Variationen in der Genexpression spielen eine zentrale Rolle bei der evolutionären Divergenz, die zur Speziation führt. Dies wird durch Veränderungen sowohl in nicht-kodierenden cis-wirkenden regulatorischen Elementen (CREs) wie Promotoren und Enhancern als auch in trans-wirkenden regulatorischen Elementen bestimmt. Veränderungen in den regulatorischen Sequenzen können Entwicklungsmuster verändern und wirken als eine der treibenden Kräfte der Evolution der Genexpression. Hier untersuche ich die Anwendung der Einzelzell-Multiomik in der evolutionären vergleichenden Genomik, wobei der Schwerpunkt auf den funktionellen Auswirkungen der Divergenz bei cis-regulatorischen Elementen liegt. Unter Verwendung von Hybrid-Embryonen von Drosophila melanogaster und sechellia generiere ich ein diploides Referenzgenom und führe allelspezifische Einzelzellanalysen von scRNA-seq und scATAC-seq durch. Zusammen können diese beiden komplimentären Ansätze einen integrativen Überblick über die Transkription und die Zugänglichkeit des Chromatins liefern, wodurch CREs identifiziert und mit allelspezifischen Veränderungen in den Genen, die sie regulieren, in Verbindung gebracht werden können. Die computergestützte Rekonstruktion verschiedener Zellidentitäten durch Clustering einzelner Zellen ermöglicht es uns auch zu untersuchen, wie sich das Allel-Ungleichgewicht während der Zelltyp-Spezifikation räumlich verändern kann. Im Gegensatz zu früheren Forschungsarbeiten stelle ich fest, dass Gene, die an der Entwicklung und Musterbildung beteiligt sind, ein unterschiedliches allelisches Ungleichgewicht in der Expression und Zugänglichkeit über die Zelltypen hinweg aufweisen. Diese Arbeit zeigt das Potenzial der Kombination von Einzelzell-Multiomik und artübergreifenden Vergleichen in der vergleichenden Genomik und wirft ein neues Licht auf die Rolle von cis-regulatorischen Elementen in der adaptiven Evolution. / Variation in gene expression plays a pivotal role in the evolutionary divergence that leads to speciation. This is determined by changes in both non-coding cis-acting regulatory elements (CREs) like promoters and enhancers, as well as trans-acting regulatory elements. Changes in regulatory sequences can alter developmental patterns, acting as one of the driving forces behind gene expression evolution. However, poor sequence conservation of CREs makes it challenging to identify them and link changes in regulatory sequences to new phenotypes. Here, I explore the application of single cell multiomics in evolutionary comparative genomics, with a focus on functional effects of divergence in cis-regulatory elements. Using hybrid embryos of Drosophila melanogaster and Drosophila sechellia, I generate a diploid reference genome and conduct single cell allele-specific analysis of scRNA-seq and scATAC-seq data. Together, these two assays can provide an integrative read-out of transcription and chromatin accessibility, allowing CREs to be identified and linked to allele-specific changes (allelic imbalance) in the genes they regulate. The computational reconstruction of different cell identities via single cell clustering also allows us to investigate how allelic imbalance may vary spatially during cell-type specification. In contrast to previous research, I find that genes involved in development and patterning display differential allelic imbalance in expression and accessibility across cell types. In addition, I investigate the role of neurodevelopmental allelic imbalance in the sechellia lineage and identify candidate genes for sechellia-specific adaptations. While highlighting current computational limitations, this thesis demonstrates the potential of combining single cell multiomics and cross-species comparisons in comparative genomics and shedding new light on the role of cis-regulatory elements and mechanisms of adaptive evolution.

Das Herz ist das zentrale Kreislauforgan in unserem Körper und jede Abweichung seiner Funktion wirkt sich negativ auf die Homöostase des gesamten Körpers aus. Die Herzfunktion beruht auf der Synergie der Zellen, die das Organ bilden. Die detaillierte zelluläre Zusammensetzung sowie die Funktionalität der einzelnen Zellen müssen noch ermittelt werden, und diese Arbeit ist eine wichtige Ergänzung dieser Bemühungen. Dank der jüngsten Entwicklungen in den Einzelzelltechnologien sind wir nun in der Lage, Transkriptome einzelner Zellen aus komplexem Gewebe in beispiellosem Umfang zu charakterisieren. Im ersten Schritt eines solchen Experiments müssen die Zellen und Zellkerne aus dem Gewebe befreit und vereinzelt werden. Herzgewebe wirft in dieser Hinsicht einzigartige Herausforderungen auf, darunter die Knappheit des gesunden menschlichen Herzgewebes für die Forschung, das Vorhandensein von Kardiomyozyten, die aufgrund ihrer Größe nicht durch Microfluid-basierte Standardinstrumente passen und deren Multinukleation, sowie mögliche Voreingenommenheit verschiedener Methoden zur Gewebedissoziation. Hier präsentiere ich den umfassenden Zellatlas des gesunden erwachsenen menschlichen Herzens. Ich beginne mit der Methodenentwicklung zur Isolierung von einzelnen Zellen und Zellkernen aus Mausherzen. Um den Zellatlas des menschlichen Herzens zu erstellen, analysiere ich einen Datensatz von fast einer halben Million Einzelzellen und Zellkerne aus sechs Herzregionen von vierzehn gesunden Menschen. In diesem Atlas definieren wir 11 Hauptzelltypen und 62 Zellzustände des menschlichen Herzens. Ein tieferer Fokus wird auf das Herzgefäßsystem gelegt und die Zellen der arterio-venösen Achse sowie deren Wechselwirkungen und potenzielle Funktionalität werden definiert. Insgesamt präsentiert diese Dissertation einen komplex Datensatz aus menschlichem Herzgewebe und liefert neue Einblicke in die Biologie des gesunden Herzens mit Implikationen für kardiovaskuläre Erkrankungen. / The heart is the central circulatory organ in our bodies and any discrepancies of its function relative to healthy homeostasis negatively impact the whole body. Cardiac function relies on the synergy of all the cells that constitute the organ. The detailed cellular composition as well as the heterogeneity and functionality of the individual cells is yet to be established and this work is a major advance in this effort. Thanks to the recent developments in single cell genomics technologies, we are now able to profile transcriptomes from individual cells of complex tissues at unprecedented scale. In the first step of such an experiment, the single cells and nuclei need to be liberated from the tissue. Heart tissue presents a unique set of challenges in this regard, including the scarcity of healthy human cardiac tissue for research, large cardiomyocytes that do not fit into the standard droplet-based instruments, multinucleation of cardiomyocytes that might skew the proportions of the recovered nuclei as well as potential bias of tissue dissociation methods. Here I present a cell atlas of the free walls, apex and septum of the healthy adult human heart. I start with methods development for the isolation of single cells and single nuclei from mouse heart. Next, I move to the building of the atlas of the human cells and nuclei, where I describe the dataset of close to half a million single cells and nuclei sampled from 14 organ donors, defining 11 major cell types and 62 cell states of the heart. A deeper focus on the cardiac vasculature defined the cells of the arterio-venous axis as well as their interactions and potential functionality. Overall, this thesis presents a joined dataset of single cells and single nuclei from human cardiac tissues and provides new insights into cardiac biology in heath with implications for cardiovascular disease.

Die Prozesse, durch die Organismen an ihre Umwelt angepasst werden, und die zur Vielfalt der Organismen führen, sind Gegenstand evolutionsbiologischer Fragestellungen. Üblicherweise startet Artenbildung durch das graduelle Auftreten physischer Barrieren, welches dann in reproduktive Inkompatibilitäten und/oder ökologische Differenzierungen mündet. Obwohl die weltweite Biodiversität hauptsächlich durch wirbellose Organismen gestellt wird, sind diese in Studien zu Artenbildungsmechanismen unterrepräsentiert. Eine beeindruckende Evolutionsgeschichte von etwa 550 Millionen Jahren weisen die Mollusken auf, bei denen es zu einer dramatischen Variation der Körperbaupläne und einer enormen morphologischen Variabilität kam. Süßwassermollusken sind besonders als Studienobjekte geeignet, da sie ein durch natürliche Barrieren begrenztes Habitat bewohnen. Die Süßwasserschnecken der Gattung Brotia bilden einen Artenschwarm im Kaek River in Thailand und sind eine der wenigen bekannten Schneckenradiationen im Süßwasser. Brandt beschrieb zehn Brotia-Arten, dieser Befund wurde später auf sieben Arten begrenzt. Demnach unterscheiden sich diese Schnecken in der Morphologie ihrer Schale und bilden drei verschiedene Radulatypen aus. Die Analysen dieses integrierten evolutionssystematischen Datensatzes aus traditionellen und modernen morphologischen und genetischen Methoden deuten darauf hin, dass die Anzahl an Brotia-Arten noch kleiner ist als die vorherigen Studien vermuten ließen. Es finden sich jeweils zwei genetische Cluster am Oberlauf und am Unterlauf des Kaek River; mit einer Mischzone im Mittelauf. Eine Analyse der genetisch bestimmten Individuen dieser Cluster zeigte signifikante Schalenmorphologische Unterschiede. Weiterführende Studien müssen klären, ob diese durch genomische Untersuchungen aufgedeckten Cluster lediglich Populationen weniger, aber phänotypisch extrem diverser Brotia-Arten sind. / Evolutionary biologists try to untangle and explain two major features of the living world, viz. the process by which organisms adapt to their environment and the processes that lead to species diversity. Speciation might start by physical isolation, which can also be accumulative and further result in reproductive incompatibilities and/or ecological differences. Although invertebrates represent the majority of biodiversity they are underrepresented in speciation studies. The at least 550 million years of evolution within the phylum Mollusca have resulted in a dramatic variation in body plans and enormous morphological diversity, which makes them an ideal group for comparative studies of phenotypic diversity, speciation and radiation. Freshwater mollusc taxa are exceptionally suited for such studies because they inhabit an environment with clear boundaries that act as dispersal barriers. The Brotia species flock found along the Kaek River in northern Thailand is one of very few known radiations of gastropods in a riverine setting. The species were reported to exhibit distinct shell morphologies and radula types. The main objective of this study was to investigate this species swarm, potentially being a new system to study speciation and even adaptive radiation in invertebrates in a riverine setting. Morphology and ecology, inter- and intraspecific divergence of Brotia were investigated. The analyses of an integrated dataset found hints that the actual number of species might be substantially lower than expected. Both, mitochondrial and nuclear markers revealed a geographic structure separating headwaters from the lower river courses, with an area of admixture in between. Additionally, in both geographic areas two clusters were identified, which are significantly different in morphology. Future studies will have to determine whether these clusters are populations of originally only two, but now highly diverse Brotia species.

Geschätzt mehr als 6.000 Erkrankungen werden durch Veränderungen im Genom verursacht. Ursachen gibt es viele: Eine genomische Variante kann die Translation eines Proteins stoppen, die Genregulation stören oder das Spleißen der mRNA in eine andere Isoform begünstigen. All diese Prozesse müssen überprüft werden, um die zum beschriebenen Phänotyp passende Variante zu ermitteln. Eine Automatisierung dieses Prozesses sind Varianteneffektmodelle. Mittels maschinellem Lernen und Annotationen aus verschiedenen Quellen bewerten diese Modelle genomische Varianten hinsichtlich ihrer Pathogenität. Die Entwicklung eines Varianteneffektmodells erfordert eine Reihe von Schritten: Annotation der Trainingsdaten, Auswahl von Features, Training verschiedener Modelle und Selektion eines Modells. Hier präsentiere ich ein allgemeines Workflow dieses Prozesses. Dieses ermöglicht es den Prozess zu konfigurieren, Modellmerkmale zu bearbeiten, und verschiedene Annotationen zu testen. Der Workflow umfasst außerdem die Optimierung von Hyperparametern, Validierung und letztlich die Anwendung des Modells durch genomweites Berechnen von Varianten-Scores. Der Workflow wird in der Entwicklung von Combined Annotation Dependent Depletion (CADD), einem Varianteneffektmodell zur genomweiten Bewertung von SNVs und InDels, verwendet. Durch Etablierung des ersten Varianteneffektmodells für das humane Referenzgenome GRCh38 demonstriere ich die gewonnenen Möglichkeiten Annotationen aufzugreifen und neue Modelle zu trainieren. Außerdem zeige ich, wie Deep-Learning-Scores als Feature in einem CADD-Modell die Vorhersage von RNA-Spleißing verbessern. Außerdem werden Varianteneffektmodelle aufgrund eines neuen, auf Allelhäufigkeit basierten, Trainingsdatensatz entwickelt. Diese Ergebnisse zeigen, dass der entwickelte Workflow eine skalierbare und flexible Möglichkeit ist, um Varianteneffektmodelle zu entwickeln. Alle entstandenen Scores sind unter cadd.gs.washington.edu und cadd.bihealth.org frei verfügbar. / More than 6,000 diseases are estimated to be caused by genomic variants. This can happen in many possible ways: a variant may stop the translation of a protein, interfere with gene regulation, or alter splicing of the transcribed mRNA into an unwanted isoform. It is necessary to investigate all of these processes in order to evaluate which variant may be causal for the deleterious phenotype. A great help in this regard are variant effect scores. Implemented as machine learning classifiers, they integrate annotations from different resources to rank genomic variants in terms of pathogenicity. Developing a variant effect score requires multiple steps: annotation of the training data, feature selection, model training, benchmarking, and finally deployment for the model's application. Here, I present a generalized workflow of this process. It makes it simple to configure how information is converted into model features, enabling the rapid exploration of different annotations. The workflow further implements hyperparameter optimization, model validation and ultimately deployment of a selected model via genome-wide scoring of genomic variants. The workflow is applied to train Combined Annotation Dependent Depletion (CADD), a variant effect model that is scoring SNVs and InDels genome-wide. I show that the workflow can be quickly adapted to novel annotations by porting CADD to the genome reference GRCh38. Further, I demonstrate the integration of deep-neural network scores as features into a new CADD model, improving the annotation of RNA splicing events. Finally, I apply the workflow to train multiple variant effect models from training data that is based on variants selected by allele frequency. In conclusion, the developed workflow presents a flexible and scalable method to train variant effect scores. All software and developed scores are freely available from cadd.gs.washington.edu and cadd.bihealth.org.

No description available.

No description available.

No description available.

No description available.

Diss. (sammanfattning) Uppsala : Uppsala universitet, 2008. / Härtill 6 uppsatser.

The progress in genome research demands for an adequate infrastructure to analyze the data sets. Database systems reflect a key technology to organize data and speed up the analysis process. This paper discusses the role of a relational database system based on the problem of finding frequent substructures in multi-dimensional protein databases. The specific problem consists of producing a set of association rules regarding frequent substructures with different lengths and gaps between the amino acid residues of a protein. From a database point of view, the process of finding association rules building the base for a more in-depth analysis of the data material is split into two parts. The first part performs a discretization of the conformational angle space of a single amino acid residue by computing the nearest neighbor of a given set of representatives. The second part consists in adapting a well-known association rule algorithm to determine the frequent substructures. Both steps within this comprehensive analysis task requires substantial support of the underlying database in order to reduce the programming overhead at the application level.