomegalovirus – and acute rejection. We have analysed in depth these phenomena by (i) exhaustively analysing the associations between different viral reactivations and their influence on transplantation outcome, (ii) evaluating the effects of antiviral treatment strategies on viral reactivation and other transplantation outcomes with emphasis on sex-associated differences, (iii) developing a tool for the pre-transplantation risk assessment of acute cellular rejection, and (iv) creating a mathematical model for the personalized characterization of the immune response against the BK virus under immunosuppression. Taken together, these studies have the potential of improving patient care, optimizing monitoring of viral reactivations, stratifying antiviral prevention strategies, tailoring immunosuppression and monitoring to the individual risk of acute rejection, and contributing to personalization of immunotherapy. They demonstrate how the large volume of data obtained within a clinical study can be employed to further the development of personalized medicine, employing effective data management, analysis and interpretation strategies. We expect these results to eventually inform clinical practice, thereby improving long-term survival and quality of life after kidney transplantation.

Temperature influences the life of many organisms in various ways. A great number of organisms live under conditions where their ability to adapt to changes in temperature can be vital and largely determines their fitness. Understanding the mechanisms and principles underlying this ability to adapt can be of great advantage, for example, to improve growth conditions for crops and increase their yield. In times of imminent, increasing climate change, this becomes even more important in order to find strategies and help crops cope with these fundamental changes. There is intense research in the field of acclimation that comprises fluctuations of various environmental conditions, but most acclimation research focuses on regulatory effects and the observation of gene expression changes within the examined organism. As thermodynamic effects are a direct consequence of temperature changes, these should necessarily be considered in this field of research but are often neglected. Additionally, compensated effects might be missed even though they are equally important for the organism, since they do not cause observable changes, but rather counteract them. In this work, using a systems biology approach, we demonstrate that even simple network motifs can exhibit temperature-dependent functional features resulting from the interplay of network structure and the distribution of activation energies over the involved reactions. The demonstrated functional features are (i) the reversal of fluxes within a linear pathway, (ii) a thermo-selective branched pathway with different flux modes and (iii) the increased flux towards carbohydrates in a minimal Calvin cycle that was designed to demonstrate temperature compensation within reaction networks. Comparing a system’s response to either temperature changes or changes in enzyme activity we also dissect the influence of thermodynamic changes versus genetic regulation. By this, we expand the scope of thermodynamic modelling of biochemica, Deutsche Forschungsgemeinschaft, Peer Reviewed

Cyanobakterien sind die einzig bekannten Prokaryoten, die in der Lage sind oxygene Photosynthese zu betreiben. Sie besitzen ein großes Potenzial als nachhaltige Ressourcen für die Herstellung zahlreicher industriell und medizinisch relevanter Wirkstoffe. Trotz ihrer essentiellen Bedeutung ist jedoch das Wachstum von Cyanobakterien bis jetzt nur unzureichend verstanden. Im Rahmen dieser Arbeit habe ich daher ein mathematisches Modell entwickelt, das das Wachstum von Cyanobakterien auf der Grundlage von intrazellulärer Proteinverteilung beschreibt. Dabei wurde das Proteom in wenige relevante Protein-Klassen unterteilt, die an fundamentalen zellulären Prozessen beteiligt sind, darunter Kohlenstoffaufnahme, -fixierung und -stoffwechsel, sowie Photosynthese und Proteintranslation. Besonders interessant sind die aus dem Modell resultierenden sogenannten mikrobiellen Wachstumsgesetze, sprich die Korrelationen zwischen der Wachstumsrate und der Proteinverteilung, die im stationären Zustand des Wachstums beobachtet werden. Das Modell prognostiziert eine charakteristische Krümmung für die Wachstumsgesetze jener Proteine, welche mit Lichtabsorption und Proteintranslation assoziiert werden. Verursacht wird diese Krümmung durch hohe Lichtintensitäten, die eine Abnahme der Wachstumsrate zur Folge haben. Die prognostizierten Wachstumsgesetze werden durch Proteindaten, die mittels Massenspektrometrie erhoben wurden, vom Cyanobakterium Synechocystis sp. PCC 6803 gestützt. Des Weiteren bietet das Modell einen geeigneten Ausgangspunkt für die Erweiterung von der Charakterisierung von Einzelzellen zu einer Population von Zellen in einem lichtlimitierten Chemostat. Das erweiterte Modell stellt einen Zusammenhang her zwischen intrazellulärer Proteinverteilung, Wachstum der Population und Kultivierungseigenschaften, und bietet somit einen neuartigen Ansatz zur Untersuchung und Verbesserung der Kultivierung von phototrophen Organismen und die Optimierung der photosynthetischen Produktivitä, Cyanobacteria are the only known prokaryotes that perform oxygenic photosynthesis, and therefore, hold significant potential as sustainable resources for the production of numerous industrially and medically relevant compounds. Despite their importance, however, the (molecular) limits and cellular economy of photoautotrophic growth are still insufficiently understood. In this thesis, I present a mathematical model based on a coarse-grained description of cellular protein allocation to describe cyanobacterial growth. The model describes cellular trade-offs considering only proteins that are involved in key cellular processes (carbon uptake, fixation, and metabolism, as well as photosynthesis and protein translation). Of particular interest are the resulting microbial growth laws, i.e., correlations between the growth rate and the protein distribution observed during balanced growth. The model predicts a characteristic kink for the growth laws of the light harvesting components and the translational machinery induced by photoinhibition, a decrease in growth rate due to high light intensities. The resulting growth laws are supported by quantitative mass spectrometry-based proteomics data of the cyanobacterium Synechocystis sp. PCC 6803. The proteomics data shows that the mathematical model has intrinsic predictive power, and thus, provides a suitable starting point for extending it from describing single cells to describe a growing population in a light-limited chemostat. The extended modeling framework goes beyond current models using phenomenological growth equations and establishes a mechanistic link between intracellular protein allocation, population growth and cultivation properties. The extended model provides a novel approach to study and guide phototrophic cultivation improvements that maximize photosynthetic productivity.

Der eukaryotische Zellzyklus ist ein streng regulierter Prozess, für dessen zeitlichen Ablauf unter anderem oszillierende Genexpression notwendig ist. Die Regulation und die zeitliche Koordination des Zellzyklus sind nach wie vor fundamentale Fragen der Zellbiologie. Spezifische Ereignisse, wie DNA Replikation und Zellkernteilung, können vier Zellzyklusphasen zugeordnet werden, welche durch Cyclin-abhängige Kinasen, Cycline und deren Inhibitoren reguliert werden. Während in Saccharomyces cerevisiae Cyclin-abhängige Kinasen (Cdc28, Pho85) über den gesamten Zellzyklus zu Verfügung stehen, werden Cycline und ihre Inhibitoren nur in spezifischen Phasen exprimiert. In S. cerevisiae sind drei wichtige G1-Cycline (Cln1-Cln3) in die oszillierende Genexpression involviert. In dieser Arbeit wurde die zeitaufgelöste, transkriptomweite Genexpression im Wildtyp und in Cyclindeletionsmutanten gemessen. Um die Rolle der G1-Cycline für die Feinabstimmung des Zellzykluses zu verstehen, wurden Gene nach charakteristischen Expressionsprofilen geclustert, Expressionsmaxima detektiert, ein Transkriptionsfaktornetzwerk integriert und Zellzyklusphasendauern bestimmt. Um Unterschiede zwischen der Rolle der Cycline zu verstehen, wurden die Zellen zusätzlich Osmostress ausgesetzt. Des Weiteren wurde mit Hilfe von RNA-Fluorescence In Situ Hybridization (FISH) die Expression zweier Cycline (PCL1 und PCL9), die an Pho85 binden, auf Einzelzellniveau gemessen. Um die Expression in spezifischen Zellzyklusphasen zu quantifizieren, wurden einzelne Zellen mithilfe von Zellzyklusmarkern spezifischen Zellzyklusphasen zugeordnet. Nachdem die Expression unter normalen Wachstumsbedingungen gemessen wurde, wurde zusätzlich Osmostress angewandt. Durch die Kombination einer Einzelzellquantifizierung und einer transkriptomweiten Methode konnten spezifische Aufgaben der Cycline, Cln1, Cln2 und Cln3, erforscht werden. Zusätzlich konnten backup Mechanismen für die Zellzyklusregulation entschlüsselt werden., The eukaryotic cell cycle is a highly ordered process. For its timing and progression, oscillating gene expression is crucial. The stability of cell cycle regulation and the exact timing is still a fundamental question in cell biology. Specific events, like DNA replication and nuclear division can be assigned to four distinct phases. These events are regulated by cyclin-dependent kinases, cyclins and their inhibitors. In Saccharomyces cerevisiae cyclin-dependent kinases (Cdc28, Pho85) are present throughout the cell cycle, while cyclins and their inhibitors are only expressed and active during specific phases. The G1 cyclins Cln1-3 are essential players to induce oscillating gene expression and are thereby involved in the fine-tuning of the cell cycle. To understand the role of the G1 cyclins for exact cell cycle timing and oscillating gene expression, time-resolved, transcriptome-wide gene expression in wild type and cyclin deletion mutants were measured. Characteristic expression profiles were clustered, precise peak times for each gene were estimated, a transcription factor network was integrated and cell cycle phase durations were defined. To further understand the role and differences of each cyclin osmostress was applied. Furthermore the expression of two cyclins (PCL1 and PCL9) corresponding to the cyclin-dependent kinase Pho85 was measured in single cells. Using RNA-Fluorescence In Situ Hybridization (FISH) and cell cycle progression markers, high and low expression phases and absolute numbers of mRNAs were obtained. Gene expression was quantified under normal and osmostressed growth conditions to understand the necessity of the cyclins for osmostress adaptation in different cell cycle phases. By the combination of a single cell and a transcriptome-wide approach distinct roles of G1 cyclins Cln1, Cln2 and Cln3 were deciphered and an insight in the backup mechanisms during cell cycle progression for normal and osmostressed growth conditions were proposed.

Reconstructing metabolic reaction networks enables the development of testable hypotheses of an organism’s metabolism under different conditions1. State-of-the-art genome-scale metabolic models (GEMs) can include thousands of metabolites and reactions that are assigned to subcellular locations. Gene–protein–reaction (GPR) rules and annotations using database information can add meta-information to GEMs. GEMs with metadata can be built using standard reconstruction protocols2, and guidelines have been put in place for tracking provenance and enabling interoperability, but a standardized means of quality control for GEMs is lacking3. Here we report a community effort to develop a test suite named MEMOTE (for metabolic model tests) to assess GEM quality.