The pathogenic species of trypanosomatids, including Trypanosoma brucei, T. cruzi, and Leishmania spp, cause serious human as well as animal diseases, with a very high incidence and mortality rate if untreated. Although the genome sequences of several trypanosomatids have been known for several years, many aspects of gene function and gene regulation are still unclear in these organisms. Most importantly, the lack of similarity between the majority of their genes and characterized genes of other organisms has limited our understanding of the gene functions in trypanosomatids. Not only the functions of many genes are unknown, the factors that are involved in their regulation are mostly uncharacterized. Trypanosomatids primarily rely on post-transcriptional programs for regulation of gene expression, and transcriptional regulation is of least importance. The genomes of these organisms harbour a large number of RNA-binding proteins with potential role in regulating mRNA stability and translation; however, the sequence specificity of these RNA-binding proteins and their function is mostly unknown. The focus of this thesis is on development of new methods for homology-independent functional characterization of genes in trypanosomatids, and deciphering the programs that are involved in their regulation. First, I describe a novel universal relationship between codon usage and gene function, and show the utility of this relationship for functional characterization of genes in various organisms, including trypanosomatids. This relationship most probably points to the role of codon usage in dynamic regulation of protein expression in different conditions, and helps the cell to adapt to new environments and conditions by synchronously regulating proteins with required functions. Then, I introduce a computational approach for identification of function-specific cis-acting regulatory elements, and demonstrate the utility of this approach for identification of potential regulatory elements in trypanosomatids, as well as for prediction of gene function based on the flanking regulatory sequences. I also show that combination of cis-regulatory elements and codon usage is a strong predictor of gene function in trypanosomatids. In addition to these methods, which can identify biological processes and pathways, a new method for identification of protein molecular functions based on short sequence signatures is introduced in this thesis. I show that this new method is able to identify function-specific protein short motifs that present functional sites on proteins, and demonstrate the utility of these motifs in predicting protein molecular function in trypanosomatids. In addition to these sequence-based approaches, I also explore the possibility of predicting trypanosomatid gene functions based on co-expression. I present the first co-expression network of T. brucei, which is constructed by combining several microarray datasets from different studies, and use it for predicting new components of several essential pathways in this organism. This analysis suggested the presence of a conserved post-transcriptional regulatory network in trypanosomatids, which encouraged us to develop a novel framework for identification of regulatory programs with high network-level conservation across multiple species. This framework revealed an extensive set of conserved regulatory programs in trypanosomatids, many of which could be validated using available expression datasets as well as our microarray profiles of chemical perturbations. The studies described here contribute significantly to functional annotation of genes in trypanosomatids, and identify the regulatory mechanisms that govern gene expression in these organisms. Furthermore, the introduced methods can be used for functional annotation of many uncharacterized genes and identification of gene regulatory programs in virtually all organisms with available genome sequences. / Les espèces pathogènes de l'ordre des trypanosomatida, incluant Trypanosoma brucei, T. cruzi, et différentes espèces de Leishmania sont responsables de sérieuses maladies humaines et animales, avec une très forte incidence et taux de mortalité élevé lorsque non soignées. Bien que les génomes de plusieurs trypanosomatida soient disponibles depuis plusieurs années, de nombreux aspects de la fonction et de la régulation génique restent inexplorés chez ces organismes. Les trypanosomatida se reposent principalement sur des mécanismes post-transcriptionels pour la régulation de l'expression génique, et la régulation de la transcription n'a que peu d'importance. Les génomes de ces organismes hébergent un grand nombre de protéine se liant à l'ARN avec des rôles potentiels dans la régulation de la stabilité et de la traduction des ARNm. Néanmoins, les séquences spécifiques de ces protéines se liant à l'ARN et leurs fonctions restent principalement méconnues. L'objectif de cette thèse se situe au niveau du développement de nouvelles méthodes indépendantes de l'homologie pour permettre la caractérisation fonctionnelles de gènes chez les trypanosomatida, et de déchiffrer les mécanismes impliqués dans cette régulation. Premièrement, je décris une nouvelle relation universelle entre l'utilisation des codons et la fonction génique, et montre l'utilité de cette relation pour la caractérisation de gènes dans divers organismes, incluant les trypanosomatida. Cette relation pointe probablement vers un rôle de l'utilisation des codons dans la régulation dynamique de l'expression protéique sous diverses conditions, et aide la cellule à s'adapter à de nouveaux environnements et conditions en synchronisant la régulation des protéines avec les fonctions requises. J'ai introduis une approche computationnelle pour l'identification d'éléments cis-régulateurs fonction-spécifiques et démontré l'utilité de cette approche pour l'identification d'éléments régulateurs potentiels chez les trypanosomatida, ainsi que pour la prédiction de fonctions géniques basées sur les séquences régulatrices flanquantes. En plus de ces méthodes, qui peuvent identifier biologiquement des phénomènes et des voies métaboliques, une nouvelle procédure pour l'identification des fonctions moléculaires des protéines, basée sur de courtes signatures de séquences, est introduite dans cette thèse. Outre cette approche basée sur les séquences, j'explore également la possibilité de prédire la fonction de certains gènes des trypanosomatida en me basant sur la co-expression. Je présente le premier réseau de co-expression de T. brucei, élaboré en combinant plusieurs jeux de données de microarray provenant de différentes études, et les utilise pour prédire de nouveaux éléments de multiples voies métaboliques essentielles dans cet organisme. Cette analyse suggère la présence de réseaux post-transcriptionels conservés chez les trypanosomatida, ce qui nous encourage à mettre au point un nouveau cadre expérimental pour l'identification de mécanismes régulateurs avec un fort niveau de conservation au sein de multiples espèces. Ce cadre expérimental a révélé une somme importante de mécanismes régulateurs conservés chez les trypanosomatida, dont beaucoup pourraient êtres validés en utilisant des données d'expression disponibles ainsi qu'avec des profils de perturbations chimiques de microarrays. Les études décrites ici contribuent significativement à l'annotation génique fonctionnelle chez les trypanosomatida, et permet d'identifier des mécanismes de régulation qui gouvernent l'expression génique de ces organismes. De plus, les méthodes introduites peuvent être utilisée pour l'annotation fonctionnelle de nombreux gènes non-caractérisés et l'identification de programmes de régulation génique dans virtuellement n'importe quel organisme dont le génome est disponible.

Human breast cancer is an extremely heterogeneous disease, consisting of a number of different subtypes with varying levels of aggressiveness reflected by distinct, but largely undefined, molecular profiles. Here we have analyzed several novel mouse models for breast cancer in the context of the human subtypes, and have shown parallels between the mice and humans at numerous biologically relevant levels. In addition, we have developed a statistical framework to help elucidate the individual molecular components that are at play across a panel of human breast or murine mammary tumors. Our results indicate that, while no mouse model captures all aspects of the human disease, they each contain components that are shared by a subset of human breast tumors. Furthermore, our statistical framework provides numerous advantages over previous methodologies, in helping to reveal the individual molecular pathways that make up the biology of the tumors. / Le cancer du sein est connue pour être une maladie très hétérogène, composé d'un nombre de différents sous-types avec différents niveaux de l'agressivité et distinctes, mais indéfini, profils moléculaires. Ici, nous avons analysé plusieurs nouveaux modèles de souris pour le cancer du sein, dans le cadre des sous-types, et nous avons trouver des parallèles à un certain nombre de niveaux pertinents biologiques. En outre, nous avons développé une méthodologie statistique pour aider à élucider les différents composants moléculaires qui sont à jouer dans un groupe de tumours de sein d'humains ou mammaires murins. Nos résultats indiquent que, même si aucun modèle de souris capte tous les aspects de la maladie chez l'homme, chacun contiennent des composants qui sont partagées par un sous-ensemble de tumeurs mammaires humaines. En outre, notre outil statistique offre de nombreux avantages par rapport aux précédentes méthodes, pour aider à révéler les voies moléculaires qui composent la biologie des tumeurs.

The endoplasmic reticulum (ER) is a cellular organelle responsible for lipid biosynthesis, protein folding, drug detoxification and regulation of cellular calcium levels. One third of all cellular proteins are folded and assembled in the ER, including most membrane-bound and secreted proteins that are responsible for inter-cellular signaling. As such, the ER has evolved a series of pathways collectively called Endoplasmic Reticulum Quality Control (ERQC) that ensure proteins that are properly folded, as errantly folded proteins can be toxic to the cell. These pathways play a diverse role in many human diseases. In neurodegenerative diseases such as Huntington's disease, the accumulation of protein plaques can be prevented by over-expression of protein chaperones, suggesting that weakened folding machinery causes the disease phenotype. In the case of diseases such as Cystic Fibrosis that are caused by genetic mutation to cell surface proteins, ERQC machinery degrades these mutated proteins despite their ability to function properly if they were allowed to exit the ER. In cancer, the ability of ERQC machinery to protect cells from stress enables tumor cells to survive and thrive in hypoxic and nutrient-poor environments. Systems biology methods have enabled the study of signaling pathways in human disease across the cell. However, with this breadth comes a limited ability to focus on particular areas of interest such as the ER. To address this, this thesis applies systems biology methods specifically to ER and ERQC pathways to better understand their role in human disease. We first characterize the proteins that reside in the ER and Golgi through comprehensive analysis of peptides identified in ER and Golgi fractions via mass spectrometry, providing the first experimentally-derived ER proteome. We then use this list of ER proteins to identify ER signaling pathways that distinguish between breast cancer subtypes to provide novel therapeutic approaches to treating / Le réticulum endoplasmique (RE) est un organelle cellulaire responsable de la biosynth`ese des lipides, du repliement des protéines, de la désintoxication et de la régulation des niveaux cellulaires de calcium. Un tiers des protéines cellulaires est plié et assemblé dans le RE, y compris la plupart des protéines liées à la membrane et des protéines sécrétées responsables de la signalisation inter-cellulaire. Ainsi, le RE a mis au point une série de voies de signalisation collectivement appelées Contrôle de Qualité du Réticulum Endoplasmique (CQRE) qui assurent que les protéines soient correctement pliées, étant donné que les protéines incorrectement pliées peuvent être toxiques pour la cellule. Ces voies jouent divers rôles dans de nombreuses maladies humaines. Dans les maladies neurod égénératives telles que la maladie de Huntington, l'accumulation de plaques de protéines peut être évitée par la sur-expression de protéines chaperons, ce qui sugg`ere qu'un affaiblissement de la machinerie de pliage cause le phénotype de cette maladie. Dans le cas de maladies comme la Fibrose Cystique qui sont causées par une mutation génétique des protéines de la membrane cellulaire, le CQRE dégrade ces protéines mutées bien que celles-ci fonctionneraient correctement si elles avaient été autorisées à quitter le RE. Dans le cancer, la capacité du CQRE à protéger les cellules contre le stress permet aux cellules tumorales de survivre et de se développer dans des environnements hypoxiques et pauvres en éléments nutritifs. Les méthodes de biologie des syst`emes ont permis l'étude des voies de signalisation dans les maladies humaines à travers la cellule. Cependant, avec cette large étendue, il devient difficile de se concentrer sur certains domaines d'intérêt tels que le RE. Pour résoudre ce problme, cette thse applique les méthodes de la biologie des syst`emes spécifiquement au RE et aux voies de signalisation du CQRE po

Doctor of Philosophy(PhD) / In this thesis, we consider Markov models for matched sequences. De¯ne fij(t) = P(X(t) = i; Y (t) = jjX(0) = Y (0)); where fij is the joint probability that, for a given site, the ¯rst and second sequences have the values i and j at a given site, given that they were the same at time 0. This can generalized to several sequences. The sequences (taxa) are then arranged in an evolutionary tree (phylogenetic tree) depicting how taxa diverge from their common ancestors. We develop tests and estimation methods for the parameters of di®erent models. Standard phylogenetic methods assume stationarity, homogeneity and reversibility for the Markov processes, and often impose further restrictions on the parameters. The parameters in these cases are estimated using many popular packages, including PHYLIP and PAUP*. We describe a new and more general method for calculating the joint probability distribution under stationary and homogeneous models for the more general models with some weakening of the stationarity and homogeneity assumptions. We describe the method for a two edged tree and then extend it to the case for a K tipped tree. We discuss the case of a ¯ve edged tree for a set of bacterial sequences for which stationarity and homogeneity are not present. This data set is very similar to that of Galtier and Gouy (1995), and the search for methods appropriate for its analysis has provided the raison d'etre for this work. The extension we propose is to allow non-stationarity, so that from the root of the tree we permit di®erent Markov processes to operate along different descendant lineages; furthermore, we permit non-homogeneous Markov processes to operate across the tree. We obtain methods that

Thesis (M.S.)--University of Missouri--Rolla, 2007. / Vita. The entire thesis text is included in file. Title from title screen of thesis/dissertation PDF file (viewed February 6, 2008) Includes bibliographical references (p. 36).

Thesis (Ph.D.)--University of Illinois at Urbana-Champaign, 2006. / Source: Dissertation Abstracts International, Volume: 68-02, Section: B, page: 0696. Adviser: Nikolaos V. Sahinidis. Includes bibliographical references (leaves 138-149) Available on microfilm from Pro Quest Information and Learning.

Thesis (M.S.) OGI School of Science & Engineering at OHSU, November 2007. / Includes bibliographical references (leaves 41 - 45).

Thesis (M.S.)--Georgia State University, 2007. / Title from file title page. Yanqing Zhang, committee chair; Saeid Belkasim, Yingshu Li, committee members. Electronic text (79 p. : ill. (some col.)) : digital, PDF file. Description based on contents viewed Nov. 5, 2007. Includes bibliographical references (p. 76-78).

Thesis (Ph. D.)--University of Texas at Austin, 2007. / Vita. Includes bibliographical references.

Thesis (Ph. D.)--University of California, San Francisco, 2006. / Source: Dissertation Abstracts International, Volume: 68-01, Section: B, page: 0026. Adviser: Jack Taunton.