Tumormodelle, in denen die maligne Transformation durch definierte Onkogene experimentell ausgelöst und unterhalten wird, bieten vielfältige Möglichkeiten, die komplexen Mechanismen der Tumorentstehung und Therapieresistenz zu untersuchen und neue Ansätze für Diagnostik und Therapie auszuarbeiten. KRAS-Onkogen-„getriebene“ Transformationsmodelle spiegeln neben anderen tumorspezifischen Veränderungen insbesondere die charakteristischen Änderungen des Transkriptoms wider. In der vorliegenden Arbeit wird ein Modell für Ovarialtumore auf Grundlage von Rose Zellen („Rat ovarian surface epithelium“) verwendet, um die Rolle von Transkriptionsfaktoren, welche durch die KRAS-vermittelte Signaltransduktion hoch reguliert werden, zu untersuchen. Die KRAS-transfomierten Derivate der normalen Rose Zellen zeigen die typischen Merkmale von ankerunabhängigen und invasiven Tumorzellen. Aufgrund der hohen Komplexität sind die Interaktionen zwischen der zytoplasmatischen Signaltransduktion und dem durch sie regulierten Transkriptionsfaktornetzwerk noch weitgehend unverstanden. Die Transkriptionsfaktoren Fosl1, Hmga2, Klf6, JunB, Otx1, Gfi1 und RelA wurden systematisch mittels RNA-Interferenz in KRAS-transformierten Rose Zellen transient ausgeschaltet. Danach wurden Proliferation, Morphologie (epithelial-mesenchymale Transition, EMT) und Ankerunabhängigkeit der Zellen bestimmt. Alle untersuchten Transkriptionsfaktoren beeinflussten die KRAS-induzierten morphologischen Veränderungen teilweise, belegt durch die Abnahme der EMT-Merkmale nach siRNA-vermittelter Ausschaltung. Der Knock-down der Transkriptionsfaktoren Otx1, Gfi1 und RelA hemmte die Proliferation, während Fosl1, Hmga2, Klf6 und JunB die generelle Proliferationsfähigkeit nicht beeinflussten, jedoch spezifisch die ankerunabhängige Proliferation blockierten. Diesen Faktoren kommt daher eine spezifische Funktion in der neoplastischen Transformation zu, da die Ankerunabhängigkeit sehr gut mit der Tumorigenität korreliert ist. Um die Beteiligung der Transkriptionsfaktoren an der Deregulation von Zielgenen zu erfassen, wurden Genexpressionsmuster aller Zellen, in denen jeweils ein Faktor durch siRNA ausgeschaltet war, mittels Microarray-Analyse identifiziert. Auf dieser Grundlage wurde ein Netzwerk-Modell der regulatorischen Interaktionen zwischen den Transkriptionsfaktoren berechnet. Die Existenz der beiden funktionellen Gruppen wurde im Modell bestätigt. Darüber hinaus zeigte sich eine gegenseitige Abhängigkeit des transkriptionellen Netzwerks und der zytoplasmatischen Signaltransduktion, gemessen mittels Proteinanalyse der mitogenabhängigen Signalkinasen (MAPK). Diese wird als kompensatorische Regulation interpretiert, welche trotz Pertubation, experimentell durch siRNA, das effiziente Überleben der transformierten Zellen sicherstellt. Die vorliegende Studie schafft somit die Voraussetzung und Motivation, das reduzierte Netzwerk aus sieben Komponenten auf alle differentiell exprimierten Transkriptionsfaktoren zu erweitern. Möglicherweise behindern solche Regulationskreise in der klinischen Situation die effektive Wirkung zielgerichteter Therapien. / Tumor models, in which malignant transformation was experimentally triggered and maintained through defined oncogenes, offer manifold opportunities to determine the complex mechanisms of tumor progression and resistance to therapies, and to develop new strategies for diagnosis and therapy. Particularly, KRAS oncogene driven models of transformation reflect the characteristic alterations of the transcriptome, among other tumor specific changes. In the present work a model for ovarian cancer based on Rose („Rat ovarian surface epithelium“) cells has been used to evaluate the role of transcription factors, which are up-regulated through KRAS dependent signaling. The KRAS transformed derivates of normal ROSE cells exhibit typical characteristics of anchorage-independent and invasive tumor cells. Due to the high complexity of cellular networks, the interactions between cytoplasmic signalling and their regulated transcription factors are not well understood. The transcription factors Fosl1, Hmga2, Klf6, JunB, Otx1, Gfi1 and RelA were systematically eliminated by transient RNA interference in KRAS transformed ROSE cells. The proliferation, morphology (epithelial-mesenchymal transition, EMT) and anchorage-independence of the cells were determined. All of the selected transcription factors had partial effect on the KRAS induced morphologic changes, documented by reduction of EMT-properties after siRNA treatment. The knock-down of the transcription factors Otx1, Gfi1 and RelA blocked proliferation in general, whereas Fosl1, Hmga2, Klf6 and JunB had no influence on proliferation but specifically blocked the anchorage-independence. Thus, these factors exhibited essential functions in the process of neoplastic transformation, because the anchorage-independence correlates very well with tumorigenicity. In order to elucidate the involvement of the transcription factors in the genetic deregulation of their target genes, microarray based gene expression profiles were determined from all cells in which one factor was eliminated by siRNA. Based on these data, a network model of regulatory interactions among these transcription factors was calculated. The existence of both functional groups was confirmed by the model. Furthermore, an interdependence of the transcriptional networks and cytoplasmatic signaling was observed by protein analysis of the mitogen dependent signal kinases (MAPK). This was interpreted as compensatory regulation, which in spite of experimental perturbation by siRNA, permitted efficient survival of the transformed cells. Thus, the present work provides the basis and motivation to extend the reduced network composed of seven components to all regulated transcription factors. Potentially, such regulatory networks diminish the efficacy of targeted therapies in clinical situations.

Spezialisierung Theoretische Biologie / Obwohl die Krebstherapie im letzten Jahrhundert große Fortschritte gemacht hat, bleibt die Resistenz gegen medikamentöse Behandlungen ein großes Hindernis im Kampf gegen den Krebs. In dieser Arbeit habe ich ein R-Paket namens STASNet entwickelt, das semi-quantitative Modelle der Signaltransduktion aus Signalisierungs-Störungsantwortdaten unter Verwendung von Least Square Modular Response Analysis-Modellen generiert. Um zu untersuchen, wie gut STASNet die Aktivität von Signalwegen quantifizieren kann, haben wir Perturbationsdaten von einem Paar isogener Darmkrebszelllinien mit und ohne SHP2-Knock-out, einem bekannten Resistenzmechanismus bei dieser Krebsart, verwendet. Ich habe dann untersucht die Resistenz gegen die MEK- und ALK-Hemmung beim Neuroblastom, einem pädiatrischen Krebs mit schlechter Prognose. Ein Wirkstoffscreening zeigte, dass der MEK-Inhibitor Selumetinib ein Panel von Neuroblastom-Zelllinien in drei sensitive und sechs resistente Zelllinien trennte, dass konnte nicht mit einzelnen molekularen Markern erklärt. STASNet-Modelle zeigten, dass die starke Resistenz gegen Selumetinib durch eine starke Rückkopplung von ERK auf MEK oder eine vielschichtige Rückkopplung sowohl auf MEK als auch auf IGF1R getrieben wurde. Aus dem Modell konnte eine kombinatorische Therapie abgeleitet werden, die auf MEK in Kombination mit entweder RAF oder IGF1R abzielt, je nach Art der in der Zelllinie vorhandenen Rückkopplungen. Schließlich ergab die Untersuchung der Wirkung von NF1-KO auf die Signalübertragung, dass der Verlust von NF1 den MAPK-Weg für die Liganden-induzierte Aktivierung hypersensibilisierte, aber das ERK-RAF-Rückkopplung störte. Die Erkenntnisse aus den in dieser Arbeit entwickelten Modellen werden somit dazu beitragen, personalisierte Kombinationen von Inhibitoren zu entwerfen, die als Zweitlinientherapie nach molekularer Untersuchung der Tumorreaktion auf die Erstbehandlung eingesetzt werden könnten. / Cancer therapy has seen immense progress over the last century but resistance to drug treatments remains a major obstacle in the war against cancer. I developed an R package named STASNet to generate models of signal transduction from signalling perturbation-response data using Least Square Modular Response Analysis models. I used these models to study how differences in signal transduction relate to drug resistance and can be used to make predictions about resistance mechanisms and optimal treatments. To show how STASNet can accurately quantify the activity of signalling pathways, I used perturbation data from a pair of isogenic colon cancer cell line with and without SHP2 knock-out, a known resistance mechanism in this cancer type, which showed that MAPK signalling is more affected by SHP2 knock-out than PI3K signalling, confirming the role of SHP2 as a primary MAPK component. I investigated resistance to MEK and ALK inhibition in neuroblastoma, a pediatric cancer with a dismal prognosis. The MEK inhibitor Selumetinib separated a panel of neuroblastoma cell lines into three sensitive and six resistant cell lines that could not be explained with individual molecular markers. STASNet models trained on perturbation-response data from these cell lines revealed that the strong resistance to Selumetinib was driven by a strong feedback from ERK to MEK or a multi-layered feedback to both MEK and IGF1R. This was confirmed by phosphoproteomics and suggested a therapy targeting MEK in combination with either RAF or IGF1R depending on the type of feedback present in the cell line that was confirmed experimentally. Finally, studying the effect of NF1-KO on signalling revealed that the loss of NF1 hyper-sensitized the MAPK pathway to ligand-induced activation but disrupted the ERK-RAF feedback. Those insights to design personalized combinations of inhibitors that could be used as second line therapy after molecularly monitoring the tumor response to the initial treatment.