No description available.

No description available.

No description available.

No description available.

Η αντιγραφή του DNA αποτελεί μια θεμελιώδη διαδικασία για κάθε μορφή ζωής. Στους ευκαρυωτικούς οργανισμούς, εξαιτίας του μεγάλου μεγέθους του γονιδιώματός τους, η αντιγραφή του DNA εκκινά από πολλαπλά σημεία προκειμένου να ολοκληρωθεί σε εύλογο χρονικό διάστημα. Οι περιοχές αυτές ονομάζονται αφετηρίες αντιγραφής και η μελέτη τους είναι σημαντική αφού είναι άρρηκτα συνδεδεμένες με την ακριβή ολοκλήρωση της αντιγραφής του DNA, διαδικασία ζωτικής σημασίας για το κύτταρο. Ενώ η λειτουργία των αφετηριών αντιγραφής είναι λίγο πολύ γνωστή, οι ακριβείς γονιδιωματικές δομές που συντελούν στο μηχανισμό επιλογής τους παραμένουν άγνωστες. Σκοπός αυτής της διπλωματικής εργασίας είναι η μελέτη, σε επίπεδο ολόκληρου του γονιδιώματος, των γονιδιωματικών περιοχών που αποτελούν αφετηρίες αντιγραφής του DNA και η εξαγωγή των χαρακτηριστικών που καθορίζουν την ιδιότητά τους να λειτουργούν ως αφετηρίες αντιγραφής του DNA. Ο ζυμομύκητας Schizosachharomyces pombe αποτελεί ιδανικό οργανισμό για τη μελέτη της διαδικασίας αντιγραφής του DNA, κυρίως εξαιτίας της ομοιότητας που διαθέτει με τους ανώτερους ευκαρυωτικούς οργανισμούς. Η παρούσα βιοπληροφορική ανάλυση εκτελεί επεξεργασία ολόκληρου του γονιδιώματος του S. pombe. Βασίζεται σε δύο πολύ πρόσφατα, αλλά διαφορετικών ερευνητικών ομάδων, πειράματα μικροσυστοιχειών στα οποία αναγνωρίστηκαν οι αφετηρίες αντιγραφής σε όλο το γονιδίωμα του ζυμομύκητα (Heichinger et al, 2006 και Hayashi et al, 2007). Συνδυάζοντας τα πειράματα αυτά, καταφέραμε να διαχωρίσουμε το σύνολο των διαγονιδιακών περιοχών του S. pombe σε κατηγορίες ανάλογα με την ικανότητα τους να εκκινούν την αντιγραφή του DNA. Έπειτα, ορίσαμε 3 νέα γονιδιωματικά παραμετρικά χαρακτηριστικά και μαζί με τη δημιουργία ενός συστήματος βελτιστοποίησης παραμέτρων, εξετάσαμε πώς πρέπει να διαμορφωθούν οι διάφορες παράμετροί τους ώστε να δημιουργούνται δομές που παρατηρούνται μονάχα στις αφετηρίες αντιγραφής. Για συγκεκριμένους συνδυασμούς παραμέτρων, η ταξινόμηση των διαγονιδιακών περιοχών με βάση τα καινούρια χαρακτηριστικά αγγίζει το 90% σε ευαισθησία, και το 77% σε θετικό προγνωστικό δείκτη. Επομένως, τα νέα γονιδιωματικά χαρακτηριστικά αφορούν δομές που παρατηρούνται σχεδόν εξολοκλήρου στις αφετηρίες αντιγραφής και σπάνια στις υπόλοιπες διαγονιδιακές περιοχές, παρέχοντας έτσι τον κύριο μηχανισμό επιλογής των αφετηριών αντιγραφής του DNA στο γονιδίωμα του S. pombe. / DNA replication constitutes an essential process for every life form. In eukaryotic organisms which are characterized by large genome size, DNA replication initiates from multiple points along the genome, so that it is completed within the allocated time. These genomic sites are called replication origins and their study is important as their selection and timely activation is pivotal for the maintenance of genomic integrity. Despite extensive studies from several laboratories, the features that specify an origin remain elusive, especially in higher eukaryotes. The purpose of this thesis is a genome-wide study of the genomic areas that function as replication origins and the extraction of the genomic features that determine this activity. Schizosachharomyces pombe (S. pombe, fission yeast) is an ideal organism for the study of the DNA replication procedure as it shares several common features with higher eukaryotic organisms. In this bioinformatics study, a genome-wide analysis of the S. pombe genome is performed. It is based on two very recent reports from different teams using microarray experiments, in which genome-wide identification of the S. pombe replication origins took place (Heichinger et al, 2006 and Hayashi et al, 2007). Combining these two experiments we managed to separate the fission yeast inter-genic regions in categories depending on their ability to function as replication origins. We then defined 3 new parametric genomic features, created a framework for solving the parameter estimation problem and analyzed how these parameters should be defined so that the specified structures are solely observed in genomic sites that function as replication origins. We observed that for certain parametric combinations, the classification of the intergenic regions as replication origins and as intergenic regions showing no origin activity reached 90% in sensitivity and 77% in positive predictive value. Therefore, the new genomic features identified through this study represent structures that are almost always and solely observed in intergenic regions showing replication activity, and are likely to provide the main genomic mechanism of origin selection in the fission yeast genome.

Many mathematical models in biology and physiology are represented by systems of nonlinear differential equations. In recent years these models have become increasingly large-scale and multiphysics, as increasing amounts of data are available on the properties and behaviour of biological systems. Often an observed behaviour of interest in a model may be written as a linear functional. A key question therefore is to determine which terms in the model have the greatest effect on functionals of interest. An approach for answering this question has recently been developed, called model reduction using a posteriori analysis. The method was initially developed for systems of nonlinear initial value ordinary differential equations, and automatically identifies regions of the computational domain and components of the model solution where an accurate mathematical representation of the model is required to accurately calculate a linear functional of interest. Initial-value ordinary differential equations can be written as a first-order derivative term plus an algebraic 'reaction' term. In previous work on model reduction using a posteriori analysis the algebraic 'reaction' term is removed from the equations in the reduced model. The first contribution of this thesis is to extend the method so that the first-order derivative term is removed from the differential equation instead of the algebraic 'reaction' term, resulting in a quasi-steady state approximation in automatically identified regions of the domain and components of the solution. The second contribution of this thesis is to extend the method to boundary value problems and partial differential equations. We consider differential equations with algebraic terms, first order terms and second order terms, any combination of which may be nonlinear. The method is used to automatically simplify several differential equation models including models of chemotaxis and tissue-level cardiac electrophysiology.

Since the completion of the Human Genome Project in 2003, it has become increasingly apparent that while genomics has a major role to play in the understanding of human biology, information from other disciplines is necessary to explain the web of interacting signals that allow our bodies to function on a day to day basis and respond to rapid changes in our local environment. One such field, that of metabolomics, focuses on the study of the set of low molecular weight compounds (metabolites) involved in metabolism. Metabolomic studies aim to quantify the concentrations of each of these compounds within a subject under particular conditions, resulting in either information on the physiological effects of a disease or environmental factor (such as a toxin) on the organism, or the identification of metabolites or groups of metabolites that serve as biochemical markers for a state or illness. Whilst metabolite concentrations alone can give great insight into a chosen state, additional information can be obtained by considering the ways in which metabolites interact with each other as parts of a larger system. One method of tackling this problem, metabolic networks, is gaining popularity within the community as it offers a complementary approach to the traditional biological method for studying metabolism, the metabolic pathway. Construction methods are varied; ranging from the mapping of experimental data onto pathway diagrams, through the use of correlation-based techniques, to the analysis of time-series data of metabolic fluxes. However, while many attempts have been made to capture and visualise the complex web of reactions within an organism, few have yet succeeded in showing how they can be used to help identify the metabolites that are most significantly involved in the differences between groups of biological samples. This thesis discusses ways in which graphs may be used to aid researchers in both the visualisation and interpretation of metabolomic datasets, and provide a platform for more automated analysis techniques. To that end, it first presents the background to the relevant topics, metabolomics and graph theory, before moving on to show how metabolic correlation networks can be used to identify and visualise differences in metabolism between groups of subjects. It then introduces Linked Metabolites, a software package that has been developed to help researchers explain differences in metabolism by highlighting relationships between metabolites within the metabolic pathways, and to compile those relationships into directed metabolic graphs suitable for analysis using metrics from graph theory. Finally, the thesis explains how the directed metabolic graphs produced by Linked Metabolites could potentially be used to integrate data gathered from the same sample using different experimental techniques, refining the areas of the underlying biochemistry needing further investigation.

No description available.

Στην εποχή της Συστημικής Ιατρικής, οι τεχνολογίες μαζικής καταγραφής της γονιδιακής και miRNA έκφρασης (π.χ. μικροσυστοιχίες, RNA-seq) αλλά και οι τεχνολογίες ανίχνευσης πρωτεϊνικών αλληλεπιδράσεων (π.χ. yeast two-hybrid, co-immunoprecipitation) απελευθέρωσαν τεράστια ποσά δεδομένων για την αποσαφήνιση των μηχανισμών των πολύπλοκων ασθενειών. Η παρούσα διδακτορική διατριβή συμβάλλει προσφέροντας νέες υπολογιστικές μεθοδολογίες και εργαλεία και παραθέτοντας νέες αξιόπιστες βιολογικές υποθέσεις για την επίλυση σύνθετων ασθενειών του ανθρώπου. Καταρχήν, αποκτήθηκε γνώση του θεωρητικού υπόβαθρου διάφορων μέγαλης κλίμακας μοριακών τεχνικών, τεχνικών εξόρυξης δεδομένων όπως η ομαδοποίηση καθώς και γραφοθεωρητικών προσεγγίσεων. Έπειτα, σχεδιάστηκε μια μεθοδολογία για συνδυασμό πρωτεωμικών και μεταγραφωμικών δεδομένων και αναπτύχθηκε ένα αλγόριθμος ομαδοποίησης γράφων, που ονομάζεται Detect Modules (DetMod), ο οποίος ανιχνεύει κοινοτήτες/υπο-δομές (modules) πρωτεϊνών με διακριτή βιολογική λειτουργία και έντονη δυναμική συσχέτιση σε επίπεδο έκφρασης. Η απόδοση και αξιοπιστία της μεθόδου εξετάστηκε και πιστοποιήθηκε στον απλό οργανισμό-μοντέλο Saccharomyces cerevisiae προτού εφαρμοστεί στην επίλυση προβλημάτων της φαρμακογονιδιωματικής όπως η απόκριση του μεταγραφήματος στην θεραπεία με ταμοξιφένη στην περίπτωση του θετικού στην απόκριση σε οιστρογόνα καρκίνου του μαστού. Αποτέλεσμα της μεθόδου είναι δυναμικοί βιοδείκτες της απόκρισης στην ταμοξιφένη με μορφή υπο-δομών αντί μεμονωμένων πρωτεϊνών. Παράλληλα, στα πλαίσια της σύγχρονης βιβλιογραφίας όπου οι εμπλεκόμενοι μηχανισμοί του καρκίνου αλληλοεπικαλύπτονται με αυτούς της γήρανσης, μια προσαρμοσμένη μεθοδολογία ανάλογη με την προαναφερόμενη εφαρμόστηκε στη μελέτη του φαινομένου της γήρανσης. Τα αποτελέσματα της μεθόδου σε πολλαπλούς ιστούς του ποντικού, και σε δεύτερο στάδιο μεμονωμένα στον καρδιακό ιστό, ανέδειξαν ποια μοριακά μονοπάτια εμπλέκονται στη γήρανση όλων των ιστών και ποια εξειδικεύονται σε ένα μόνο ιστό. Στην περίπτωση του καρδιακού ιστού βιοδείκτες σε μορφή υπο-δομών αποτυπώνουν τα εμπλεκόμενα μονοπάτια αλλά και τη συνεργατική δράση και υπαιτιότητα των miRNA. Σε επόμενο στάδιο μελετήθηκαν οι μηχανισμοί απόκρισης στη γρίπη Α (Η1Ν1) μέσω της ανακατασκευής Γονιδιακών Ρυθμιστικών Δικτύων (ΓΡΔ) που αναπαριστούν τις χρονικά μεταβαλλόμενες αιτιατές σχέσεις μεταξύ μοριακών μονοπατιών από χρονοσειρές γονιδιακής έκφρασης. Το χρονικά μεταβαλλόμενο ΓΡΔ προέκυψε μέσα από μια μέθοδο συνδυασμού πολλαπλών αλγορίθμων ανακατασκευής από διαφορετικές κλάσεις του μαθηματικού φορμαλισμού. Η μέθοδος προσέφερε νέα γνώση για τη συνδεσιμότητα των μοριακών μονοπατιών μέχρι και την 60η ημέρα μετά την εισβολή του ιού στον πνευμονικό ιστό του ποντικού από το στάδιο της φυσικής ανοσίας, στη χυμική ανοσία και τέλος στη διαδικασία αποκατάστασης. Τέλος, παρουσιάζεται ο OLYMPUS, ένας νέος υβριδικός μη επιβλεπόμενος αλγόριθμος ομαδοποίησης που εφαρμόστηκε σε χρονοσειρές γονιδιακής έκφρασης σε απόκριση στη γρίπη Α (Η1Ν1). Ο OLYMPUS χρησιμοποιεί τον Διαφορεξελικτικό αλγόριθμο ως στρατηγική βελτιστοποίησης ενός ασαφούς αλγορίθμου ομαδοποίησης και παράλληλα ενσωματώνει το κριτήριο Bayesian Information με σκοπό την αυτόματη εύρεση του βέλτιστου αριθμού ομάδων. Η ανάλυση των εξαγόμενων ομάδων προσέφερε νέες υποθέσεις σχετικά με τη δυναμική πολλών μοριακών μονοπατιών που εμπλέκονται στην ανοσολογική απόκριση και για πρώτη φορά αναδείχθηκε ο ρόλος των κατασταλμένων διεργασιών στο κινητικό μοντέλο της γρίπης Α. / In the Systems Medicine era, the large scale gene and miRNA expression techniques (e.g. microarrays, RNA-seq) as well as techniques for the detection of protein interactions (e.g. yeast two-hybrid, co-immunoprecipitation) have released mass amounts of data for deciphering the underlying mechanisms of complex diseases. The present PhD thesis contributes by providing new computational methodologies and tools, and by offering novel biological hypotheses for solving complex human diseases. Initially, a good grasp of the current high-throughput molecular techniques was acquired along with familiarization with data mining tecniques such as clustering and with graph-theoretic approaches. Then, a methodology for integrating proteomic and transcriptomic data was designed and a graph clustering algorithm was developed, called Detect Modules (DetMod), which detects, on the composite transcriptome-proteome network, communities/modules with distinct biological function and enhanced association at the dynamic expression level. The performance and reliability of the method was tested and validated in the simple model organism Saccharomyces cerevisiae before solving pharmacogenomics problems such as the transcriptome response mechanisms during tamoxifen response in estogen-response-positive breast cancer cases. The output of the method was dynamic biomarkers of tamoxifen response in the form of modules instead of individual proteins. In parallel, the recent literature associates the mechanisms involved in cancer with those involved in aging. In this context, an adapted methodology similar to the aforementioned was applied in the study of aging. The findings of the method in multiple mouse tissues and on second level in cardiac tissue highlighted the cross-tissue aging molecular pathways as well as the tissue-specific. In the case of cardiac tissue modular biomarkers captured the underlying tissue-specific pathways as well as the synergism of miRNAs. On next level, the response mechanisms to Influenza A (H1N1) were explored through the reconstruction of Gene Regulatory Networks (GRNs), which in turn represent the time-varying causal pathway interactions based on time series expression data. The final time-varying GRN was derived from an ensemble of reconstruction algorithms from different classes of mathematical formalism. The method offered new knowledge for the pathway interactivity until the day 60 after the viral invasion in the mouse lung tissue, from the innate response to the humoral and the late repair phase. Finally, OLYMPUS is presented, a novel unsupervised hybrid clustering algorithm which was applied at time series expression data in response to Influenza A (H1N1). OLYMPUS uses the Differential Evolutionary algorithm as optimization strategy of a fuzzy clustering algorithm and in parallel integrates the Bayesian Information Criterion in order to detect automatically the optimal cluster number. The cluster analysis offered new hypotheses regarding the dynamics of several molecular pathways and for the first time, the role of suppressed biological processes was highlighted in the Influenza A kinetic model.

Les truffes sont des champignons ectomycorhiziens du genre Tuber, au sein des Pézizomycètes, vivant en symbiose avec de nombreux arbres et arbustes. Parmi les Pézizomycètes se retrouvent des espèces saprotrophes, pathogènes et symbiotiques ainsi que des champignons très connus comme les truffes et les morilles. Malgré leur intérêt, la structure et l'évolution des génomes des champignons de la classe des Pézizomycètes est encore mal connue. Les objectifs de ma thèse étaient de caractériser la structure et l'évolution des génomes de Truffes et d'autres Pézizomycètes. Une analyse de génomique comparative entre huit génomes de Pézizomycètes, dont trois de truffes, a montré que l'expansion de la taille des génomes des truffes, due principalement aux rétrotransposons gypsy, a probablement eu lieu chez l'ancêtre commun des Tuberaceae il y a environ 150 millions d'années. Ensuite, une réduction de leur contenu en gènes, et principalement en enzymes dégradant la paroi végétale, a eu lieu chez l'ancêtre des Tuber il y a environ 100 millions d'années. Des convergences et des divergences évolutives ont été mise en évidence entre les champignons ectomycorhiziens basidiomycètes et les truffes. Une analyse de génomique comparative au sein de l'espèce T. melanosporum a quant à elle permis de caractériser une ressource de plus de 400000 polymorphismes et de mettre en évidence des traces de sélection. Enfin une analyse plus détaillée des rétrotransposons gypsy présents dans le génome de T. melanosporum a montré que leur colonisation du génome est ancienne. Certains éléments semblent toutefois avoir transposé récemment suggérant que les rétrotransposons gypsy peuvent continuer de jouer un rôle dans l'évolution du génome de T. melanosporum / Truffles are ectomycorrhizal (ECM) fungi, belonging to Tuber genus in the Pezizomycete Class, that form symbiotic associations with numerous trees and shrubs. The Pezizomycetes constitute an early diverging lineage of Ascomycota composed of saprophytic, mycorrhizal and pathogenic species. Some Pezizomycetes, such as truffles and morels, are widely recognized by scientist and lay-person alike. Despite their importance, the genomic structure and evolution within the Pezizomycetes is largely unknown. The aims of my thesis were to characterize the structure and the evolution of the truffle and other Pezizomycete genomes. A comparative analysis performed using eight Pezizomycete fungi, among them three truffles, showed that the genome of truffles has evolved by a size expansion, mainly due to gypsy retrotransposons, in the common ancestor of Tuberaceae about 150 Mya. Then, a loss of the number of gene models, such as plant cell wall degrading enzymes occurred in the common ancestor of Tuber spp about 100 Mya. This study provides new insights into the evolution of the truffles, and ECM symbiosis in general, and highlights cases of divergence and convergence between Basidiomycota and truffle symbiotic species. A comparative analysis in T. melanosporum allowed characterizing a resource of more than 400,000 single nucleotide polymorphisms. This population genomic analysis allowed identifying candidate genomic regions with trace of selection. Finally, a more detailed characterization of T. melanosporum gypsy retrotransposons showed that the major invasive waves are old, but that more recently some elements have moved suggesting that retrotransposons continue to play an important role in the evolution of the truffle genome