It is well documented that transcriptionally coordinated genes tend to be functionally related, and that such relationships may be conserved across different species, and even kingdoms. (Ihmels et al., 2004). Such relationships was initially utilized to reveal functional gene modules in yeast and mammals (Ihmels et al., 2004), and to explore orthologous gene functions between different species and kingdoms (Stuart et al., 2003; Bergmann et al., 2004). Model organisms, such as Arabidopsis, are readily used in basic research due to resource availability and relative speed of data acquisition. A major goal is to transfer the acquired knowledge from these model organisms to species that are of greater importance to our society. However, due to large gene families in plants, the identification of functional equivalents of well characterized Arabidopsis genes in other plants is a non-trivial task, which often returns erroneous or inconclusive results. In this thesis, concepts of utilizing co-expression networks to help infer (i) gene function, (ii) organization of biological processes and (iii) knowledge transfer between species are introduced. An often overlooked fact by bioinformaticians is that a bioinformatic method is as useful as its accessibility. Therefore, majority of the work presented in this thesis was directed on developing freely available, user-friendly web-tools accessible for any biologist. / Es ist bereits ausgiebig gezeigt worden, dass Gene, deren Expression auf Transkriptionsebene koordiniert ist, häufig auch funktional in verwandten Stoffwechselwegen vorkommen, und dass sich dies wahrscheinlich auch Spezies- und sogar Reichübergreifend sagen lässt (Ihmels et al., 2004). Anfänglich wurden solche Beziehungen verwendet, um sogenannte Genfunktionsmodule in Hefe und Säugern aufzudecken (Ihmels et al., 2004), um dann orthologe Genfunktionen zwischen verschiedene Spezies und Reichen zu entdecken (Stuart et al., 2003; Bergmann et al., 2004). Modellorganismen wie Arabidopsis werden bevorzugt in der Forschung verwendet, weil man durch die schnelle Generationszeit in kurzer Zeit viele Daten erheben kann und aufgrund dessen die Ressourcen- und Informationsvielfalt um ein Vielfaches größer ist. Ein Hauptziel ist der Wissenstransfer von Modellorganismen auf Spezies, die gesellschaftlich von höherer Bedeutung sind wie z.B. Getreidearten oder andere Feldfrüchte. Pflanzen besitzen oft große Genfamilien und die eindeutige Identifizierung von gut charakterisierten Arabidopsisorthologen in besagten Nutzpflanzen ist kein triviales Vorhaben. In der vorliegenden Arbeit werden Konzepte zur Nutzung von Co-expressionsnetzwerken beschrieben, die helfen sollen (i) Genfunktionen zu identifizieren, (ii) die Organisation von biologischen Prozessen aufzuklären und (iii) das erworbene Wissen auf andere Spezies übertragbar zu machen. Ein häufig von Bioinformatikern übersehender Umstand ist, dass bioinformatische Methoden nur so sinnvoll sind wie ihre Zugänglichkeit. Deshalb basiert der Großteil dieser Arbeit auf freiverfügbaren und vor allem für Biologen nutzerfreundlichen Webtools.

Regulation of gene transcription plays a major role in mediating cellular responses and physiological behavior in all known organisms. The finding that similar genes are often regulated in a similar manner (co-regulated or "co-expressed") has directed several "guilt-by-association" approaches in order to reverse-engineer the cellular transcriptional networks using gene expression data as a compass. This kind of studies has been considerably assisted in the recent years by the development of high-throughput transcript measurement platforms, specifically gene microarrays and next-generation sequencing. In this thesis, I describe several approaches for improving the extraction and interpretation of the information contained in microarray based gene expression data, through four steps: (1) microarray platform design, (2) microarray data normalization, (3) gene network reverse engineering based on expression data and (4) experimental validation of expression-based guilt-by-association inferences. In the first part test case is shown aimed at the generation of a microarray for Thellungiella salsuginea, a salt and drought resistant close relative to the model plant Arabidopsis thaliana; the transcripts of this organism are generated on the combination of publicly available ESTs and newly generated ad-hoc next-generation sequencing data. Since the design of a microarray platform requires the availability of highly reliable and non-redundant transcript models, these issues are addressed consecutively, proposing several different technical solutions. In the second part I describe how inter-array correlation artifacts are generated by the common microarray normalization methods RMA and GCRMA, together with the technical and mathematical characteristics underlying the problem. A solution is proposed in the form of a novel normalization method, called tRMA. The third part of the thesis deals with the field of expression-based gene network reverse engineering. It is shown how different centrality measures in reverse engineered gene networks can be used to distinguish specific classes of genes, in particular essential genes in Arabidopsis thaliana, and how the use of conditional correlation can add a layer of understanding over the information flow processes underlying transcript regulation. Furthermore, several network reverse engineering approaches are compared, with a particular focus on the LASSO, a linear regression derivative rarely applied before in global gene network reconstruction, despite its theoretical advantages in robustness and interpretability over more standard methods. The performance of LASSO is assessed through several in silico analyses dealing with the reliability of the inferred gene networks. In the final part, LASSO and other reverse engineering methods are used to experimentally identify novel genes involved in two independent scenarios: the seed coat mucilage pathway in Arabidopsis thaliana and the hypoxic tuber development in Solanum tuberosum. In both cases an interesting method complementarity is shown, which strongly suggests a general use of hybrid approaches for transcript expression-based inferences. In conclusion, this work has helped to improve our understanding of gene transcription regulation through a better interpretation of high-throughput expression data. Part of the network reverse engineering methods described in this thesis have been included in a tool (CorTo) for gene network reverse engineering and annotated visualization from custom transcription datasets. / Die Regulation der Gentranskription spielt eine wichtige Rolle bei der Steuerung des physiologischen Verhaltens in allen Organismen. Dass ähnliche Gene oft in gleicher Weise reguliert werden (koreguliert oder koexpimiert), hat zu diversen „guilt-by-association“-Ansätzen zur Rekonstruktion von zellulären Transkriptionsnetzwerken geführt, die Genexpressionsdaten zur Orientierung nutzen. Studien dieser Art wurden in den letzten Jahren durch die Entwicklung von Hochdurchsatzmessungen von Transkriptmengen mittels Mikroarrays und ‚Next Generation‘ Sequenziertechniken stark gefördert. In der vorliegenden Arbeit werden verschiedene Ansätze zur Verbesserung der Extraktion und Interpretation von Mikroarray-basierten Genexpressionsdaten in vier Schritten beschrieben: (1) Mikroarray-Sonden-Design, (2) Mikroarray Datennormalisierung, (3) Rekonstruktion von Gennetzwerken unter Verwendung von Expressionsdaten und (4) experimentelle Überprüfung von expressionsbasierten „guilt-by-association“ Schlussfolgerungen. Im ersten Teil wird ein Beispiel zur Erstellung eines Mikroarrays für Thelungiella salsuginea gezeigt, einem salz- und trockenresistenten Verwandten von Arabidopsis thaliana. Zur Rekonstruktion der Transkripte wurden sowohl öffentliche ESTs (‚expressed sequence tags‘) als auch neu erzeugte ‚Next Generation‘ Sequenzierdaten genutzt. Da das Design von Mikroarrays speziesspezifische, nicht-redundante Transkriptmodelle erfordert, werden diese Aufgaben nacheinander abgearbeitet und verschiedene technische Lösungsmöglichkeiten aufgezeigt. Im zweiten Teil wird beschrieben, wie übliche Mikroarray-Normalisierungsverfahren wie RMA und GCRMA zu Korrelationsartefakten führen können. Technische sowie mathematische Hintergründe werden erläutert und zur Lösung des Problems wird mit tRMA eine neue Normalisierungsmethode vorgestellt. Der dritte Teil der Arbeit beschäftigt sich der expressionsbasierten Rekonstruktion von Gennetzwerken. Es wird demonstriert, wie dabei verschiedene „Zentralitäten“ bei zur Unterscheidung von spezifischen Genklassen, hier beispielhaft essentielle Gene von Arabidopsis thaliana, genutzt werden können und wie die Verwendung von konditioneller Korrelation tieferes Verständnis des der Transkriptionsregulation zugrundeliegenden Informationsflusses ermöglicht. Weiterhin werden Ansätze zur Netzwerkrekonstruktion verglichen. Besonderes Augenmerk liegt dabei auf der LASSO Technik, einer Art linearer Regression, die trotz ihren theoretischen Vorteilen in Robustheit und Interpretierbarkeit gegenüber Standardmethoden bisher selten zur Rekonstruktion von globalen Gennetzwerken genutzt wurde. Die Leistungsfähigkeit von LASSO wird durch in silico Analysen der Zuverlässigkeit der erstellten Gennetzwerke gemessen. Im letzten Teil der Arbeit wurden LASSO und andere Rekonstruktionsmethoden genutzt um experimentell neue Gene der folgenden zwei Szenarien zu identifizieren: im Samenschleim von Arabidopsis thaliana und während der Knollenentwicklung von Solanum tuberosum unter Sauerstoffmangel. In beiden Fällen wird eine interessante Methodenkomplementarität gezeigt, nach welcher eine Mischung mehrerer Ansätze zu empfehlen ist um Schlüsse aufgrund von Transkriptexpression zu ziehen. Zusammenfassend zielt diese Arbeit darauf ab, das Verständnis der Regulation von Gentranskriptionsnetzwerken durch bessere Interpretation von Hochdurchsatzexpressionsdaten zu verbessern. Ein Teil der in dieser Arbeit beschriebenen Methoden wurden im Programm CorTo zur Gennetzwerkrekonstruktion und annotierten Visualisierung von benutzerdefinierten Transkriptionsdaten verarbeitet.

Mathematical modeling of biological phenomena has experienced increasing interest since new high-throughput technologies give access to growing amounts of molecular data. These modeling approaches are especially able to test hypotheses which are not yet experimentally accessible or guide an experimental setup. One particular attempt investigates the evolutionary dynamics responsible for today's composition of organisms. Computer simulations either propose an evolutionary mechanism and thus reproduce a recent finding or rebuild an evolutionary process in order to learn about its mechanism. The quest for evolutionary fingerprints in metabolic and gene-coexpression networks is the central topic of this cumulative thesis based on four published articles. An understanding of the actual origin of life will probably remain an insoluble problem. However, one can argue that after a first simple metabolism has evolved, the further evolution of metabolism occurred in parallel with the evolution of the sequences of the catalyzing enzymes. Indications of such a coevolution can be found when correlating the change in sequence between two enzymes with their distance on the metabolic network which is obtained from the KEGG database. We observe that there exists a small but significant correlation primarily on nearest neighbors. This indicates that enzymes catalyzing subsequent reactions tend to be descended from the same precursor. Since this correlation is relatively small one can at least assume that, if new enzymes are no "genetic children" of the previous enzymes, they certainly be descended from any of the already existing ones. Following this hypothesis, we introduce a model of enzyme-pathway coevolution. By iteratively adding enzymes, this model explores the metabolic network in a manner similar to diffusion. With implementation of an Gillespie-like algorithm we are able to introduce a tunable parameter that controls the weight of sequence similarity when choosing a new enzyme. Furthermore, this method also defines a time difference between successive evolutionary innovations in terms of a new enzyme. Overall, these simulations generate putative time-courses of the evolutionary walk on the metabolic network. By a time-series analysis, we find that the acquisition of new enzymes appears in bursts which are pronounced when the influence of the sequence similarity is higher. This behavior strongly resembles punctuated equilibrium which denotes the observation that new species tend to appear in bursts as well rather than in a gradual manner. Thus, our model helps to establish a better understanding of punctuated equilibrium giving a potential description at molecular level. From the time-courses we also extract a tentative order of new enzymes, metabolites, and even organisms. The consistence of this order with previous findings provides evidence for the validity of our approach. While the sequence of a gene is actually subject to mutations, its expression profile might also indirectly change through the evolutionary events in the cellular interplay. Gene coexpression data is simply accessible by microarray experiments and commonly illustrated using coexpression networks where genes are nodes and get linked once they show a significant coexpression. Since the large number of genes makes an illustration of the entire coexpression network difficult, clustering helps to show the network on a metalevel. Various clustering techniques already exist. However, we introduce a novel one which maintains control of the cluster sizes and thus assures proper visual inspection. An application of the method on Arabidopsis thaliana reveals that genes causing a severe phenotype often show a functional uniqueness in their network vicinity. This leads to 20 genes of so far unknown phenotype which are however suggested to be essential for plant growth. Of these, six indeed provoke such a severe phenotype, shown by mutant analysis. By an inspection of the degree distribution of the A.thaliana coexpression network, we identified two characteristics. The distribution deviates from the frequently observed power-law by a sharp truncation which follows after an over-representation of highly connected nodes. For a better understanding, we developed an evolutionary model which mimics the growth of a coexpression network by gene duplication which underlies a strong selection criterion, and slight mutational changes in the expression profile. Despite the simplicity of our assumption, we can reproduce the observed properties in A.thaliana as well as in E.coli and S.cerevisiae. The over-representation of high-degree nodes could be identified with mutually well connected genes of similar functional families: zinc fingers (PF00096), flagella, and ribosomes respectively. In conclusion, these four manuscripts demonstrate the usefulness of mathematical models and statistical tools as a source of new biological insight. While the clustering approach of gene coexpression data leads to the phenotypic characterization of so far unknown genes and thus supports genome annotation, our model approaches offer explanations for observed properties of the coexpression network and furthermore substantiate punctuated equilibrium as an evolutionary process by a deeper understanding of an underlying molecular mechanism. / Die biologische Zelle ist ein sehr kompliziertes Gebilde. Bei ihrer Betrachtung gilt es, das Zusammenspiel von Tausenden bis Millionen von Genen, Regulatoren, Proteinen oder Molekülen zu beschreiben und zu verstehen. Durch enorme Verbesserungen experimenteller Messgeräte gelingt es mittlerweile allerdings in geringer Zeit enorme Datenmengen zu messen, seien dies z.B. die Entschlüsselung eines Genoms oder die Konzentrationen der Moleküle in einer Zelle. Die Systembiologie nimmt sich dem Problem an, aus diesem Datenmeer ein quantitatives Verständnis für die Gesamtheit der Wechselwirkungen in der Zelle zu entwickeln. Dabei stellt die mathematische Modellierung und computergestützte Analyse ein eminent wichtiges Werkzeug dar, lassen sich doch am Computer in kurzer Zeit eine Vielzahl von Fällen testen und daraus Hypothesen generieren, die experimentell verifiziert werden können. Diese Doktorarbeit beschäftigt sich damit, wie durch mathematische Modellierung Rückschlüsse auf die Evolution und deren Mechanismen geschlossen werden können. Dabei besteht die Arbeit aus zwei Teilen. Zum Einen wurde ein Modell entwickelt, dass die Evolution des Stoffwechsels nachbaut. Der zweite Teil beschäftigt sich mit der Analyse von Genexpressionsdaten, d.h. der Stärke mit der ein bestimmtes Gen in ein Protein umgewandelt, "exprimiert", wird. Der Stoffwechsel bezeichnet die Gesamtheit der chemischen Vorgänge in einem Organismus; zum Einen werden Nahrungsstoffe für den Organismus verwertbar zerlegt, zum Anderen aber auch neue Stoffe aufgebaut. Da für nahezu jede chemische Reaktion ein katalysierendes Enzym benötigt wird, ist davon auszugehen, dass sich der Stoffwechsel parallel zu den Enzymen entwickelt hat. Auf dieser Annahme basiert das entwickelte Modell zur Enzyme-Stoffwechsel-Koevolution. Von einer Anfangsmenge von Enzymen und Molekülen ausgehend, die etwa in einer primitiven Atmosphäre vorgekommen sind, werden sukzessive Enzyme und die nun katalysierbaren Reaktionen hinzugefügt, wodurch die Stoffwechselkapazität anwächst. Die Auswahl eines neuen Enzyms geschieht dabei in Abhängigkeit von der Ähnlichkeit mit bereits vorhandenen und ist so an den evolutionären Vorgang der Mutation angelehnt: je ähnlicher ein neues Enzym zu den vorhandenen ist, desto schneller kann es hinzugefügt werden. Dieser Vorgang wird wiederholt, bis der Stoffwechsel die heutige Form angenommen hat. Interessant ist vor allem der zeitliche Verlauf dieser Evolution, der mittels einer Zeitreihenanalyse untersucht wird. Dabei zeigt sich, dass neue Enzyme gebündelt in Gruppen kurzer Zeitfolge auftreten, gefolgt von Intervallen relativer Stille. Dasselbe Phänomen kennt man von der Evolution neuer Arten, die ebenfalls gebündelt auftreten, und wird Punktualismus genannt. Diese Arbeit liefert somit ein besseres Verständnis dieses Phänomens durch eine Beschreibung auf molekularer Ebene. Im zweiten Projekt werden Genexpressionsdaten von Pflanzen analysiert. Einerseits geschieht dies mit einem eigens entwickelten Cluster-Algorithmus. Hier läßt sich beobachten, dass Gene mit einer ähnlichen Funktion oft auch ein ähnliches Expressionsmuster aufweisen. Das Clustering liefert einige Genkandidaten, deren Funktion bisher unbekannt war, von denen aber nun vermutet werden konnte, dass sie enorm wichtig für das Wachstum der Pflanze sind. Durch Experimente von Pflanzen mit und ohne diese Gene zeigte sich, dass sechs neuen Genen dieses essentielle Erscheinungsbild zugeordnet werden kann. Weiterhin wurden Netzwerke der Genexpressionsdaten einer Pflanze, eines Pilzes und eines Bakteriums untersucht. In diesen Netzwerken werden zwei Gene verbunden, falls sie ein sehr ähnliches Expressionsprofil aufweisen. Nun zeigten diese Netzwerke sehr ähnliche und charakteristische Eigenschaften auf. Im Rahmen dieser Arbeit wurde daher ein weiteres evolutionäres Modell entwickelt, das die Expressionsprofile anhand von Duplikation, Mutation und Selektion beschreibt. Obwohl das Modell auf sehr simplen Eigenschaften beruht, spiegelt es die beobachteten Eigenschaften sehr gut wider, und es läßt sich der Schluss ziehen, dass diese als Resultat der Evolution betrachtet werden können. Die Ergebnisse dieser Arbeiten sind als Doktorarbeit in kumulativer Form bestehend aus vier veröffentlichten Artikeln vereinigt.

Die Recurrent airway obstruction (RAO), im deutschen auch als „Dämpfigkeit“ be-zeichnet, ist eine weltweit anerkannte und weit verbreitete Erkrankung der Luftwege beim Pferd, die durch eine hypersensitiv-vermittelte Entzündung der Atemwege und begleitende Neutrophilie charakterisiert ist. Ausgelöst durch ungünstige Umweltbedingungen umfasst der klassische Phänotyp dieses Krankheitsbildes Husten, Nasenausfluss, Dyspnoe und Leistungsabfall. Die pathophysiologischen Vorgänge äußern sich in Bronchialobstruktion, Schleimhypersekretion, Hyperreaktivität und Umbauvorgängen (Airway remodelling) der Atemwege. In der Literatur existieren bisher noch keine genaueren Daten zur sympathischen und parasympathischen Lungeninnervation beim Pferd. Die vorliegende Arbeit liefert erstmalig eine umfangreichere immunhistochemische Analyse der Nervenäste in der equinen Lunge. Durch Immunfluoreszenz-Markierungen von ChAT und TH wurden sympathische und parasympathische Fasern detektiert. Die hierfür eingesetzten hochgereinigten Antikörper haben sich hierbei als geeignete Marker für cholinerge bzw. katecholaminerge Zellstrukturen erwiesen. Hierbei gab es keinen Hinweis darauf, dass sich die Immunreaktivität im Faserverlauf ändert oder von kranial nach kaudal schwächer wird. Auffällig war die starke Immunreaktivität der ChAT in den untersuchten Gewebeschnitten eines an RAO erkrankten Pferdes, die auf eine Hochregulation des Parasympathikus im Verlauf dieser Lungenerkrankung deutet. Die zusätzliche Detektion weiterer neuronaler Marker wie z.B. MAP2 oder NF-L sowie von Mikroglia und Astrozyten erlaubte den Nachweis weiterer Veränderungen im Krankheitsverlauf. Die validierte Koexpression von katecholaminergen bzw. cholinergen Markerenzymen deutet auf eine autonome Regulationsweise mit dem Potential einer variablen Reaktion auf Umwelteinflüsse. Die in der vorliegenden Arbeit etablierte Immunfluoreszenz-Doppelmarkierung von cholinergen und katecholaminergen Zellstrukturen bildet eine solide Grundlage für weitere Untersuchungen in Pferdegeweben unter physiologischen und pathologischen Bedingungen.

Die von T-Helfer (Th) -Zellen produzierten Zytokine spielen eine entscheidende Rolle bei der Einleitung, der Aufrechterhaltung und der Regulation von Immunantworten. Bei der Untersuchung von Immunantworten hat sich eine vereinfachte Einteilung der Th-Zellen in zwei Klassen als hilfreich erwiesen: Th1 und Th2. Stabil differenziell exprimierte Oberflächenmoleküle werden benötigt, um lebende Th1- und Th2-Zellen identifizieren, auf Einzelzellebene charakterisieren und möglicherweise die von ihnen erzeugten Immunantworten modulieren zu können. Auf der Suche nach solchen Molekülen wurde in Zusammenarbeit mit der Firma Millennium Pharmaceuticals das Oberflächenmolekül TIM-3 entdeckt. Die Ergebnisse der vorliegenden Arbeit belegen, dass TIM-3 nicht nur von CD4+ Th-Zellen, sondern auch von CD8+ T-Zellen, gamma/delta-T-Zellen, sowie einigen Makrophagen und der Mehrheit der dendritischen Zellen in der Milz von Mäusen auf der Zelloberfläche exprimiert wird. Die Expression von TIM-3 auf Th-Zellen ist klar mit einem aktivierten Phänotyp assoziiert. TIM-3 wird unter polarisierenden Bedingungen in vitro im Vergleich zu Th2-Zellen bevorzugt, jedoch nicht ausschließlich von Th1-Zellen exprimiert. Erstmals wurde auf Einzelzellebene die Zytokinproduktion TIM-3 exprimierender Th-Zellen untersucht. Die Analyse von Th0-Zellen, welche unter nichtpolarisierenden Bedingungen in vitro hergestellt wurden, ergab keine bevorzugte Produktion von Th1-Zytokinen und keine verminderte Expression von Th2-Zytokinen durch TIM-3 exprimierende Th-Zellen. Aufgrund der in dieser Arbeit erhaltenen Ergebnisse erlaubt die Expression von TIM-3 allein daher nicht die Identifizierung von Th1-Zellen. Nach einer Infektion mit Toxoplasma gondii lag jedoch eine bevorzugte Assoziation zwischen der Expression von TIM-3 und der pathogenspezifischen Produktion von Interferon (IFN)-gamma, Interleukin (IL)-2 und Tumor Nekrose Faktor (TNF)-alpha vor. Somit korreliert die TIM-3 Expression auf Th-Zellen nur unter bestimmten Bedingungen mit einem Th1-Phänotyp. / The cytokines that are produced by T helper (Th) cells are decisive for the initiation, the maintenance and the regulation of immune responses. A simplified classification of Th cells has proven to be useful for the analysis of immune responses: Th1 and Th2. Stably and differentially expressed surface molecules are required for the identification of live Th1- and Th2-cells, their characterisation at the single cell level and the possible modulation of the immune responses that they induce. On the search for such molecules the surface molecule TIM-3 was discovered in collaboration with Millennium Pharmaceuticals. The present work shows that TIM-3 protein is not only expressed on the cell surface by CD4+ Th cells but also by CD8+ T cells and gamma/delta T cells as well as by some macrophages and the majority of the dendritic cells in the murine spleen. TIM-3 expression on Th cells is clearly associated with an activated phenotype. Under polarising conditions in vitro TIM-3 is expressed preferentially albeit not exclusively by Th1 cells compared to Th2 cells. For the first time, the cytokine production of TIM-3 expressing Th cells has been analysed at the single cell level. The analysis of Th0 cells, generated under non-polarising conditions in vitro showed no preferential production of Th1-cytokines and no diminished production of Th2-cytokines by TIM-3 expressing Th-cells. The results obtained in this work lead to the conclusion that expression of TIM-3 does not permit the identification of Th1-cells. However upon infection with Toxoplasma gondii a positive association between the expression of TIM-3 and the pathogen-specific production of Interferon (IFN)-gamma, Interleukin (IL)-2 and Tumor Necrosis Factor (TNF)-alpha was observed. Therefore the expression of TIM-3 on Th-cells only correlates under specific conditions with a Th1-phenotype.

Die Dissertation befasst sich mit der Untersuchung der Ko-Expression des GFAP- und des PLP-Promotors in Müllerzellen der Netzhaut transgener Mäuse. Die verwendete Mauslinie ist tripel-transgen für den GFAP- und den PLP-Promotor sowie für einen ROSA26-Reporter. Durch die Quantifizierung der EYFP-Expression in Müllerzellen konnte gezeigt werden, dass es nach akuter ischämischer Schädigung sowie einer angeborenen retinalen Degeneration in Müllerzellen zu einer Aktivierung des oligodendrozytären PLP-Promotors kommt. Weiterhin wurde festgestellt, dass die Aktivierung des Transkriptionsfaktors Sox-9, der sowohl für die Entwicklung der Müllerzellen als auch für die Oligodendrogenese von entscheidender Rolle ist, mit dieser Promotoraktivierung korreliert. Diese Ergebnisse implizieren, dass Müllerzellen im Rahmen ihrer Stammzelleigenschaften in der Lage sind, auf embryonale Entwicklungsprozesse, die auch die oligodendrozytäre Zellreihe beinhalten, zurückgreifen zu können.

Die Dissertation befasst sich mit der Untersuchung der Ko-Expression des GFAP- und des PLP-Promotors in Müllerzellen der Netzhaut transgener Mäuse. Die verwendete Mauslinie ist tripel-transgen für den GFAP- und den PLP-Promotor sowie für einen ROSA26-Reporter. Durch die Quantifizierung der EYFP-Expression in Müllerzellen konnte gezeigt werden, dass es nach akuter ischämischer Schädigung sowie einer angeborenen retinalen Degeneration in Müllerzellen zu einer Aktivierung des oligodendrozytären PLP-Promotors kommt. Weiterhin wurde festgestellt, dass die Aktivierung des Transkriptionsfaktors Sox-9, der sowohl für die Entwicklung der Müllerzellen als auch für die Oligodendrogenese von entscheidender Rolle ist, mit dieser Promotoraktivierung korreliert. Diese Ergebnisse implizieren, dass Müllerzellen im Rahmen ihrer Stammzelleigenschaften in der Lage sind, auf embryonale Entwicklungsprozesse, die auch die oligodendrozytäre Zellreihe beinhalten, zurückgreifen zu können.:Inhaltsverzeichnis ....................................................................................................................... 3 Bibliographische Darstellung ..................................................................................................... 5 Abkürzungsverzeichnis und Erläuterungen ................................................................................ 6 1 Einleitung ............................................................................................................................ 8 1.1 Die Retina als Teil des Auges ................................................................................................. 8 1.1.1 Aufbau .............................................................................................................................. 8 1.2 Die gliale Müllerzelle ............................................................................................................ 12 1.2.1 Definition und Morphologie der Müllerzellen ............................................................... 12 1.2.2 Funktion .......................................................................................................................... 13 1.2.3 Ursprung und Ontogenese der Müllerzelle ..................................................................... 14 1.3 Erkrankungen der Netzhaut .................................................................................................. 15 1.3.1 Akute Läsionen ............................................................................................................... 15 1.3.2 Chronische Erkrankungen der Netzhaut ......................................................................... 15 1.3.3 Die Rolle der Müllerzelle in der erkrankten Retina ....................................................... 16 1.4 Mausgenetik .......................................................................................................................... 18 1.4.1 Das Cre-loxP-System ..................................................................................................... 18 1.5 Pax-6 und Sox-9: Transkriptionsfaktoren spezifizieren das Zellschicksal ........................... 24 1.5.1 Die PAX-Familie ............................................................................................................ 24 1.5.2 SOX-9-Gene ................................................................................................................... 25 2 Ziele .................................................................................................................................. 26 3 Material und Methoden ..................................................................................................... 27 3.1 Material ................................................................................................................................. 27 3.1.1 Chemikalien .................................................................................................................... 27 3.1.2 Antikörper ....................................................................................................................... 27 3.1.3 Größenstandards ............................................................................................................. 28 3.1.4 Mauslinien ...................................................................................................................... 29 3.1.5 Geräte ............................................................................................................................. 31 3.2 Methoden .............................................................................................................................. 31 3.2.1 Genotypisierung transgener Mäuse ................................................................................ 31 3.2.2 Akute retinale Läsion durch Anlegen eines erhöhten Augeninnendrucks („high intraocular pressure“, HIOP) .......................................................................................... 37 3.2.3 Herstellung und Fixierung der retinalen Gewebsproben ................................................ 37 3.2.4 Immunhistochemische Färbungen .................................................................................. 38 3.2.5 Mikroskopische Auswertung .......................................................................................... 39 3.2.6 Datenverarbeitung und Statistik ..................................................................................... 41 4 Ergebnisse ......................................................................................................................... 42 4.1 Technische Aspekte: Vergleich der Quantifizierung in Ganzpräparate und Querschnitte ... 42 4.1.1 Vergleich der Abbildungen ............................................................................................ 42 4.1.2 Auszählung Retina-Ganzpräparate ................................................................................. 43 4.1.3 Auszählung der Zellen in Querschnitten der Netzhaut ................................................... 45 4.1.4 Vergleich der Quantifizierung von Ganzpräparaten und Querschnitten ........................ 46 4.1.5 Quantifizierung ............................................................................................................... 48 4.2 Analyse der Reporterexpression in der Retina tripel-transgener Mäuse ............................... 49 4.2.1 Quantitative Auswertung GS-positiver Müllerzellen ..................................................... 49 4.2.2 Quantitative Auswertung EYFP-positiver Müllerzellen ................................................ 51 4.2.3 Auswertung des prozentualen Anteils der EYFP-positiven Müllerzellen ...................... 53 4.3 Auswertung der Transkriptionsfaktorexpression von Pax-6 und Sox-9 ............................... 56 4.3.1 Auswertung der Pax-6-positiven Müllerzellen ............................................................... 57 4.3.2 Auswertung der Sox-9-positiven Müllerzellen .............................................................. 60 5 Diskussion ......................................................................................................................... 63 5.1 Die GFAP-Expression in der Müllerzellgliose ..................................................................... 63 5.2 Auswertung und Vergleich der retinalen Ganzpräparate und Querschnitte ......................... 64 5.3 Die Untersuchung der Promotoraktivität nach retinaler Ischämie ........................................ 65 5.4 Die Untersuchung der Promotoraktivität bei angeborener retinaler Degeneration ............... 66 5.5 Die Rolle der Transkriptionsfaktoren Pax-6 und Sox-9 ........................................................ 68 5.5.1 Pax-6 ............................................................................................................................... 68 5.5.2 Sox-9 ............................................................................................................................... 69 5.6 Einordnung der Ergebnisse in die Zellbiologie der Müllerzelle ........................................... 72 6 Zusammenfassung ............................................................................................................. 74 7 Literaturverzeichnis .......................................................................................................... 77 8 Lebenslauf ......................................................................................................................... 83 9 Danksagung ....................................................................................................................... 84 10 Eigenständigkeitserklärung ............................................................................................... 85