Submitted by Fabio Sobreira Campos da Costa (fabio.sobreira@ufpe.br) on 2016-08-08T12:10:14Z No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) v_final_assinaturas_branco.pdf: 10378086 bytes, checksum: 35e52eff52531ee36b6a5af5b2a20645 (MD5) / Made available in DSpace on 2016-08-08T12:10:14Z (GMT). No. of bitstreams: 2 license_rdf: 1232 bytes, checksum: 66e71c371cc565284e70f40736c94386 (MD5) v_final_assinaturas_branco.pdf: 10378086 bytes, checksum: 35e52eff52531ee36b6a5af5b2a20645 (MD5) Previous issue date: 2016-03-03 / The increasing complexity of systems has led to increasing difficulty in design. Thestandard approach to development, based on trial and error, with testing used at later stages toidentify errors, is costly and leads to unpredictable delivery times. In addition, for critical systems,for which safety is a major concern, early verification and validation (V&V) is recognised asa valuable approach to promote dependability. In this context, we identify three important anddesirable features of a V&V technique: (i) a graphical modelling language; (ii) formal andrigorous reasoning, and (iii) automated support for modelling and reasoning. We address these points with a refinement technique for SysML supported by tools. SysML is a UML-based language for systems design; it has itself become a de facto standard in the area. There is wide availability of tool support from vendors like IBM, Atego, and Sparx Systems. Our work is distinctive in two ways: a semantics for refinement and for a representative collection of elements from the UML4SysML profile (blocks, state machines, activities, and interactions) used in combination. We provide a means to analyse design models specified using SysML. This facilitates the discovery of problems earlier in the system development lifecycle, reducing time and costs of production. In this work we describe our semantics, which is defined using a state-rich process algebra called CML and implemented in a tool for automatic generation of formal models. We also show how the semantics can be used for refinement-based analysis and development. Our case studies are a leadership-election protocol, a critical component of an industrial application, and a dwarf signal, a device used to control rail traffic. Our contributions are: a set of guidelines that provide meaning to the different modelling elements of SysML used during the design of systems; the individual formal semantics for SysML activities, blocks and interactions; an integrated semantics that combines these semantics with another defined for state machines; and a framework for reasoning using refinement about systems specified by collections of SysML diagrams. / O aumento da complexidade dos sistemas tem levado a um aumento na dificuldade da atividade de projeto. A abordagem padrão para desenvolvimento, baseada em tentativa e erro, com testes usados em estágios avançados para identificar erros, é custosa e leva a prazos de entrega imprevisíveis. Além disto, para sistemas críticos, para os quais segurança é um conceito chave, Verificação e Validação (V&V) com antecedência é reconhecida como uma abordagem valiosa para promover confiança. Neste contexto, nós identificamos três características importantes e desejáveis de uma técnica de V&V: (i) uma linguagem de modelagem gráfica; (ii) raciocínio formal e rigoroso, e (iii) suporte automático para modelagem e raciocínio. Nós tratamos estes pontos com uma técnica de refinamento para SysML apoiada por ferramentas. SysML é uma linguagem baseada na UML para o projeto de sistemas. Ela tem se tornado um padrão de facto na área. Há uma grande disponibilidade de ferramentas de fornecedores como IBM, Atego, e Sparx Systems. Nosso trabalho se destaca de duas maneiras: ao fornecer uma semântica para refinamento e considerar uma coleção representativa de elementos do perfil UML4SysML (blocos, máquina de estados, atividades, e interações) usados de forma combinada. Nós fornecemos uma estratégia para analisar modelos de projeto especificados em SysML. Isto facilita a descoberta de problemas mais cedo durante o ciclo de vida de desenvolvimento de sistemas, reduzindo tempo e custos de produção. Neste trabalho nós descrevemos nossa semântica a qual é definida usando uma álgebra de processo rica em estado chamada CML e implementada em uma ferramenta para geração automática de modelos formais. Nós também mostramos como esta semântica pode ser usada para análise baseada em refinamento. Nossos estudos de caso são um protocolo de eleição de líder, o qual é um componente crítico de uma aplicação industrial, e um sinal anão, o qual é um dispositivo para controlar tráfego em linhas férreas. Nossas contribuições são: um conjunto de orientações que fornecem significado para os diferentes elementos de modelagem de SysML usados durante o projeto de sistemas; as semânticas formais individuais para atividades, blocos e interações de SysML; uma semântica integrada que combina estas semânticas com outra definida para máquina de estados; e um arcabouço que usa refinamento para raciocínio de sistemas especificados por coleções de diagramas SysML.

O fator de alcalinização rápida ou RALF (do inglês, Rapid ALkalinization Factor) é um peptídeo hormonal ubíquo que induz a atividade de uma MAP quinase, bem como um aumento rápido do pH extracelular do meio de cultura de células em suspensão. O AtRALF1, uma das 37 isoformas de RALF presentes em Arabidopsis thaliana, é um peptídeo secretado de 5 kDa, que inibe o crescimento radicular e causa uma rápida mobilização de Ca2+ extra e intracelular. Em células eucarióticas, calmodulinas são proteínas bem caracterizadas por mediar a transdução de sinais de Ca2+ intracelular. Entretanto, em várias espécies vegetais incluindo Arabidopsis, também existem relatos de calmodulinas secretadas com funções ainda desconhecidas. Neste trabalho, foi caracterizada a AtCML38, uma proteína de Arabidopsis semelhante a calmodulina e que interage com o peptídeo AtRALF1. Análises in silico e por RT-PCR semi-quantitativo mostram a co-expressão de ambos os genes AtRALF1 e AtCML38 em raízes de plântulas de Arabidopsis. Apesar da ausência de um peptídeo sinal típico na proteína AtCML38, a localização sub-celular demonstra que esta é secretada através da via secretória RE-Golgi. O uso de uma versão truncada da AtCML38, cujos 87 primeiros aminoácidos foram retirados, indicou que o N-terminal é essencial para o seu direcionamento. Por meio de ensaios de complementação fluorescente bimolecular, foi demonstrado que AtCML38 interage com AtRALF1 no apoplasto de folhas de tabaco. Ensaios de pulldown indicam que esta interação é específica e dependente de Ca2+ e do pH. Um mutante por inserção de T-DNA, que não produz a proteína AtCML38 (cml38), mostrou-se insensível ao peptídeo AtRALF1 aplicado exogenamente, e suas raízes cresceram normalmente. Plantas transgênicas de Arabidopsis super-expressando o gene AtRALF1 (35S:AtRALF1) têm um fenótipo semi-anão com pronunciada redução do crescimento radicular. Contudo, quando plantas 35S:AtRALF1 foram cruzadas com o mutante cml38, suas progênies exibiram fenótipo e crescimento radicular normais, apesar do acúmulo do peptídeo AtRALF1. Juntos, os resultados mostram que AtCML38 interage com o peptídeo hormonal AtRALF1, e que a proteína AtCML38 é essencial para inibição do crescimento radicular causado pelo peptídeo. / Rapid alkalinization factor (RALF) is a ubiquitous peptide hormone that induces a MAP kinase and a rapid increase in the pH of the extracellular media of cell suspension cultures. AtRALF1, one of the 37 RALF isoforms of Arabidopsis thaliana, is a secreted peptide of 5 kDa that inhibits root growth and causes a rapid mobilization of extra and intracellular Ca2+. In eukaryotic cells, calmodulin proteins are well-characterized to mediate intracellular Ca2+ signal transduction. Nevertheless, in several plant species including Arabidopsis, there are also reports of calmodulins being secreted with still unknown function. In this work, we characterized the AtCML38, a calmodulin-like protein from Arabidopsis as an AtRALF1-interacting protein. Analyses in silico and semiquantitative RT-PCR show co-expression of both AtCML38 and AtRALF1 genes in roots of Arabidopsis seedlings. Despite the fact that AtCML38 lacks a typical signal peptide, subcellular localization demonstrates that AtCML38 is secreted via the ER-Golgi secretory pathway. A truncated AtCML38, without the first 87 amino acids indicates that the N-terminal is essential for targeting. Through bimolecular fluorescence complementation assays, we showed that AtCML38 protein interacts with AtRALF1 in the apoplast of epidermal cells from tobacco leaves. Pull down assays indicate that this interaction is specific, Ca2+- and pH-dependent. A T-DNA insertion mutant defective in the AtCML38 protein (cml38) was insensitive to exogenously applied AtRALF1 peptide and their roots grow just as the wild type plants. Transgenic Arabidopsis plants overexpressing the AtRALF1 gene (35S:AtRALF1) have a semi-dwarf phenotype with a pronounced reduction in the root growth. However, when 35S:AtRALF1 plants are crossed with the mutant cml38, their progenies are normal looking and exhibit normal root growth in spite of the high accumulation of AtRALF1 peptide. Taken together, the results show that AtCML38 interacts with the peptide hormone AtRALF1 and that the protein AtCML38 is essential for the root growth inhibition caused by the peptide.

Low noise low division 2 GHz RF synthesizer integrated circuits (ICs) are conventionally implemented in some form of HBT process such as SiGe or GaAs. The research in this dissertation differs from convention, with the aim of implementing a synthesizer IC in a more convenient, low-cost Si-based CMOS process. A collection of techniques to push towards the noise and frequency limits of CMOS processes, and possibly other IC processes, is then one of the research outcomes. In a synthesizer low N-divider ratios are important, as high division ratios would amplify in-band phase noise. The design methods deployed as part of this research achieve low division ratios (4 ≤ N ≤ 33) and a high phase comparison frequency (>100 MHz). The synthesizer IC employs a first-order fractional-N topology to achieve increased frequency tuning resolution. The primary N-divider was implemented utilising current mode logic (CML) and the fractional accumulator utilising conventional CMOS. Both a conventional CMOS phase frequency detector (PFD) and a CML PFD were implemented for benchmarking purposes. A custom-built 4.4 GHz synthesizer circuit employing the IC was used to validate the research. In the 4.4 GHz synthesizer circuit, the prototype IC achieved a measured in-band phase noise plateau of L( f ) = -113 dBc/Hz at a 100 kHz frequency offset, which equates to a figure of merit (FOM) of -225 dBc/Hz. The FOM compares well with existing, but expensive, SiGe and GaAs HBT processes. Total IC power dissipation was 710 mW, which is considerably less than commercially available GaAs designs. The complete synthesizer IC was implemented in Austriamicrosystems‟ (AMS) 0.35 μm CMOS process and occupies an area of 3.15 x 2.18 mm2. / Dissertation (MEng)--University of Pretoria, 2010. / Electrical, Electronic and Computer Engineering / unrestricted

Worldwide there is an increasing demand of natural resources. In future, non renewable resources get substituted by renewable resources in the energetic sector as well as in the material sector. That implies a stronger usage of renewable resources especially - wood. In 2009 there was a usage of 77 million cubic meters of wood for material applications and a quantity of 55 million cubic meters for energetic applications in Germany alone. Furthermore, there is an increasing demand on wood for energetic purposes. In 2007 this problematic development led to the first supply bottlenecks. To meet the increasing demands of the future, Short Rotation Coppices (SRC) can help to improve the wood provision. An SRC is a planting of fast growing coppice on agricultural areas, which is managed more intensively than usual forestry practices for a quicker production of wooden biomass. With a comparative LCA of conventional wood and wood from SRC the present study evaluates if wood from SRC is reasonable to cover the increasing demand of wood for material and energetic purposes in an environmental friendly way. A comprehensive literature research regarding LCAs of wood and wooden products shows that there are no previous studies comparing the two types of wood. Hence, the present study examines a particleboard production as the material scenario and the combustion of woodchips in a firing system as the energetic scenario to compare the ecological advantages and disadvantages of wood from SRC and conventional wood. The LCA is implemented with the Gabi software designed by PE International. Data is obtained from previous LCA studies evaluating the production of wood, the particleboard production and the combustion of wood. Additionally, data from the Ecoinvent database is used. Functional units are the production of 1m3 particleboard and the production of 1 MJ of thermal energy. The LCIA is implemented with the “Ecoindicator” as endpoint- and “CML 2001” as midpoint approach to cover broad range of environmental issues. Moreover a sensitivity analyses shows the impact of decisive variables on the results of “Ecoindicator” and “CML 2001”. Results reveal that outcomes of the LCIA are dependent of the assessment method and the processed part of trees from conventional forestry. The present study shows, that with an efficient land use, wood from SRC can help to cover the increasing demand of wood for material and energetic purposes in a sustainable way. However, an immediate usage of wood for energetic purposes has to be seen critical. Instead, a cascaded and sustainable utilization of wood is recommendable to counteract climate change and to improve the efficient use of the renew-able resource - “wood”.

The Photovoltaic Industry is at a crossroads for change. Improving the sustainability of this complex system requires a thorough understanding of the entire life cycle of the solar module production. The product life cycle is thereby divided into the value added steps of raw material extraction, outsourced production, in-house production, operation, and recycling. Furthermore, the following report distinguishes between social, ecological, and economic sustainability. The report offers a compacted matrix with all parts of sustainability and each life cycle stage in order toshow companies of the photovoltaic industry the sensible areas. This should be a first step for improving the sustainability in the whole life cycle of a solar module.

Les traitements actuels de la leucémie myéloïde chronique (LMC) ne permettent pas d’éliminer la totalité des cellules leucémiques. Dans le but de développer un traitement curatif, il est donc nécessaire de parvenir à une meilleure compréhension des mécanismes sous-jacents des réponses partielles aux traitements, Dans ce travail, nous avons postulé qu’il existe des mécanismes de contrôle extrinsèques de la LMC pouvant influencer l’efficacité des différents traitements. Nous avons choisi d’étudier le rôle potentiel dans la LMC des lymphocytes iNKT, cellules T de type « inné » auxquelles la littérature attribue de nombreuses fonctions antitumorales et des facteurs moléculaires, la cytokine/alarmine IL-33, produite dans la niche hématopoïétique, et son récepteur ST2 à la surface des cellules hématopoïétiques comme cibles de l’IL-33.La première partie de notre travail a ainsi permis de mettre en évidence de profondes altérations fonctionnelles des lymphocytes iNKT chez les patients atteints de LMC ainsi qu’une correction partielle de ces défauts après traitement par l’Imatinib (IM) ou l’IFN-. L’ensemble de ces résultats permet de proposer que l’altération des fonctions des cellules iNKT au cours du développement de la LMC pourrait participer aux mécanismes d’échappement de la tumeur au contrôle par le système immunitaire. La deuxième partie de notre travail a permis de mettre en évidence une expression de la molécule ST2, chaîne spécifique du récepteur à l’IL-33, à la surface des cellules CD34+ de patients atteints de LMC, expression non décelée chez les sujets sains et les patients en rémission après traitement par l’IM. De plus, contrairement aux cellules CD34+ de sujets sains, les cellules progénititrices de patients en phase chronique prolifèrent en réponse à l’IL-33. Enfin, nous avons montré que l’IL-33 est capable de contrecarrer in vitro les effets antiprolifératifs de l’IM. Ainsi nous pouvons émettre l’hypothèse selon laquelle l’IL-33, une cytokine/alarmine, puisse participer aux phénomènes conduisant à la persistance de progéniteurs hématopoïétiques leucémiques chez les patients sous traitement par IM. / To date, treatment of Chronic Myeloid Leukaemia (CML) is not sufficient to completely eradicate leukaemia cells. Hence, in order to develop a curative treatment, it is necessary to have a better understanding of the underlying mechanisms explaining why response to treatment is only partial..We therefore addressed the question whether the extrinsic mechanisms of CML control can affect the effectiveness of different treatments. We first provided evidence of profound functional impairments of iNKT cells in patients with CML. Interestingly these impairments were partially corrected after treatment with Imatinib (IM) or IFN-. Consequently our results suggest that altered functions of iNKT cells during the development of CML could facilitate tumour escape from immune destruction. . The second part of our work revealed that CD34+ progenitors from CML patients upregulate their cell surface expression of the IL-33-specific receptor chain ST2, proliferate and produce cytokines in response to IL-33, conversely to CD34+ cells from healthy individuals. Moreover, ST2 overexpression is normalized following IM therapy, while IL-33 counteracts in vitro IM-induced growth arrest in CML CD34+ progenitors. From these findings, it can be surmised that IL-33, a cytokine/alarmin likely expressed in the hematopoietic niche, facilitates the development of CML and IM resistance.

No description available.

Hintergrund Die chronische myeloische Leukämie (CML) ist eine myeloproliferative Er- krankung, die aufgrund ihres Modellcharakters unter der Behandlung mit Tyrosin-Kinase- Inhibitoren (TKI) gut für eine Beschreibung mittels computerbasierter Modelle geeignet ist. Grundlage für die Entstehung einer CML ist die Bildung eines Philadelphia-Chromosoms durch eine Translokation der Chromosomen 9 und 22. Es resultiert das Onkogen BCR- ABL1, welches für eine konstitutiv aktive Tyrosinkinase codiert. Diese führt zu ungeregelter Proliferation der betroffen Zellen und zur Verdrängung der gesunden Blutbildung. Das überaktivierte Protein kann durch TKIs gezielt gehemmt werden. Damit ist es möglich, die Tumorlast erheblich zu senken und das Fortschreiten der Erkrankung aufzuhalten. Aktuell werden in der klinischen Anwendung außerhalb von Studien TKIs für die gesamte Lebensdauer der Patienten eingesetzt. Absetzstudien zeigten, dass circa 50% der Patienten nach einer über zwei Jahren nicht nachweisbaren BCR-ABL1-Last nach Behandlungsstopp kein erneutes Anwachsen der Tumorlast aufwiesen. Die Anwendung von computergestützten Modellsimulationen hilft, Zugriff auf die klinisch nur schwer zu messenden leukämischen Stammzellen zu bekommen und darüber Vorhersagen über den weiteren Therapieverlauf zu treffen. Aufgabenstellung Im Rahmen der vorliegenden Arbeit sollen Möglichkeiten der Übertragung von Patientendaten auf das etablierte Modell nach Roeder und Loeffler (2002) verbessert werden. Die vom Modell vorhergesagten Stammzellkinetiken sollen abschließend auf Praxistauglichkeit geprüft werden. Material und Methoden Aufgrund der Vergleichbarkeit zu früheren Untersuchungen erfolgte die Auswahl von 51 Patienten des deutsches Armes der IRIS-Studie. Deren Therapieverläufe wurden analysiert und können über eine biphasische exponentielle (biexponentielle) bzw. über eine stückweise lineare Funktion beschreiben werden. Als Erweiterung der Arbeiten von Horn et al. (2013) wurden alle Parameter der biexponentiellen Funktion in die Entwicklung neuer Methoden einbezogen. Zusätzlich wurde untersucht, ob die Einbeziehung von zensierten Messpunkte die Form der biexponentiellen Funktion verändert. Basierend auf den Therapiedaten der IRIS-Patienten erfolgte die Ermittlung eines Para meterraumes für Eingangsparameter der Modellsimulation (Modellparameter), welcher in 270.400 individuelle Paramterkombinationen unterteilt wurde. Es erfolgten anschließend die Simulation und Auswertung nach der biexponentiellen Beschreibung. Auf Basis dieser erheblich größeren Datengrundlage konnten zwei neue Verfahren der Modellparameteridentifikation für individuelle Patienten entwickelt werden. Einerseits wurde in Anlehnung an die Arbeit von Horn et al. (2013) ein Verfahren unter Nutzung der Regression vorgestellt. Andererseits konnte über den Vergleich der Abstände zwischen simulierten und realen Therapieverläufen eine Suche (lookup-table) etabliert werden. Die Berechnung des Abstandes zwischen Therapieverläufen ermöglicht gleichzeitig den Vergleich der verschiedenen Verfahren und damit eine Aussage über deren Anpassungsgüte. Zum Schluss wurde beispielhaft für einen Patienten das Verfahren der lookup-table angewendet und die resultierende Stammzellkinetik weiter analysiert. Ergebnisse Einführend erfolgte die Analyse der resultierenden biexponentiellen Funktion mit und ohne Einbeziehung von Messunsicherheiten. Es zeigte sich, dass der Verlauf dieser Funktion besonders in Bereichen, die von einbezogenen Messunsicherheiten betroffen sind, abweichend ist. Die Beschreibung des Langzeitverlaufs erfolgt jedoch annähernd gleich. Anschließend erfolgte die Validierung der Größe des vorsimulierten Datenpool anhand eines Vergleichs der statistischen Parameter von Patienten und Simulationen. Dieser zeigte sich dabei für die weiteren Untersuchungen geeignet. Die Nutzung der lookup-table zur Identifikation der am besten zu einem Patienten passenden Therapiesimulation ist überlegen sowohl gegenüber von der Horn et al. (2013) beschriebenen als auch in dieser Arbeit neu entwickelten Regressionsverfahren. Diese ergeben deutliche Abweichungen zwischen Patientendaten und Simulation. Eine Analyse des vorhergesagten Therapieverlaufes im Stammzellkompartiment ergibt jedoch, dass ähnliche Therapieverläufe im peripheren Blut durch stark unterschiedliche Stammzellkonfigurationen beschrieben werden können. Es resultiert eine starke Streuung der vorhergesagten Zeitpunkte eines möglichen Therapieendes. Schlussfolgerungen Die Nutzung der lookup-table zu Identifikation einer passenden Therapiesimulation ist hoch effektiv und anderen Verfahren, die auf Regression basieren, überlegen. Die etablierte Computersimulation nach Roeder und Loeffler (2002) bietet Zugriff auf die Therapie in der Ebene der Stammzellen. Die in weiteren Analysen gezeigten Streuungen der vorhergesagten Therapieverläufe im Stammzellkompartiment lassen den Schluss zu, dass Methoden zur Eingrenzung der Stammzellverläufe entwickelt werden müssen, um die Vorhersagen klinisch nutzbar zu machen. Weiterhin muss anhand von Messungen an Knochenmarkproben von realen Patienten geprüft werden, ob die von der Simulation postulierten Verläufe der Tumorlast im Stammzellkompartiment der realen Behandlung entsprechen. Ausblick Die in aktuellen Arbeiten beschriebene Rolle des Immunsystems im Therapieverlauf der CML (Saussele et al. 2016; Clapp et al. 2016) sollte in eine Verbesserung des Stammzellmodells nach Roeder und Loeffler (2002) einfließen. Weiterhin kann die Validierung der im Rahmen der Individualmedizin zu treffenden Absetzvorhersagen letztendlich nur über klinische Absetzuntersuchungen ermöglicht werden. / Background Chronic myeloic leukaemia (CML) is a myeloproliferative disease, which is well suited for modelling approaches. It is characterized by the oncogenic BCR-ABL1 fusion gene originating from an inverse translocation of the chromosomes 9 and 22 leading to the Philadelphia chromosome. The result is a constitutively activated tyrosine-kinase. This is followed by an extensive proliferation of leukaemic stem cells leading to a displacement of normal haematopoesis. The molecular specificity of CML forms the basis of a highly efficient, targeted therapy by tyrosine kinase inhibitors (TKIs). TKIs can decrease the tumour burden and slow down or eventually stop progressing of the disease. Currently, in clinical applications drugs are administered for the remaining life span. Interestingly, in recent treatment cessation trials patients were stopped after two years of non-detectable tumour burden and about 50% remained without relapse. The application of computer-based modelling helps to gain access to stem cell counts being difficult to measure clinically. This forms the basis for predictions of long-term therapy outcomes. Aim of this work This work aims on identifying a suitable algorithm to efficiently identify model simulations that optimally decribe individual patient kinetics. Furthermore, the clinical usability of the new methods was investigated. Material and methods The analysed group of patients was chosen out of the German cohort of the IRIS trial to ensure comparability to former investigations. It consists of 51 individuals. The course of leukaemic burden , i. e. leukaemic vs. non-leukaemic cells on a single patient level can be described as a biphasic exponential (bi-exponential) or a piecewise linear function. As an extension to former methods described by Horn et al. (2013) all parameters are included into further method development. Additionally, an investigation was conducted whether censored data points change the functional behaviour of a bi-exponential fit based on patients’ data. According to therapy data of all patients an input parameter space for the model simulation was delimited, such that all observed patient kinetics can be mimicked by the model. This parameter space was uniformly divided into 270.400 discrete parameter combinations. The therapy simulation of each combination was conducted and described by a bi-exponential function likewise to the patients’ fit. With the help of these huge variety of in silico therapies two new methods of model parameter identification for individual patients were developed. The first one is an advanced approach based on a regression model proposed by Horn et al. (2013). The second one by comparing distances between the patients’ and the models’ bi-exponential functions (lookup table). The comparison of the distances between different therapy courses (either simulated or patients’ data) was also used to compare the quality of different methods. As an example, for one patient the stem cell kinetics from the model were analysed in more detail and checked for robustness. Such a strategy, which might build the basis for clinical applications. Results A comparison between the different bi-exponential functions with and without censored data points revealed differences especially in the area in which censoring was performed. However, for the long-term tumour burden censored data had no influence. Secondly, an investigation was performed showing the sufficiency of the pre-simulated therapy courses for the new methods, i. e. lookup-table and regression models. The lookup- table turns out to be superior to identify a therapy simulation for a unique patient, since the complexity of linear regression models lead to increased deviations between patients’ therapy courses and the simulations. Unfortunately, distinct stem cell configurations lead to similar therapy descriptions in peripheral blood, assuming the correctness of the model. As a result, the prediction of a safe treatment cessation is often widely spread. Conclusions The new developed lookup-table to identify model simulations suitable for an individual patient is highly effective and superior to other methods using regression models. The simulation of the TKI treatment using the agent-based model of Roeder und Loeffler (2002) gives easy access to therapy courses on the level of leukaemic stem cells. Unfortunately, the finding of a well fitting simulation within the peripheral blood is not enough to provide a point of safe treatment cessation, since different stem cell configurations can lead to similar therapy courses. Additionally, it is necessary to check which of the assumed therapy courses on the stem cell level is appropriate. This could be done by gathering more information from bone-marrow punctures during the course of treatment. Outlook Investigations of new data showed the important role of the immune system in CML treatment (Saussele et al. 2016; Clapp et al. 2016). This should be taken into account by improving the model of Roeder und Loeffler (2002). Additionally, data from cessation trials can be used to validate the model assumptions.

Die Chronisch Myeloische Leukämie (CML) ist eine maligne, hämatologische Erkrankung, welche auf der unregulierten Proliferation von leukämischen myeloischen Zellen im Knochenmark beruht. Die Folge ist eine Verdrängung der normalen Hämatopoese durch leukämische Zellen mit einem unbehandelt letalen Verlauf. Die Einführung einer spezifischen Therapie der CML durch Tyrosinkinase-Inhibitoren (TKIs) hat die Behandlung der CML maßgeblich beeinflusst und stellt aktuell die Standardtherapie für betroffene Patienten dar. Mehrere klinische Studien zeigten, dass bei einem Teil der Patienten mit gutem Therapieansprechen im Verlauf die Therapie beendet werden kann, ohne dass es dabei zu einem Rückfall der Patienten kommt. Eine sichere Identifikation dieser Patienten ist aktuell nicht möglich. Weiterhin sind die Mechanismen, welche einer therapiefreien Remission zugrunde liegen, nicht endgültig geklärt. Allerdings ergaben mehrere aktuelle Studien Hinweise auf eine immunologische Komponente, der in diesem Zusammenhang eine entscheidende Rolle zukommen könnte. Im Rahmen dieser Arbeit wurde ein auf gewöhnlichen Differentialgleichungen basierendes, mathematisches Modell der CML um eine immunologische Komponente erweitert, um eine bessere Beschreibung des Verhaltens von CML-Patienten unter TKI-Therapie und nach Beendigung dieser zu ermöglichen. Es wurde im Sinne eines konzeptionellen Modellierungsansatzes untersucht, welche Mechanismen dem Rezidivverhalten innerhalb eines solchen Modells zugrunde liegen und ob anhand des verwendeten Modells das Auftreten eines Rezidivs zuverlässig vorhergesagt werden kann. Grundlage dieser Arbeit stellen BCR-ABL Verlaufsmessungen von 21 CML-Patienten dar, welche mit einem TKI behandelt wurden und bei denen dieser im Rahmen einer klinischen Intervention abgesetzt wurde. Während die Anpassung eines mathematischen Modells ohne immunologische Komponente bereits eine gute Beschreibung des BCR-ABL/ABL Abfall unter Therapie ermöglichte, versagte dieses Modell bei der Beschreibung einer therapiefreien Remission. Nur durch die Erweiterung des Modells um eine individuelle immunologische Komponente konnte der BCR-ABL/ABL Verlauf während und nach Stopp der TKI-Therapie korrekt wiedergegeben werden. Dabei zeigte sich, dass zur Bestimmung der Modellparameter allerdings eine Einbeziehung der BCR-ABL Messwerte nach Absetzen der Therapie notwendig war. Deutliche Unterschiede der auf diese Weise ermittelten immunologischen Modellparameter zwischen Patienten mit und ohne Rezidiv signalisierten einen entscheidenden Einfluss der immunologischen Komponente auf das Rezidivverhalten. Die weitere Untersuchung der Attraktorlandschaften für das Rezidivverhalten zeigte, dass Patienten darüber hinaus anhand ihrer Immunantwort in drei verschiedene Klassen eingeteilt werden können: Einige Patienten zeigten eine insuffiziente Immunantwort (Klasse A) und somit nach Therapiestopp immer ein Rezidiv, da ihr Immunsystem nicht in der Lage ist, die erneute Proliferation residualer leukämischer Zellen nach Absetzen der Therapie zu verhindern. Im Gegensatz dazu zeigten einige Patienten eine suffiziente Immunantwort. Während Patienten mit einer suffizienten und starken Immunantwort (Klasse B) nur eine minimale Therapiedauer in den Simulationen zur Aufrechterhaltung einer Remission nach Therapiestopp benötigten, war die Verhinderung eines Rezidivs für Patienten mit einer suffizienten und schwachen Immunantwort (Klasse C) nur bei Erreichen eines optimalen Gleichgewicht zwischen der Zahl leukämischer Zellen und der Aktivität des Immunsystems möglich. Es konnte gezeigt werden, dass dies theoretisch durch eine individuelle, fein abgestimmte Anpassung von Therapiedauer und Therapieintensität erreicht werden kann. Da eine Bestimmung der Modellparameter nur unter Einbeziehung der BCR-ABL Messungen nach Stopp der TKI-Therapie möglich war, erlaubte dieses Vorgehen entsprechend keine Vorhersage des Rezidivverhaltens. Daher erfolgte die Simulation einer 12-monatigen TKI-Dosisreduktion für jeden Patienten mit einer anschließenden Betrachtung der BCR-ABL/ABL Verläufe während der Dosisreduktion. Eine Korrelation zwischen dem BCR-ABL/ABL Anstieg innerhalb dieses Zeitraums und dem klinischen Rezidivverhalten zeigte, dass die aus einer solchen Systemstörung resultierenden Veränderungen der BCR-ABL/ABL Verläufe die notwendigen Informationen zur Vorhersage des Rezidivverhaltens liefern könnten. Dabei sind diese Modellvorhersagen in qualitativer und quantitativer Übereinstimmung mit klinischen Daten der DESTINY-Studie (NCT01804985). Es konnte somit gezeigt werden, dass ein mathematisches Modell der CML durch Erweiterung um eine immunologische Kontrollkomponente in der Lage ist, den Krankheitsverlauf von CML Patienten während und nach Absetzen der TKI-Therapie korrekt zu beschreiben. Damit unterstützt diese Arbeit die Ergebnisse aktueller klinischer Studien, welche einer anti-leukämischen Immunantwort eine Bedeutung in der Aufrechterhaltung einer therapiefreien Remission zuschreiben. Da eine Vorhersage des individuellen Rezidivverhaltens allein anhand der BCR-ABL Messungen vor Therapieabsetzen nicht möglich war, unterstreicht diese Arbeit die Notwendigkeit weiterer Studien auf diesem Gebiet. Dabei legen die Ergebnisse diese Arbeit nahe, dass Studien mit klinischen Interventionen, wie z.B. einer temporären TKI-Dosisreduktion, die notwendigen Informationen für solche Vorhersagen enthalten könnten.:1. Einleitung und Zielstellung 1.1. Einleitung 1.2. Fragestellung und Zielsetzung dieser Arbeit 2. Medizinischer Hintergrund 2.1. Hämatopoese 2.2. Chronische Myeloische Leukämie 2.2.1. Epidemiologie 2.2.2. Ätiologie und Pathogenese 2.2.3. Klinik und Verlauf 2.2.4. Diagnostik 2.2.5. Therapie 2.2.6. Immunologische Einflussfaktoren auf das Rezidivverhalten 3. Systembiologischer Hintergrund 3.1. Statistische Modelle der TKI-Therapie 3.2. Mechanistische Modelle der TKI-Therapie 3.3. Modellierung von Therapie und Absetzverhalten 3.4. Modelle der CML mit einer immunologischen Komponente 4. Material und Methoden 4.1. Klinische Daten 4.1.1. Herkunft der klinischen Daten 4.1.2. Selektion geeigneter Patienten 4.2. Statistische Beschreibung 4.2.1. Bi-exponentielles Modell 4.2.2. Modellanpassung 4.2.3. Statistische Tests 4.3. Mechanistisches Modell 4.3.1. CML-Modell ohne immunologische Komponente 4.3.2. CML-Modell mit immunologischer Komponente (Immunmodell) 4.3.3. Allgemeines Vorgehen zur Modellanpassung 4.3.4. Berechnung der Anfangsbedingungen 4.3.5. Anpassungsstrategien 4.3.6. Sensitivitätsanalysen 4.3.7. Phasenportaits 4.3.8. Regressionsmodelle 4.3.9. Statistische Tests 5. Ergebnisse 5.1. Patientencharakteristika 5.2. Struktureller Vergleich der Patienten mit und ohne Rezidiv 5.3. CML-Modell ohne immunologische Komponente 5.3.1. Aufbau des Modells 5.3.2. Sensitivitätsanalyse 5.3.3. Anpassung an die klinischen Daten 5.4. CML-Modell mit immunologischer Komponente (Immunmodell) 5.4.1. Aufbau des Modells 5.4.2. Anpassung an die klinischen Daten 5.4.3. Klassifizierung der Patienten anhand ihrer Immunantwort 5.4.4. Sensitivitätsanalyse 5.4.5. Einfluss der Therapie auf das Rezidivverhalten 5.4.6. Informationsgewinn durch Simulation einer Dosisreduktion 6. Diskussion 6.1. Diskussion der initial formulierten Fragestellungen 6.2. Kritische Betrachtung der Herangehensweise 6.2.1. Patientenselektion 6.2.2. Modellierung der CMLII 6.3. Ausblick 6.3.1. Erweiterungsmöglichkeiten des verwendeten mathematischen Modells 6.3.2. Unterstützung des Designs klinischer Studien 7. Zusammenfassung 8. Summary A. Anhang A.1. Berechnung des Immunfensters A.2. Berechnung der Attraktoren A.2.1. Heilungs-Attraktor A.2.2. Remissions- und Rezidiv-Attraktor A.3. Abbildungen und Tabellen Literaturverzeichnis / Chronic Myeloid Leukemia (CML) is a hematological cancer characterized by the unregulated proliferation of immature myeloid cells in the bone marrow. This leads to a displacement of the normal hematopoiesis with a lethal course if untreated. The introduction of Tyrosine Kinase Inhibitors (TKIs) as a specific therapy has significantly influenced the CML treatment and represents the current first line treatment option for affected patients. Several clinical trials confirmed that TKI treatment can be stopped for some well responding patients without the occurrence of a relapse. It is not yet possible to prospectively identify those patients. Also, the mechanisms leading to a relapse or a treatment-free remission still remain unclear. However, recent clinical trials suggest that an immunological component plays an important role in the long-term disease control. Aim of this work was the expansion of a mathematical CML model by an anti-leukemic immune component to improve the description of the disease behavior of CML patients while treated with TKI and after stopping treatment. A mathematical proof of concept analysis of the model mechanisms leading to relapse or treatment-free remission was performed. Also, it was examined whether such a model can reliably predict the occurrence of a relapse. The BCR-ABL time courses of 21 TKI-treated CML patients, for whom TKI-therapy had been stopped as a clinical intervention, were used in this work. While the adaption of a simplified ODE-model without the immune component could describe the BCR-ABL/ABL decrease during therapy, the model failed to describe a treatment-free remission. Only by expanding the model with an individual immune component, it was possible to correctly reproduce the BCR-ABL/ABL time courses during TKI-treatment and after treatment cessation. Also, an estimation of the individual parameters was only possible by fitting the model to the complete BCR-ABL/ABL time course (including measurements after treatment cessation). Significant differences of the immune parameters determined in this way between relapsing and non-relapsing patients signaled an important influence of the immune component on the relapse behavior. A detailed mathematical analysis of the identified relapse behavior attractor landscapes also suggested that the available patients can be grouped in three general classes (A–C) corresponding to their individual immune response. Certain patients presented an insufficient immune response (class A) and thus, consistently relapsed after stopping treatment as they were unable to prevent a renewed proliferation of residual leukemic cells after treatment cessation. In contrast, some patients showed a sufficient immune response. While patients with a sufficient and strong immune response (class B) required only a minimal treatment duration in the simulations to retain a remission after stopping treatment, the prevention of a relapse for patients with a sufficient and weak immune response (class C) was only possible if an optimal balance between leukemia abundance and immunological activation was achieved before treatment cessation. It could be shown that this balance can theoretically be achieved by an individual titrated and narrowly adapted treatment duration and intensity. Since estimations of the model parameters could only be obtained if the complete data (including post-cessation measurements) were available, it was not possible to predict the individual relapse behavior. Therefore, a 12-months TKI dose reduction simulation was performed for each patient and the resulting BCR-ABL/ABL changes within this period were analyzed. A correlation between the BCR-ABL/ABL increase and the clinical relapse behavior suggested that the BCR-ABL/ABL changes from such system perturbation yields the required information for predictions of the relapse behavior. These simulation results are in qualitative and quantitative agreement with clinical data of the DESTINY trial (NCT01804985). It could be shown that a mathematical CML model is capable of describing the treatment response and relapse behavior of CML patients by incorporation of an immunological control component. Thus, this work supports the results of recent clinical trials which suggest an important role of immune cells for the maintenance of a treatment-free remission. Since a prediction of the individual relapse behavior cannot be obtained from BCR-ABL measurements before stopping treatment, this work highlights the need for further research in this clinical field. Moreover, the results of this work suggest that clinical trials with treatment interventions like a TKI-dose reduction could provide the information required for those predictions.:1. Einleitung und Zielstellung 1.1. Einleitung 1.2. Fragestellung und Zielsetzung dieser Arbeit 2. Medizinischer Hintergrund 2.1. Hämatopoese 2.2. Chronische Myeloische Leukämie 2.2.1. Epidemiologie 2.2.2. Ätiologie und Pathogenese 2.2.3. Klinik und Verlauf 2.2.4. Diagnostik 2.2.5. Therapie 2.2.6. Immunologische Einflussfaktoren auf das Rezidivverhalten 3. Systembiologischer Hintergrund 3.1. Statistische Modelle der TKI-Therapie 3.2. Mechanistische Modelle der TKI-Therapie 3.3. Modellierung von Therapie und Absetzverhalten 3.4. Modelle der CML mit einer immunologischen Komponente 4. Material und Methoden 4.1. Klinische Daten 4.1.1. Herkunft der klinischen Daten 4.1.2. Selektion geeigneter Patienten 4.2. Statistische Beschreibung 4.2.1. Bi-exponentielles Modell 4.2.2. Modellanpassung 4.2.3. Statistische Tests 4.3. Mechanistisches Modell 4.3.1. CML-Modell ohne immunologische Komponente 4.3.2. CML-Modell mit immunologischer Komponente (Immunmodell) 4.3.3. Allgemeines Vorgehen zur Modellanpassung 4.3.4. Berechnung der Anfangsbedingungen 4.3.5. Anpassungsstrategien 4.3.6. Sensitivitätsanalysen 4.3.7. Phasenportaits 4.3.8. Regressionsmodelle 4.3.9. Statistische Tests 5. Ergebnisse 5.1. Patientencharakteristika 5.2. Struktureller Vergleich der Patienten mit und ohne Rezidiv 5.3. CML-Modell ohne immunologische Komponente 5.3.1. Aufbau des Modells 5.3.2. Sensitivitätsanalyse 5.3.3. Anpassung an die klinischen Daten 5.4. CML-Modell mit immunologischer Komponente (Immunmodell) 5.4.1. Aufbau des Modells 5.4.2. Anpassung an die klinischen Daten 5.4.3. Klassifizierung der Patienten anhand ihrer Immunantwort 5.4.4. Sensitivitätsanalyse 5.4.5. Einfluss der Therapie auf das Rezidivverhalten 5.4.6. Informationsgewinn durch Simulation einer Dosisreduktion 6. Diskussion 6.1. Diskussion der initial formulierten Fragestellungen 6.2. Kritische Betrachtung der Herangehensweise 6.2.1. Patientenselektion 6.2.2. Modellierung der CMLII 6.3. Ausblick 6.3.1. Erweiterungsmöglichkeiten des verwendeten mathematischen Modells 6.3.2. Unterstützung des Designs klinischer Studien 7. Zusammenfassung 8. Summary A. Anhang A.1. Berechnung des Immunfensters A.2. Berechnung der Attraktoren A.2.1. Heilungs-Attraktor A.2.2. Remissions- und Rezidiv-Attraktor A.3. Abbildungen und Tabellen Literaturverzeichnis

Recent clinical findings in chronic myeloid leukemia (CML) patients suggest that the risk of molecular recurrence after stopping tyrosine kinase inhibitor (TKI) treatment substantially depends on an individual’s leukemia-specific immune response. However, it is still not possible to prospectively identify patients that will remain in treatment-free remission (TFR). Here, we used an ordinary differential equation (ODE) model for CML, which explicitly includes an anti-leukemic immunological effect and applied it to 21 CML patients for whom BCR-ABL1/ABL1 time courses had been quantified before and after TKI cessation. Immunological control was conceptually necessary to explain TFR as observed in about half of the patients. Fitting the model simulations to data, we identified patient-specific parameters and classified patients into three different groups according to their predicted immune system configuration ('immunological landscapes”). While one class of patients required complete CML eradication to achieve TFR, other patients were able to control residual leukemia levels after treatment cessation. Among them were a third class of patients, that maintained TFR only if an optimal balance between leukemia abundance and immunological activation was achieved before treatment cessation. Model simulations further suggested that changes in the BCR-ABL1 dynamics resulting from TKI dose reduction convey information about the patient-specific immune system and allow prediction of outcome after treatment cessation. This inference of individual immunological configurations based on treatment alterations can also be applied to other cancer types in which the endogenous immune system supports maintenance therapy, long-term disease control or even cure.