A subtly regulated and controlled course of cellular processes is essential for the healthy functioning not only of single cells, but also of organs being constituted thereof. In return, this entails the proper functioning of the whole organism. This implies a complex intra- and inter-cellular communication and signal processing that require equally multi-faceted methods to describe and investigate the underlying processes. Within the scope of this thesis, mathematical modeling of cellular signaling finds its application in the analysis of cellular processes and signaling cascades in different organisms. ... / Das fein regulierte und kontrollierte Ablaufen zellulärer Prozesse ist essentiell für das gesunde Funktionieren einzelner Zellen, sowie der aus ihnen bestehenden Organe. Diese wiederum bedingen das Funktionieren des gesamten Organismus. Genauso vielschichtig wie die Kommunikation und Signalverarbeitung innerhalb und zwischen den Zellen, sind die Methoden um diese Vorgänge zu beschreiben und zu untersuchen. Die mathematische Modellierung zellulärer Signalverarbeitung findet im Rahmen dieser Arbeit Anwendung in der Analyse zellulärer Prozesse und Signalkaskaden in verschiedenen Organismen....

Recent development of proteomic approaches and generation of large-scale proteomic datasets calls for new methods for biological interpretation of the obtained results. Systems biological approaches such as integrated network analysis and functional module search have become an essential part of proteomic investigation. Proteomics is especially applied in anucleate cells such as platelets. The underlying molecular mechanisms of platelet activation and their pharmacological modulation are of immense importance for clinical research. Advances in platelet proteomics have provided a large amount of proteomic data, which has not yet been comprehensively investigated in a systems biological perspective. To this end, I assembled platelet specific data from proteomic and transcriptomic studies by detailed manual curation and worked on the generation of a comprehensive human platelet repository for systems biological analysis of platelets in the functional context of integrated networks (PlateletWeb) (http:/PlateletWeb.bioapps.biozentrum.uni-wuerzburg.de). I also added platelet-specific experimentally validated phosphorylation data and generated kinase predictions for 80% of the newly identified platelet phosphosites. The combination of drug, disease and pathway information with phosphorylation and interaction data makes this database the first integrative platelet platform available for platelet research. PlateletWeb contains more than 5000 platelet proteins, which can also be analyzed and visualized in a network context, allowing identification of all major signaling modules involved in platelet activation and inhibition. Using the wealth of integrated data I performed a series of platelet-specific analyses regarding the platelet proteome, pathways, drug targets and novel platelet phosphorylation events involved in crucial signaling events. I analyzed the statistical enrichment of known pathways for platelet proteins and identified endocytosis as a highly represented pathway in platelets. Further results revealed that highly connected platelet proteins are more often targeted by drugs. Using integrated network analysis offered by PlateletWeb, I analyzed the crucial activation signaling pathway of adenosine diphosphate (ADP), visualizing how the signal flow from receptors to effectors is maintained. My work on integrin inside-out signaling was also based on the integrated network approach and examined new platelet-specific phosphorylation sites and their regulation using kinase predictions. I generated hypothesis on integrin signaling, by investigating the regulation of Ser269 phosphorylation site on the docking protein 1 (DOK1). This phosphorylation site may influence the inhibiting effect of DOK1 on integrin a2bb3. Extending the integrated network approach to further cell lines, I used the assembled human interactome information for the analysis of functional modules in cellular networks. The investigation was performed with a previously developed module detection algorithm, which finds maximum-scoring subgraphs in transcriptomic datasets by using assigned values to the network nodes. We extended the algorithm to qualitative proteomic datasets and enhanced the module search by adding functional information to the network edges to concentrate the solution onto modules with high functional similarity. I performed a series of analyses to validate its performance in small-sized (virus-infected gastric cells) and medium-sized networks (human lymphocytes). In both cases the algorithm extracted characteristic modules of sample proteins with high functional similarity. The functional module search is especially useful in site-specific phosphoproteomic datasets, where kinase regulation of the detected sites is often sparse or lacking. Therefore, I used the module detection algorithm in quantitative phosphoproteomic datasets. In a platelet phosphorylation dataset, I presented a pipeline for network analysis of detected phosphorylation sites. In a second approach, the functional module detecting algorithm was used on a phosphoproteome network of human embryonic stem cells, in which nodes represented the maximally changing phosphorylation sites in the experiment. Additional kinases from the human phosphoproteome in PlateletWeb were included to the network to investigate the regulation of the signal flow. Results indicated important phosphorylation sites and their upstream kinases and explained changes observed in embryonic stem cells during differentiation. This work presents novel approaches for integrated network analysis in cells and introduces for the first time a systematic biological investigation of the human platelet proteome based on the platelet-specific knowledge base PlateletWeb. The extended methods for optimized functional module detection offer an invaluable tool for exploring proteomic datasets and covering gaps in complex large-scale data analysis. By combining exact module detection approaches with functional information data between interacting proteins, characteristic functional modules with high functional resemblance can be extracted from complex datasets, thereby focusing on important changes in the observed networks. / Jüngste Entwicklungen der Proteomik und die damit einhergehende Erzeugung großer Datensätze erfordern neue Methoden zur biologischen Interpretation der gewonnenen Ergebnisse. Systembiologische Ansätze wie die integrierte Netzwerkanalyse sowie die funktionelle Modulsuche sind zu einem wesentlichen Bestandteil bei der Untersuchung von Proteinen geworden. Die Proteomik wird vor allem in kernlosen Zellen wie den Blutplättchen angewandt. Die zu Grunde liegenden molekularen Mechanismen bei der Aktivierung von Thrombozyten und deren pharmakologische Modulation sind von immenser Bedeutung für die klinische Forschung. Aktuelle Studien in der Proteomforschung haben insbesondere bei Thrombozyten große Mengen an Daten erzeugt, die bisher noch nicht umfassend systembiologisch untersucht wurden. Zu diesem Zweck stellte ich manuell thrombozyten-spezifische Daten aus Proteom- und Transkriptomstudien zusammen und arbeitete an der Entwicklung einer umfassenden menschlichen Thrombozytendatenbank für die systembiologische Analyse der Funktion von Blutplättchen mittels integrierter Netzwerkanalyse (PlateletWeb) (http:/PlateletWeb.bioapps.biozentrum.uni-wuerzburg.de). Zusätzlich habe ich plättchen-spezifische, experimentell validierte Phosphorylierungsinformationen hinzugefügt und generierte Kinasenvorhersagen für 80% der neu identifizierten Phosphorylierungsstellen. Die Kombination aus Medikamenten, assoziierten Krankheiten und Signalweginformation zusammen mit Phosphorylierungs- und Interaktionsdaten macht diese Datenbank zu einer ersten und umfassenden Anlaufstelle für Thrombozytenforschung. PlateletWeb enthält mehr als 5000 Plättchenproteine, die in einem Netzwerk analysiert und dargestellt werden können. Dabei ist die Identifizierung aller wichtigen Signalmodule zur Plättchenaktivierung und -inhibierung möglich. Mit der Fülle an verfügbaren Daten führte ich eine Reihe thrombozyten-spezifischer Analysen am Plättchenproteom, an Signalwegen, pharmakologischen Wirkstoffzielen und Phosphorylierungsreaktionen in grundlegenden Signalprozessen durch. Ich analysierte die statistische Anreicherung bekannter Signalwege für Plättchenproteine und identifizierte Endozytose als einen sehr repräsentativen Signalweg in Thrombozyten. Weitere Ergebnisse zeigten, dass stark vernetzte Plättchenproteine häufiger Ziel von Medikamenten sind. Mittels der Netzwerkanalyse von PlateletWeb untersuchte ich den grundlegenden Signalaktivierungspfad von Adenosindiphosphat (ADP), und veranschaulichte den Signalfluss von Rezeptor zu Effektor. Meine Arbeit an der Integrin-Inside-Out-Signalisierung beinhaltete zudem die Untersuchung neuer thrombozyten-spezifischer Phosphorylierungsstellen und ihre Regulation durch Kinasenvorhersagen mit Hilfe des integrierten Netzwerkanalyseansatzes. Durch die Untersuchung der Regulation bei der Phosphorylierungsstelle Ser269 im Docking-Protein (DOK1) stellte ich eine neue Hypothese zur Integrinsignalisierung auf. Diese Phosphorylierungsstelle könnte den inhibitorischen Effekt von DOK1 auf integrin a2bb3 beeinflussen. Ich erweiterte den integrierten Netzwerkanalyseansatz für andere Zelllinien, indem ich die gesammelten Informationen aus dem menschlichen Interaktom für die Analyse von funktionellen Modulen in zellulären Netzen nutzte. Die Untersuchung wurde mit einem zuvor entwickelten Algorithmus zur Modulerkennung durchgeführt, der maximal bewertete Teilgraphen in Transkriptomdatensätzen anhand zugewiesener Werte für Netzwerkknoten findet. Wir erweiterten den Algorithmus zur Anwendung auf qualitative Proteomdatensätze und optimierten die Modulsuche durch Integration funktioneller Informationen in die Netzwerkkanten. Dies fokussierte die Optimierung auf Proteinmodule mit hoher funktioneller Ähnlichkeit. Ich führte eine Reihe von Analysen durch, um die Effizienz des Algorithmus in kleinen (durch Viren infizierte Magenzellen) und mittelgroßen Netzwerken (menschliche Lymphozyten) zu überprüfen. In beiden Fällen extrahierte der Algorithmus charakteristische Module der untersuchten Proteine mit hohen funktionellen Ähnlichkeiten. Die funktionelle Modulsuche ist besonders bei positionsspezifischen Phosphoproteomikdatensätzen nützlich, in denen die Kinasenregulation der detektierten Phosphorylierungsstellen nur spärlich oder gar nicht vorhanden ist. Daher habe ich den Algorithmus der Moduldetektion auf quantitative Phosphoproteomikdatensätze angewandt. Anhand eines Datensatzes bestehend aus phosphorylierten Plättchenproteinen habe ich eine Vorgehensweise zur Netzwerkanalyse von Phosphorylierungsstellen entwickelt. In einer zweiten Studie wurde der Algorithmus der Moduldetektion auf ein phosphoproteomisches Netzwerk menschlich embryonaler Stammzellen angewandt, in dem Phosphorylierungsstellen mit maximaler Veränderung durch Netzwerkknoten repräsentiert wurden. Um die Regulation des Signalflusses zu untersuchen wurden weitere Kinasen aus dem menschlichen Phosphoproteom beziehungsweise PlateletWeb integriert. Ergebnisse wiesen auf wichtige Phosphorylierungsstellen und ihre Upstream-Kinasen hin und verdeutlichten Vorgänge, die während der Differenzierung in den embryonalen Stammzellen stattgefunden haben. Diese Arbeit bietet neue Vorgehensweisen der integrierten Netzwerkanalyse in Zellen und präsentiert zum ersten Mal eine systembiologische Untersuchung des menschlichen Proteoms mit Hilfe der Trombozytendatenbank PlateletWeb. Die erweiterten Methoden zur verbesserten Erkennung funktioneller Module bieten ein wertvolles Werkzeug für die Erforschung proteomischer Datensätze und vervollständigen die komplexe und umfangreiche Datenanalyse. Charakteristische Module, die große Ähnlichkeit auf funktioneller Ebene aufweisen, können durch die Kombination von exakten Modulerkennungsansätzen mit funktionellen Daten extrahiert werden. Dabei werden wichtige Änderungen besonders bei der Analyse komplexer Netzwerke hervorgehoben.

Stuttgart, Univ., Diss., 2008.

Stuttgart, Univ., Diss., 2006.

The study of biological interaction networks is a central theme in systems biology. Here, we investigate common as well as differentiating principles of molecular interaction networks associated with different levels of molecular organization. They include metabolic pathway maps, protein-protein interaction networks as well as kinase interaction networks. First, we present an integrated analysis of metabolic pathway maps and protein-protein interaction networks (PIN). It has long been established that successive enzymatic steps are often catalyzed by physically interacting proteins forming permanent or transient multi-enzyme complexes. Inspecting high-throughput PIN data, it has been shown recently that, indeed, enzymes involved in successive reactions are generally more likely to interact than other protein pairs. In this study, we expanded this line of research to include comparisons of the respective underlying network topologies as well as to investigate whether the spatial organization of enzyme interactions correlates with metabolic efficiency. Analyzing yeast data, we detected long-range correlations between shortest paths between proteins in both network types suggesting a mutual correspondence of both network architectures. We discovered that the organizing principles of physical interactions between metabolic enzymes differ from the general PIN of all proteins. While physical interactions between proteins are generally dissortative, enzyme interactions were observed to be assortative. Thus, enzymes frequently interact with other enzymes of similar rather than different degree. Enzymes carrying high flux loads are more likely to physically interact than enzymes with lower metabolic throughput. In particular, enzymes associated with catabolic pathways as well as enzymes involved in the biosynthesis of complex molecules were found to exhibit high degrees of physical clustering. Single proteins were identified that connect major components of the cellular metabolism and hence might be essential for the structural integrity of several biosynthetic systems. Besides metabolic aspects of PINs, we investigated the characteristic topological properties of protein interactions involved in signaling and regulatory functions mediated by kinase interactions. Characteristic topological differences between PINs associated with metabolism, and those describing phosphorylation networks were revealed and shown to reflect the different modes of biological operation of both network types. The construction of phosphorylation networks is based on the identification of specific kinase-target relations including the determination of the actual phosphorylation sites (P-sites). The computational prediction of P-sites as well as the identification of involved kinases still suffers from insufficient accuracies and specificities of the underlying prediction algorithms, and the experimental identification in a genome-scale manner is not (yet) doable. Computational prediction methods have focused primarily on extracting predictive features from the local, one-dimensional sequence information surrounding P-sites. However the recognition of such motifs by the respective kinases is a spatial event. Therefore, we characterized the spatial distributions of amino acid residue types around P-sites and extracted signature 3D-profiles. We then tested the added value of spatial information on the prediction performance. When compared to sequence-only based predictors, a consistent performance gain was obtained. The availability of reliable training data of experimentally determined P-sites is critical for the development of computational prediction methods. As part of this thesis, we provide an assessment of false-positive rates of phosphoproteomic data. / Ein zentrales Thema der Systembiologie ist die Untersuchung biologischer Interaktionsnetzwerke. In der vorliegenden Arbeit wurden gemeinsame sowie differenzierende Prinzipien molekularer Interaktionsnetzwerke untersucht, die sich durch unterschiedliche Ebenen der molekulareren Organisation auszeichnen. Zu den untersuchten Interaktionsnetzwerken gehörten Netzwerke, die auf metabolischen Wechselwirkungen, physikalischen Wechselwirkungen zwischen Proteinen und Kinase-Interaktionen aufbauen. Zunächst wird eine integrativen Analyse der metabolischen Pfade und Protein Interaktionsnetzwerke vorgestellt. Es wird seit schon seit langem angenommen, dass aufeinander folgende enzymatische Schritte oft durch permanente oder transiente Multienzymkomplexe, die auf physikalischen Wechselwirkungen der involvierten Proteine basieren, katalysiert werden. Diese Annahme konnte durch die Auswertung von Ergebnissen aus Hochdurchsatz-Experimenten bestätigt werden. Demnach treten aufeinander folgende Enzyme häufiger in physikalische Wechselwirkung als zufällige Enzympaare. Die vorliegende Arbeit geht in ihrer Analyse weiter, in dem die Topologien der zugrundeliegenden Netzwerke, die auf metabolischen und physikalischen Wechselwirkungen basieren verglichen werden und der Zusammenhang zwischen der räumlichen Organisation der Enzyme und der metabolischen Effizienz gesucht wird. Ausgehend von Interaktionsdaten aus Hefe hat die Analyse der auf metabolischen und physikalischen Wechselwirkungen aufbauenden Interaktionswege eine weitgehende Korrelation der Distanzen aufgezeigt und somit eine wechselseitige Übereinstimmung der Architekturen nahegelegt. Allerdings folgen physikalische Wechselwirkungen zwischen metabolischen Enzymen anderen organisatorischen Regeln als Proteininteraktionen im allgemeinem PIN, das alle Proteininteraktionen enthält. Während Proteininteraktionen im allgemeinen PIN sich dissortativ verhalten, sind physikalische Enzyminteraktionen assortativ, d.h. dass die Anzahl der Interaktionen benachbarter Proteine im allgemeinem Netzwerk negativ und im metabolischen Netzwerk positiv korreliert. Ferner scheinen Enzyme von höherem metabolischen Durchsatz häufiger in Wechselwirkungen involviert zu sein. Enzyme der zentralen katabolischen Prozesse sowie der Biosynthese komplexer Membranlipide zeigen dabei einen besonders hohen Verknüpfungsgrad und eine dichte Clusterbildung. Einzelne Proteine wurden identifiziert, die die Hauptkomponenten des zellulären Metabolismus verbinden und so die Integrität verschiedener biosynthetischer Systeme essenziell beeinflussen könnten. Neben dem metabolischen Aspekt der PIN wurde auch der Aspekt der Regulation sowie der Signaltransduktion, der Kinase-Interaktionen, näher analysiert. Dabei wurden charakteristische topologische Unterschiede der mit dem Metabolismus und der Phosphorylierung assoziierten PIN gefunden, die die unterschiedlichen Aufgaben beider Netzwerke widerspiegeln. Die Rekonstruktion von Phosphorylierungs-Netzwerken basiert im Wesentlichen auf der Vorhersage von Kinase-Zielprotein Relationen und kann deshalb immer noch an der nicht genügenden Vorhersagegüte der angewandten Vorhersage-Algorithmen während der Bestimmung von Phosphorylierungsstellen (P-Stellen) und der dazugehörigen Kinasen leiden. Auch die experimentelle, genomweite Bestimmung der P-Stellen ist (noch) nicht durchführbar. Bisherige computergestützte Vorhersagemethoden beruhten für gewöhnlich auf der Auswertung charakteristischer Merkmale der lokalen, die P-Stelle umgebenden Proteinsequenz. Dieser Ansatz wird durch die Verwendung räumlicher 3D-Information in der vorliegenden Arbeit erweitert. Hierbei wird die Verteilung der Aminosäuren um die P-Stelle berechnet und spezifische 3D-Signaturen zur Vorhersage extrahiert. Beim Vergleich mit sequenz-basierten Vorhersagemethoden konnte eine konsistente Verbesserung der Vorhersage durch die Einbeziehung räumlicher Information gezeigt werden. Weiterhin wird in der vorliegenden Arbeit auch der Frage nach der Fehlerrate der experimentellen Phosphoprotein-Daten nachgegangen und ihre Verlässlichkeit bewertet. Die Verfügbarkeit eines verlässlichen Datensatzes ist bei der Entwicklung einer Vorhersagemethode ein entscheidendes Kriterium.

Zugl.: Stuttgart, Univ., Diss.

Metabolic systems tend to exhibit steady states that can be measured in terms of their concentrations and fluxes. These measurements can be regarded as a phenotypic representation of all the complex interactions and regulatory mechanisms taking place in the underlying metabolic network. Such interactions determine the system's response to external perturbations and are responsible, for example, for its asymptotic stability or for oscillatory trajectories around the steady state. However, determining these perturbation responses in the absence of fully specified kinetic models remains an important challenge of computational systems biology. Structural kinetic modeling (SKM) is a framework to analyse whether a metabolic steady state remains stable under perturbation, without requiring detailed knowledge about individual rate equations. It provides a parameterised representation of the system's Jacobian matrix in which the model parameters encode information about the enzyme-metabolite interactions. Stability criteria can be derived by generating a large number of structural kinetic models (SK-models) with randomly sampled parameter sets and evaluating the resulting Jacobian matrices. The parameter space can be analysed statistically in order to detect network positions that contribute significantly to the perturbation response. Because the sampled parameters are equivalent to the elasticities used in metabolic control analysis (MCA), the results are easy to interpret biologically. In this project, the SKM framework was extended by several novel methodological improvements. These improvements were evaluated in a simulation study using a set of small example pathways with simple Michaelis Menten rate laws. Afterwards, a detailed analysis of the dynamic properties of the neuronal TCA cycle was performed in order to demonstrate how the new insights obtained in this work could be used for the study of complex metabolic systems. The first improvement was achieved by examining the biological feasibility of the elasticity combinations created during Monte Carlo sampling. Using a set of small example systems, the findings showed that the majority of sampled SK-models would yield negative kinetic parameters if they were translated back into kinetic models. To overcome this problem, a simple criterion was formulated that mitigates such infeasible models and the application of this criterion changed the conclusions of the SKM experiment. The second improvement of this work was the application of supervised machine-learning approaches in order to analyse SKM experiments. So far, SKM experiments have focused on the detection of individual enzymes to identify single reactions important for maintaining the stability or oscillatory trajectories. In this work, this approach was extended by demonstrating how SKM enables the detection of ensembles of enzymes or metabolites that act together in an orchestrated manner to coordinate the pathways response to perturbations. In doing so, stable and unstable states served as class labels, and classifiers were trained to detect elasticity regions associated with stability and instability. Classification was performed using decision trees and relevance vector machines (RVMs). The decision trees produced good classification accuracy in terms of model bias and generalizability. RVMs outperformed decision trees when applied to small models, but encountered severe problems when applied to larger systems because of their high runtime requirements. The decision tree rulesets were analysed statistically and individually in order to explore the role of individual enzymes or metabolites in controlling the system's trajectories around steady states. The third improvement of this work was the establishment of a relationship between the SKM framework and the related field of MCA. In particular, it was shown how the sampled elasticities could be converted to flux control coefficients, which were then investigated for their predictive information content in classifier training. After evaluation on the small example pathways, the methodology was used to study two steady states of the neuronal TCA cycle with respect to their intrinsic mechanisms responsible for stability or instability. The findings showed that several elasticities were jointly coordinated to control stability and that the main source for potential instabilities were mutations in the enzyme alpha-ketoglutarate dehydrogenase. / Metabolische Systeme neigen zur Ausbildung von Fließgleichgewichten, deren Konzentrationen und Reaktionsflüsse experimentell charakterisierbar sind. Derartige Messungen bieten eine phänotypische Repräsentation der zahlreichen Interaktionen und regulatorischen Mechanismen des zugrundeliegenden metabolischen Netzwerks. Diese Interaktionen bestimmen die Reaktion des Systems auf externe Perturbationen, wie z.B. dessen asymptotische Stabilität und Oszillationen. Die Charakterisierung solcher Eigenschaften ist jedoch schwierig, wenn kein entsprechendes kinetisches Modell mit allen Ratengleichungen und kinetischen Parametern für das untersuchte System zur Verfügung steht. Die strukturelle kinetische Modellierung (SKM) ermöglicht die Untersuchung dynamischer Eigenschaften wie Stabilität oder Oszillationen, ohne die Ratengleichungen und zugehörigen Parameter im Detail zu kennen. Statt dessen liefert sie eine parametrisierte Repräsentation der Jacobimatrix, in welcher die einzelnen Parameter Informationen über die Sättigung der Enzyme des Systems mit ihren Substraten kodieren. Die Parameter entsprechen dabei den Elastizitäten aus der metabolischen Kontrollanalyse, was ihre biologische Interpretation vereinfacht. Stabilitätskriterien werden durch Monte Carlo Verfahren hergeleitet, wobei zunächst eine große Anzahl struktureller kinetische Modelle (SK-Modelle) mit zufällig gezogenen Parametermengen generiert, und anschließend die resultierenden Jacobimatrizen evaluiert werden. Im Anschluss kann der Parameterraum statistisch analysiert werden, um Enzyme und Metabolite mit signifikantem Einfluss auf die Stabilität zu detektieren. In der vorliegenden Arbeit wurde das bisherige SKM-Verfahren durch neue methodische Verbesserungen erweitert. Diese Verbesserungen wurden anhand einer Simulationsstudie evaluiert, welche auf kleinen Beispielsystemen mit einfachen Michaelis Menten Kinetiken basierte. Im Anschluss wurden sie für eine detaillierte Analyse der dynamischen Eigenschaften des Zitratzyklus verwendet. Die erste Erweiterung der bestehenden Methodik wurde durch Untersuchung der biologischen Machbarkeit der zufällig erzeugten Elastizitäten erreicht. Es konnte gezeigt werden, dass die Mehrheit der zufällig erzeugten SK-Modelle zu negativen Michaeliskonstanten führt. Um dieses Problem anzugehen, wurde ein einfaches Kriterium formuliert, welches das Auftreten solcher biologisch unrealistischer SK-Modelle verhindert. Es konnte gezeigt werden, dass die Anwendung des Kriteriums die Ergebnisse von SKM Experimenten stark beeinflussen kann. Der zweite Beitrag bezog sich auf die Analyse von SKM-Experimenten mit Hilfe überwachter maschineller Lernverfahren. Bisherige SKM-Studien konzentrierten sich meist auf die Detektion individueller Elastizitäten, um einzelne Reaktionen mit Einfluss auf das Stabilitäts- oder oszillatorische Verhalten zu identifizieren. In dieser Arbeit wurde demonstriert, wie SKM Experimente im Hinblick auf multivariate Muster analysiert werden können, um Elastizitäten zu entdecken, die gemeinsam auf orchestrierte und koordinierte Weise die Eigenschaften des Systems bestimmen. Sowohl Entscheidungsbäume als auch Relevanzvektormaschinen (RVMs) wurden als Klassifikatoren eingesetzt. Während Entscheidungsbäume im allgemeinen gute Klassifikationsergebnisse lieferten, scheiterten RVMs an ihren großen Laufzeitbedürfnissen bei Anwendung auf ein komplexes System wie den Zitratzyklus. Hergeleitete Entscheidungsbaumregeln wurden sowohl statistisch als auch individuell analysiert, um die Koordination von Enzymen und Metaboliten in der Kontrolle von Trajektorien des Systems zu untersuchen. Der dritte Beitrag, welcher in dieser Arbeit vorgestellt wurde, war die Etablierung der Beziehung zwischen SKM und der metabolischer Kontrollanalyse. Insbesondere wurde gezeigt, wie die zufällig generierten Elastizitäten in Flusskontrollkoeffizienten umgewandelt werden. Diese wurden im Anschluss bezüglich ihres Informationsgehaltes zum Klassifikationstraining untersucht. Nach der Evaluierung anhand einiger kleiner Beispielsysteme wurde die neue Methodik auf die Studie zweier Fließgleichgewichte des neuronalen Zitratzyklus angewandt, um intrinsische Mechanismen für Stabilität oder Instabilität zu finden. Die Ergebnisse identifizierten Mutationen im Enzym alpha-ketoglutarate dehydrogenase als wahrscheinlichste Quelle füur Instabilitäten.

Das zentrale Paradigma der Systembiologie zielt auf ein möglichst umfassendes Ver-ständnis der komplexen Zusammenhänge biologischer Systeme. Die in dieser Arbeit angewandten Methoden folgen diesem Grundsatz. Am Beispiel von drei auf Basis von Datenbanken und aktueller Literatur rekonstruier-ten Netzwerkmodellen konnte in der hier vorliegenden Arbeit die Gültigkeit analyti-scher und prädiktiver Algorithmen nachgewiesen werden, die in Form der Analy-sesoftware Jimena angewandt wurden. Die daraus resultierenden Ergebnisse sowohl für die Berechnung von stabilen Systemzuständen, der dynamischen Simulation, als auch der Identifikation zentraler Kontrollknoten konnten experimentell validiert wer-den. Die Ergebnisse wurden in einem iterativen Prozess verwendet werden um das entsprechende Netzwerkmodell zu optimieren. Beim Vergleich des Verhaltens des semiquantitativ ausgewerteten regulatorischen Netzwerks zur Kontrolle der Differenzierung humaner mesenchymaler Stammzellen in Chondrozyten (Knorpelbildung), Osteoblasten (Knochenbildung) und Adipozyten (Fett-zellbildung) konnten 12 wichtige Faktoren (darunter: RUNX2, OSX/SP7, SOX9, TP53) mit Hilfe der Berechnung der Bedeutung (Kontrollzentralität der Netzwerkknoten identifi-ziert werden). Der Abgleich des simulierten Verhaltens dieses Netzwerkes ergab eine Übereinstimmung mit experimentellen Daten von 47,2%, bei einem widersprüchlichen Verhalten von ca. 25%, dass unter anderem durch die temporäre Natur experimentel-ler Messungen im Vergleich zu den terminalen Bedingungen des Berechnung der stabilen Systemzustände erklärt werden kann. Bei der Analyse des Netzwerkmodells der menschlichen Immunantwort auf eine Infek-tion durch A. fumigatus konnten vier Hauptregulatoren identifiziert werden (A. fumi-gatus, Blutplättchen, hier Platelets genannt, und TNF), die im Zusammenspiel mit wei-teren Faktoren mit hohen Zentralitätswerten (CCL5, IL1, IL6, Dectin-1, TLR2 und TLR4) fähig sind das gesamte Netzwerkverhalten zu beeinflussen. Es konnte gezeigt werden, dass sich das Aktivitätsverhalten von IL6 in Reaktion auf A. fumigatus und die regulato-rische Wirkung von Blutplättchen mit den entsprechenden experimentellen Resultaten deckt. Die Simulation, sowie die Berechnung der stabilen Systemzustände der Immunantwort von A. thaliana auf eine Infektion durch Pseudomonas syringae konnte zeigen, dass die in silico Ergebnisse mit den experimentellen Ergebnissen übereinstimmen. Zusätzlich konnten mit Hilfe der Analyse der Zentralitätswerte des Netzwerkmodells fünf Master-regulatoren identifiziert werden: TGA Transkriptionsfaktor, Jasmonsäure, Ent-Kaurenoate-Oxidase, Ent-kaurene-Synthase und Aspartat-Semialdehyd-Dehydrogenase. Während die ersteren beiden bereits lange als wichtige Regulatoren für die Gib-berellin-Synthese bekannt sind, ist die immunregulatorische Funktion von Aspartat-Semialdehyd-Dehydrogenase bisher weitgehend unbekannt. / The central paradigm of systems biology aims at a comprehensive understanding in complex relationships of biological systems. The methods used in this work support this aim. By the example of three network models reconstructed on the basis of databases and current literature, the validity of analytical and predictive algorithms could be demon-strated in this work. As simulation software the framework Jimena was applied. The results for the calculation of stable system states, the dynamic simulation as well as the identification of central control nodes could be validated experimentally. The re-sults were used in an iterative process to further optimize the corresponding network model. Comparing the behavior of the semi-quantitatively evaluated regulatory network to control the differentiation of human mesenchymal stem cells into chondrocytes (carti-lage formation), osteoblasts (bone formation) and adipocytes (fatty cell formation), 12 important factors (including: RUNX2, OSX/SP7, SOX9, TP53) could be identified by the calculation of the control centralities of the network nodes. The comparison of the simulated behavior of these nodes showed an agreement with experimental data of 47.2%. We found a contradictory behavior of approximately 25%. Differing results can be explained due to the temporary nature of experimental measurements compared to the terminal conditions of the calculation the stable system states. Analyzing the network model of the human immune response to A. fumigatus infec-tion, four major regulators could be identified (A. fumigatus, platelets, and TNF), which interact with other factors with high control centrality values (CCL5, IL1, IL6, Dectin1). TLR2 and TLR4) are capable of affecting the overall network behavior. It could be shown that the activity behavior of IL6 in response to the modular activity of the plate-lets as well as A. fumigatus coincides with the corresponding experimental results. The simulation, as well as the calculation of the stable system states of the immune response of A. thaliana to an infection by Pseudomonas syringae, showed that in silico results are in agreement with the experimental results. By analyzing the control cen-trality values of the network model, five main regulators could be: TGA transcription factor, jasmonic acid, ent-kaurene-Oxidase, ent-kaurene synthase and aspartate semi-aldehyde. While the former two have long been recognized as important regulators of gibberel-lin synthesis, the immunoregulatory function of aspartate semialdehyde dehydrogen-ase has been largely unknown.

Embryonic development depends on the precise coordination of cell fate specification, patterning and morphogenesis. Although great strides have been made in the molecular understanding of each of these processes, how their interplay governs the formation of complex tissues remains poorly understood. New techniques for experimental manipulation and image quantification enable the study of development in unprecedented detail, resulting in new hypotheses on the interactions between known components. By expressing these hypotheses in terms of rules and equations, computational modeling and simulation allows one to test their consistency against experimental data. However, new computational methods are required to represent and integrate the network of interactions between gene regulation, signaling and biomechanics that extend over the molecular, cellular and tissue scales. In this thesis, I present a framework that facilitates computational modeling of multiscale multicellular systems and apply it to investigate pancreatic development and the formation of vascular networks. This framework is based on the integration of discrete cell-based models with continuous models for intracellular regulation and intercellular signaling. Specifically, gene regulatory networks are represented by differential equations to analyze cell fate regulation; interactions and distributions of signaling molecules are modeled by reaction-diffusion systems to study pattern formation; and cell-cell interactions are represented in cell-based models to investigate morphogenetic processes. A cell-centered approach is adopted that facilitates the integration of processes across the scales and simultaneously constrains model complexity. The computational methods that are required for this modeling framework have been implemented in the software platform Morpheus. This modeling and simulation environment enables the development, execution and analysis of multi-scale models of multicellular systems. These models are represented in a new domain-specific markup language that separates the biological model from the computational methods and facilitates model storage and exchange. Together with a user-friendly graphical interface, Morpheus enables computational modeling of complex developmental processes without programming and thereby widens its accessibility for biologists. To demonstrate the applicability of the framework to problems in developmental biology, two case studies are presented that address different aspects of the interplay between cell fate specification, patterning and morphogenesis. In the first, I focus on the interplay between cell fate stability and intercellular signaling. Specifically, two studies are presented that investigate how mechanisms of cell-cell communication affect cell fate regulation and spatial patterning in the pancreatic epithelium. Using bifurcation analysis and simulations of spatially coupled differential equations, it is shown that intercellular communication results in a multistability of gene expression states that can explain the scattered spatial distribution and low cell type ratio of nascent islet cells. Moreover, model analysis shows that disruption of intercellular communication induces a transition between gene expression states that can explain observations of in vitro transdifferentiation from adult acinar cells into new islet cells. These results emphasize the role of the multicellular context in cell fate regulation during development and may be used to optimize protocols for cellular reprogramming. The second case study focuses on the feedback between patterning and morphogenesis in the context of the formation of vascular networks. Integrating a cell-based model of endothelial chemotaxis with a reaction-diffusion model representing signaling molecules and extracellular matrix, it is shown that vascular network patterns with realistic morphometry can arise when signaling factors are retained by cell-modified matrix molecules. Through the validation of this model using in vitro assays, quantitative estimates are obtained for kinetic parameters that, when used in quantitative model simulations, confirm the formation of vascular networks under measured biophysical conditions. These results demonstrate the key role of the extracellular matrix in providing spatial guidance cues, a fact that may be exploited to enhance vascularization of engineered tissues. Together, the modeling framework, software platform and case studies presented in this thesis demonstrate how cell-centered computational modeling of multi-scale and multicellular systems provide powerful tools to help disentangle the complex interplay between cell fate specification, patterning and morphogenesis during embryonic development.

Heterosis is defined as the superiority in performance of heterozygous genotypes compared to their corresponding genetically different homozygous parents. This phenomenon is already known since the beginning of the last century and it has been widely used in plant breeding, but the underlying genetic and molecular mechanisms are not well understood. In this work, a systems biological approach based on molecular network structures is proposed to contribute to the understanding of heterosis. Hybrids are likely to contain additional regulatory possibilities compared to their homozygous parents and, therefore, they may be able to correctly respond to a higher number of environmental challenges, which leads to a higher adaptability and, thus, the heterosis phenomenon. In the network hypothesis for heterosis, presented in this work, more regulatory interactions are expected in the molecular networks of the hybrids compared to the homozygous parents. Partial correlations were used to assess this difference in the global interaction structure of regulatory networks between the hybrids and the homozygous genotypes. This network hypothesis for heterosis was tested on metabolite profiles as well as gene expression data of the two parental Arabidopsis thaliana accessions C24 and Col-0 and their reciprocal crosses. These plants are known to show a heterosis effect in their biomass phenotype. The hypothesis was confirmed for mid-parent and best-parent heterosis for either hybrid of our experimental metabolite as well as gene expression data. It was shown that this result is influenced by the used cutoffs during the analyses. Too strict filtering resulted in sets of metabolites and genes for which the network hypothesis for heterosis does not hold true for either hybrid regarding mid-parent as well as best-parent heterosis. In an over-representation analysis, the genes that show the largest heterosis effects according to our network hypothesis were compared to genes of heterotic quantitative trait loci (QTL) regions. Separately for either hybrid regarding mid-parent as well as best-parent heterosis, a significantly larger overlap between the resulting gene lists of the two different approaches towards biomass heterosis was detected than expected by chance. This suggests that each heterotic QTL region contains many genes influencing biomass heterosis in the early development of Arabidopsis thaliana. Furthermore, this integrative analysis led to a confinement and an increased confidence in the group of candidate genes for biomass heterosis in Arabidopsis thaliana identified by both approaches. / Als Heterosis-Effekt wird die Überlegenheit in einem oder mehreren Leistungsmerkmalen (z.B. Blattgröße von Pflanzen) von heterozygoten (mischerbigen) Nachkommen über deren unterschiedlich homozygoten (reinerbigen) Eltern bezeichnet. Dieses Phänomen ist schon seit Beginn des letzten Jahrhunderts bekannt und wird weit verbreitet in der Pflanzenzucht genutzt. Trotzdem sind die genetischen und molekularen Grundlagen von Heterosis noch weitestgehend unbekannt. Es wird angenommen, dass heterozygote Individuen mehr regulatorische Möglichkeiten aufweisen als ihre homozygoten Eltern und sie somit auf eine größere Anzahl an wechselnden Umweltbedingungen richtig reagieren können. Diese erhöhte Anpassungsfähigkeit führt zum Heterosis-Effekt. In dieser Arbeit wird ein systembiologischer Ansatz, basierend auf molekularen Netzwerkstrukturen verfolgt, um zu einem besseren Verständnis von Heterosis beizutragen. Dazu wird eine Netzwerkhypothese für Heterosis vorgestellt, die vorhersagt, dass die heterozygoten Individuen, die Heterosis zeigen, mehr regulatorische Interaktionen in ihren molekularen Netzwerken aufweisen als die homozygoten Eltern. Partielle Korrelationen wurden verwendet, um diesen Unterschied in den globalen Interaktionsstrukturen zwischen den Heterozygoten und ihren homozygoten Eltern zu untersuchen. Die Netzwerkhypothese wurde anhand von Metabolit- und Genexpressionsdaten der beiden homozygoten Arabidopsis thaliana Pflanzenlinien C24 und Col-0 und deren wechselseitigen Kreuzungen getestet. Arabidopsis thaliana Pflanzen sind bekannt dafür, dass sie einen Heterosis-Effekt im Bezug auf ihre Biomasse zeigen. Die heterozygoten Pflanzen weisen bei gleichem Alter eine höhere Biomasse auf als die homozygoten Pflanzen. Die Netzwerkhypothese für Heterosis konnte sowohl im Bezug auf mid-parent Heterosis (Unterschied in der Leistung des Heterozygoten im Vergleich zum Mittelwert der Eltern) als auch auf best-parent Heterosis (Unterschied in der Leistung des Heterozygoten im Vergleich zum Besseren der Eltern) für beide Kreuzungen für die Metabolit- und Genexpressionsdaten bestätigt werden. In einer Überrepräsentations-Analyse wurden die Gene, für die die größte Veränderung in der Anzahl der regulatorischen Interaktionen, an denen sie vermutlich beteiligt sind, festgestellt wurde, mit den Genen aus einer quantitativ genetischen (QTL) Analyse von Biomasse-Heterosis in Arabidopsis thaliana verglichen. Die ermittelten Gene aus beiden Studien zeigen eine größere Überschneidung als durch Zufall erwartet. Das deutet darauf hin, dass jede identifizierte QTL-Region viele Gene, die den Biomasse-Heterosis-Effekt in Arabidopsis thaliana beeinflussen, enthält. Die Gene, die in den Ergebnislisten beider Analyseverfahren überlappen, können mit größerer Zuversicht als Kandidatengene für Biomasse-Heterosis in Arabidopsis thaliana betrachtet werden als die Ergebnisse von nur einer Studie.