Krebs und Infektionskrankheiten, wie z.B. Influenza, stellen zwei der großen Bedrohungen für die Menschheit dar. Gerade durch den demographischen Wandel sind immer mehr Menschen gefährdet. Mathematische Modelle von Krankheiten decken verschiedene Detailebenen ab -- von epidemologischen Modellen der Virusinfektion bis zu intrazellulären Modellen der Signaltransduktion in einzelnen Krebszellen. Diese Modelle, sofern sie anhand von biologische Daten kalibriert wurden, können sich als sehr nützlich erweisen um Hypothesen zu bisher unbekannten Wechselwirkungen zu generieren, Wirkstoffkandidaten vorherzusagen, und die Funktionsweise von existierenden Wirkstoffen besser zu verstehen. Im Rahmen dieser Arbeit möchte ich mehrere Projekte vorstellen, in denen prädiktive mathematische Modelle dazu benutzt wurden, tiefere Einblicke in die biologischen Prozesse zu gewinnen und die Therapieansätze bei Krebserkrankungen und den damit verbundenen Gesundheitsproblemen zu verbessern. Im ersten Teil geht es um die Bedeutung von gemeinschaftlich entwickelter Software für die Systembiologie. Eine offene und erweiterbare Modellierungssoftware ermöglicht es ständig verbessert zu werden und an die Bedürfnisse der Nutzer angepasst zu werden. Im zweiten Projekt wurden die intrazellulären Prozesse während der frühen Influenza A Infektion untersucht. Durch eine Kombination von biologischen Messungen und mathematischer Modellierung konnte der Abbau von viraler RNA wähernd des Transportes durch das Wirtszellzytoplasma als limitierender Faktor für die erfolgreiche Infektion identifiziert werden. Mit Hilfe eines experimentell modifizierten viralen Hämagglutintin-Proteins mit veränderter pH-Abhängigkeit konnte gezeigt werden, dass sich der Abstand zum Zellkern, in dem das virale Genom freigesetzt wird, vergrößert. Die Modellvorhersage, dass die Infektion dadurch weniger effektiv wird, konnte experimentell bestätigt werden. Im dritten Projekt beschäftigte ich mich mit gesundheitlichen Problemen, die im Zusammenhang mit einer Krebserkrankung und deren Behandlung auftreten können. Chemotherapie oder die Krebserkrankung selbst führt bei vielen Patienten zu einer Blutarmut (Anämie). Diese wird aktuell entweder durch regelmäßige Bluttransfusionen oder durch Verabreichung von sogenannten Erythropoiesis-Stimulating Agents (kurz: ESA, zu Deutsch: Erythropoese-stimulierende Substanzen) behandelt. Mithilfe eines publizierten mathematischen Modells zur ESA-EpoR Interaktion konnten die Bindungseigenschaften verschiedener ESAs charakterisiert und zudem die Anzahl der Bindungsstellen auf unterschiedlichen Zelllinien bestimmt werden. Durch eine Erweiterung des Modells mit einem pharmakokinetischen und -dynamischen Teil konnte die Dosierung für Anämiepatienten retrospektiv verbessert werden. Das letzte Projekt stellt eine computerbasierte Methode zur Analyse und Entschlüsselung der zellulären Zusammensetzung von Tumorproben dar. In den vergangenen Jahren wurde vermehrt eine neue Klasse von Krebsmedikamenten entwickelt, die sich das körpereigene Immunsystem zunutze macht, um den Krebs zu bekämpfen. Das Funktionieren dieser Medikamente hängt jedoch davon ab, ob bestimmte Immunzellen in der Umgebung des Tumors vorhanden sind. Auf Grundlage von Einzelzell RNA-Sequenzierungsdaten konnte eine existierende Methode so erweitert werden, dass nunmehr auch Proben von soliden Tumoren entschlüsselt werden können. Zudem wurden die Einflüsse von verschiedenen Faktoren, wie etwa der Gewebeherkunft oder dem verwendeten Algorithmus, systematisch ausgewertet. Zusammengefasst habe ich in dieser Arbeit dargestellt, wie prädiktive Computermodelle dazu verwendet werden können bestehende Behandlungsansätze zu verbessern und neue Wirkstoffkandidaten zu identifizieren. / Cancer and infectious diseases, such as influenza infection, represent major threats to the human population, especially since demographic change makes more and more people vulnerable. Mathematical modeling of disease covers several layers of detail ranging from epidemiological models for infection spread to cancer-associated signaling within individual cells. These models, when being calibrated to biological data, can provide useful means for generating hypothesis of priorly unknown interactions, predicting drug targets for novel therapeutic substances and for improving the understanding and efficient functioning of existing treatment strategies. In this thesis, I present several projects in which predictive computational models are utilized to gain deeper insights into the biological processes and to improve therapy of cancer and associated health problems. The first part highlights the importance of community-driven software development for systems biology applications. Efficient, yet expandable and open software continuously improves, driven by an active community of users and developers. In the second project, the intracellular processes during the early influenza A infection are investigated. Using a combination of experimental measurements and mathematical modeling, degradation of the viral genome during its diffusion through the cytoplasm could be identified as a limiting factor for a successful infection. By experimentally increasing the pH sensitivity of the viral hemagglutinin protein, the distance of diffusion was increased and the computationally predicted decrease in infectivity could be validated in experiment. The third project deals with cancer-associated health issues and their treatment. Patients suffering from anemia, caused by the cancer itself or as a side-effect of chemotherapy, are treated either with blood transfusions or with an erythropoiesis stimulating agent (ESA). By adapting a published model of ESA-EpoR interaction, not only the biochemical properties of different ESAs could be characterized in silico but also the number of binding sites (i.e. Epo receptors on the cell surface) in different cell lines was accurately determined. The model was extended by a pharmaco-kinetic and -dynamic part. The combined ESA-EpoR-PK/PD model could be utilized to retrospectively optimize the dosing regimen of patients suffering from anemia. In the last project, a computational method for analyzing and deciphering the cellular composition of bulk tumor samples is presented. Only recently, a new class of anti-cancer drugs was introduced recruiting the body’s own immune system to combat malignant tissue. However, the efficient functioning of these immunotherapeutical drugs heavily depends on the presence of specific immune cells in the tumor micro-environment. Based on single-cell RNA sequencing data, an existing method for computational deconvolution could be adapted for data from solid tumor tissue and its performance was benchmarked. Taken together, in this thesis I present approaches how predictive computational models can be utilized to render more efficient existing treatment strategies.

Aufgrund des wachsenden Interesses an der Systembiologie werden zunehmend mathematische Modelle in Kombination mit Experimenten für die Analyse von Stoffwechselnetzwerken, Genregulationsnetzwerken und zellulären Signalweiterleitungswegen verwendet. Diese Dissertationsschrift benutzt die mathematische Modellierung und kinetische Untersuchungsmethoden zum Studium von zelluären Signalwegen, insbesondere des Netzwerkes zur Festlegung der Rezeptorlokalisation und des Tumorwachstumsfaktor-beta-Signalweges. Ergänzend wurde ein Computerwerkzeug (SBML-PET) entwickelt, das die Modellentwicklung unterstützt und der Parameterschätzung dient. Mit diesem Werkzeug kann man Modelle bearbeiten, die in der Systems Biology Markup Language (SBML) formuliert sind. In dieser Arbeit wird ein quantitatives mathematisches Modell benutzt, um die Signalantwort in unterschiedlichen Rezeptorlokalisationsnetzwerken in Abhängigkeit von der Ligandenanzahl und der Zelldichte zu untersuchen. Die rechnergestützte Analyse des Modells hat ergeben, dass der Zustand eines Rezeptorlokalisationsnetzwerkes potenziell eine sigmoide Abhängigkeit von dem Verhältnis zwischen Ligandenanzahl und Oberflächenrezeptoranzahl pro Zelle zeigen. Dieses Verhältnis ist die entscheidende Kontrollgröße der Signalantwort in Rezeptorlokalisationsnetzwerken. Mit Hilfe des SBML-PET Software-Paketes haben wir eine Modellierungsmethode mit Randbedingungen vorgeschlagen, um ein umfangreiches mathematisches Modell für den Smad-abh?ngigen TGF-beta Signalweg zu erstellen und dessen Parameter aus experimentellen Daten unter Berücksichtigung qualitativer Nebenbedingungen zu fitten. Die Ergebnisse der kinetischen Untersuchung dieses Modells legen nahe, dass die Signalantwort auf einen TGF-beta-Reiz durch die Balance zwischen clathrin-abhängier Endozytose und clathrin-unabhängiger Endozytose reguliert wird. / With growing interests in systems biology, mathematical models, paired with experiments, have been widely used for the studies on metabolic networks, gene regulatory networks and cellular signaling pathways. This dissertation employs the mathematical modeling and kinetic analysis method to study cellular signaling pathways, in particular, the receptor trafficking network and TGF-beta signaling pathway. On the other hand, a systems biology markup language (SBML) based parameter estimation tool (SBML-PET), was developed for facilitating the modeling process. A quantitative mathematical model is employed to investigate signal responses in different receptor trafficking networks by simultaneous perturbations of the ligand concentration and cell density. The computational analysis of the model revealed that receptor trafficking networks have potentially sigmoid responses to the ratio between ligand number and surface receptor number per cell, which is a key factor to control the signaling responses in receptor trafficking networks. Using the SBML-PET software package, we proposed a constraint-based modeling method to build a comprehensive mathematical model for the Smad dependent TGF-beta signaling pathway by fitting the experimental data and incorporating the qualitative constraints from the experimental analysis. Kinetic analysis results indicate that the signal response to TGF-beta is regulated by the balance between clathrin dependent endocytosis and non-clathrin mediated endocytosis.

Der parasitische Nematode Acanthocheilonema viteae kann die Immunantwort seines Wirtes abschwächen, indem er in diesem die Produktion immun-regulatorischer Cytokine Interleukin-10 (IL10) induziert. In dieser Arbeit entwickelte ich spezifische mathematische Modelle um die Mechanismen der IL10 Regulation zu erforschen. Die Annahmen des Modells waren: 1) Av17, ein immun-modulatorisches Protein von A. viteae, zur Phosphorylierung der MAP-Kinasen ERK und p38 führt; 2) Av17 induzierte IL10 ist ERK und p38 abhängig. Beide Annahmen waren in Übereinstimmung mit experimentellen Ergebnissen zur Aktivierung von ERK and p38. Weiter habe ich mehrere Signalregulationsmodelle getestet und eine Methode entwickelt, die theoretische und experimentelle Ansätze kombiniert. Von hier aus konnte ich ein Modell auswählen, dass unabhängige experimentelle Daten korrekt vorhersagt. Modelle selection identifizierten die Duale-Spezifizität Kinasen (DUSP) als integrale Rückkopplungsregulatoren dieses Systems. Eine Sensitivitätsanalyse zeigte, dass p38 durch DUSP, ERK beeinflusst, das Gegenteil aber nicht. Dieser Befund legt eine autokrine Rückkopplung der Signalkomponenten nahe, die auch experimentell bestätigt werden konnte. Allgemein müssen die immunoregulatorischen Mechanismen im Wirt robust gegen Störungen, z.B. durch Parasiten wie A. viteae, sein. Dies veranlasste mich mit Hilfe eines Monte-Carlo Ansatzes die Robustheit der ausgewählten Modelle gegenüber Variationen zu testen. Ich verglich das zuvor ausgewählte Modell und ein Modell mit transienter Rückkopplung. Das Resultat ließ darauf schließen, dass in diesem Fall die integrale Rückkopplung robuster gegenüber Variationen ist als eine transiente Rückkopplung. Insgesamt verbindet der systembiologische Ansatz meiner Arbeit erfolgreich theoretisches Wissen mit experimenteller Expertise um einen Mechanismus vorzuschlagen, der beschreibt, wie der Parasit A. viteae mit Makrophagen seines Wirtes interagiert, um IL10 Exprimierung zu induzieren. / The parasitic nematode Acanthocheilonema viteae can downregulate the immune response of its host by inducing immunoregulatory cytokines such as interleukin-10 (IL10). In this thesis, I developed specific mathematical models to investigate IL10 regulation mechanisms. These models assumed that Av17, an immunomodulatory protein secreted by A.viteae, leads to the Mitogen Activated Protein Kinases (MAPK) ERK and p38 phosphorylation and that IL10 transient expression was dependent on the activation of both MAP kinases. These assumptions were validated with experimental data on ERK and p38 activation. Further, I tested alternative ways of signalling regulation and developed a method of model selection that combines the theoretical predictions with experimental evidences. Model selection identified dual specificity phosphatase (DUSP) as integral feedback regulators in this system. Dedicated experiments showed that DUSP1 was responsible for regulation of ERK and p38 phosphorylation and controlled IL10 expression in this system. Furthermore, a sensitivity analysis suggested that p38 affects ERK via DUSP, but ERK does not affect p38, revealing a negative feedback between the components. This model prediction was validated experimentally. Generally, host immune regulation mechanisms should be robust against variations, e.g., by parasites like A. viteae. This prompted me to test the robustness of the selected model against noise, by comparing it with a transient feedback model. The results suggest that the integral feedback model is more robust against noise than the transient feedback model, in the case under study. In summary, based on a systems biology approach that successfully combines theoretical and experimental expertise, this thesis proposes a mechanism that describes how the parasite A. viteae interacts with its host macrophages to induce IL10 expression.

Systembiologie strebt danach, biologische Netzwerke dynamisch zu modellieren. Zwei Erfordernisse sind zuhierfür erfüllen. Erstens müssen die Interaktionsnetzwerke bekannt sein. Zweitens muss die Dynamik einerjeden Interaktion aufgedeckt werden. Die Dynamik von Interaktionen werden durch Ratengleichungen beschrieben unter Verwendung von Kinetiken. Diese Kinetiken beschreiben den Interaktionsmechanismus. Für jede einzelne Interaktion des Netzwerkes sind die Parameter durch das Experiment zu bestimmt. Für enzymkatalysierte Reaktionen zum Beispiel werden Messungen durchgeführt, in welchen der Verbrauch des Substrates aufgezeichnet wird. Für viele Enzyme jedoch sind weder der Mechanismus geschweige denn die Parameter bekannt. Und vorhandene Daten sind gewöhnlich von mangelhafter Qualität. Nach einer Einführung in die kinetische Modellierung metabolischer Netzwerke betrachten wir ein veröffentlichtes künstliches genetisches Netzwerk, das entweder einem stationären Zustand zustrebt oder in Abhängigkeit eines kritschen Parameters in einen dauerhaften Schwingungszustand übergeht. Dieser kritsche Parameter ist der Hillkoeffizient in der Wechselwirkung zwischen einem Gen und dem anderen. Für verschiedene Parameterwahlen untersuchen wir, bei welchemWert des Hillkoeffizienten eine Bifurkation auftritt. Auf diese Weise ermitteln wir die Verteilung des kritschen Parameters, der nicht analytisch berechnet werden kann. Wir fahren dann fort und untersuchen nützliche Datenquellen für die Parametrisierung von kinetischen Modellen metabolischer Netzwerke und sammelnsie in einer elektronischen Ressource, um sie auf elektronischem Wege zugänglich und nutzbar zu machen. Dies erfordert, Standardreferenzen zu wählen für die Benennung der Komponenten biologischer Netzwerke. Schließlich beschreiben wir einen Arbeitsablauf, während desselben die Datenbank verwendet wird zur Parametrisierung von kinetischen Modellen metabolischer Netzwerke. / Systems biology seeks to model biological networks dynamically. Two requirements need to be fulfilled for this to be possible. First, the interaction networks need to be known. Second, the dynamics of the interactions have to be revealed. Dynamics of interactions are described by rate laws using kinetics. These kinetics describe the interaction mechanism. For each single interaction occurring in a biological networkparameters have to specified. They have to be measured by experiments. For enzyme catalysed reactions, for example, the parameters are measured by enzyme assays tracking the consumption of substrate. For many enzymes parameters and kinetic mechanism are not known. And existing data for parameters generally are ofpoor quality. After introducing kinetic modelling of metabolic networks we consider a published artificial genetic network that can either tend to a steady state or exhibit sustained oscillations depending on a critical parameter. This critical parameter is the Hill coefficient in the interaction from one gene with the other. For different parameter settings we examine at what value of the Hill coefficient a bifurcation occurs. At this point the network begins to oscillate. We thus assess the distribution of the critical values, a property that cannot be calculated analytically. We then go on to consider useful data sources for parmetrisation of kinetic models of metabolic networks and collect them in an electronical resource to make them electronically accessible and usable. This requires choosing standard references for the designation of components of biological networks. Finally we describe a workflow in which this data resource is used for automatic parametrisation of kinetic models of metabolic networks.

Ca(2+)-Ionen sind ein universeller sekundärer Botenstoff in eukaryotischen Zellen und übertragen Information durch wiederholte, kurzzeitige Erhöhungen der cytosolischen Ca(2+)-Konzentration (Ca(2+) Spikes). Ein bekannter Mechanismus, der solche Ca(2+)-Signale erzeugt, beinhaltet die Freisetzung von Ca(2+)-Ionen aus dem endoplasmatischen Retikulum durch IP3-sensitive Kanäle. Puffs sind elementare Ereignisse der Ca(2+)-Freisetzung durch einzelne Cluster von Ca(2+)-Kanälen. Intrazelluläre Ca(2+)-Dynamik ist ein stochastisches System, allerdings konnte bisher keine vollständige stochastische Theorie entwickelt werden. Die vorliegende Dissertation formuliert die Theorie mit Hilfe von Interpuffintervallen und Pufflängen, da diese Größen im Gegensatz zu den Eigenschaften der Einzelkanäle direkt messbar sind. Die Theorie reproduziert das typische Spektrum bekannter Ca(2+)-Signale. Die Signalform und das durchschnittliche Interspikeinterval (ISI) hängen sensitiv von den genauen Eigenschaften und der räumlichen Anordnung der Cluster ab. Im Gegensatz dazu hängt die Beziehung zwischen Mittelwert und Standardabweichung der ISI weder von den Clustereigenschaften noch von der räumlichen Anordnung ab, sondern wird lediglich von globalen Feedbackprozessen im Ca(2+)-Signalweg reguliert. Diese Beziehung ist essentiell für die Funktion des Signalwegs, da sie trotz der Zufälligkeit der ISI eine Frequenzkodierung ermöglicht und den maximalen Informationsgehalt der Spikesequenzen bestimmt. Neben der theoretischen Analyse enthält die vorliegende Arbeit auch experimentelle Puff- und Spikemessungen an lebenden HEK-Zellen, die wichtige Ergebnisse verifizieren. Insgesamt wird durch die integrierte theoretische und experimentelle Untersuchung auf verschiedenen Stufen molekularer Organisation gezeigt, dass stochastische Ca(2+)-Signale verlässliche Informationsträger sind, und dass der Mechanismus durch globalen Feedback an die spezifischen Anforderungen eines Signalpfads angepasst werden kann. / Ca(2+) is a universal second messenger in eukaryotic cells transmitting information through sequences of concentration spikes. A prominent mechanism to generate these spikes involves Ca(2+) release from the endoplasmic reticulum Ca(2+) store via IP3-sensitive channels. Puffs are elemental events of IP3-induced Ca(2+) release through single clusters of channels. Intracellular Ca(2+) dynamics are a stochastic system, but a complete stochastic theory has not been developed yet. As a new concept, this thesis formulates the theory in terms of interpuff interval and puff duration distributions, since unlike the properties of individual channels, they can be measured in vivo. This leads to a non-Markovian description of system dynamics, for which analytical solutions and efficient stochastic simulation techniques are derived. The theory reproduces the typical spectrum of Ca(2+) signals. Signal form and average interspike interval (ISI) depend sensitively on detailed properties and spatial arrangement of clusters. In difference to that, the relation between the average and the standard deviation of ISIs does not depend on cluster properties and cluster arrangement, and it is robust with respect to cell variability. It can only be regulated by global feedback processes in the Ca(2+) signalling pathway. That relation is essential for pathway function, since it ensures frequency encoding despite the randomness of ISIs and determines the maximal spike train information content. Apart from the theoretical investigation, this thesis verifies key results by live cell imaging of Ca(2+) spikes and puffs in HEK cells. Hence, this work comprises a systems level investigation of Ca(2+) signals, integrating data and theory from different levels of molecular organisation. It demonstrates that stochastic Ca(2+) signals can transmit information reliably, and that the mechanism can be adapted to the specific needs of a pathway by global feedback.

Interleukin 2 (IL-2) ist ein Zytokin, welches in menschlichen Gedächtnis-T-Helfer-Zellen (Teff Zellen) exprimiert und sekretiert wird und damit die Immunantwort formt. Im Gegensatz dazu wird IL-2 normalerweise nicht in regulatorischen T-Zellen (Treg Zellen) exprimiert, sondern von diesen nur aufgenommen. Durch die Aktivierung des T-Zellrezeptors werden Signalkaskaden induziert, welche zur Aktivierung der Transkriptionsfaktoren AP-1, NFAT, und NF-kB führen. Diese sind entscheidend für die Genexpression von IL-2. Im Rahmen meiner Dissertation habe ich die Regulation der IL-2 Genexpression untersucht. Dabei vergleiche ich die transkriptionelle Regulation in Teff Zellen mit der Regulation in Treg Zellen. Insbesondere konnte ich zeigen, dass die endogene Konzentration der Transkriptionsfaktoren sich auf die Anzahl der IL-2 Produzenten auswirkt, aber nicht auf die Konzentration von IL-2 innerhalb einer Zelle. Deshalb untersuche ich wie sich die Konzentration der Transkriptionsfaktoren auf die Häufigkeit von IL-2 Produzenten auswirkt. Ich nutze die vorhandenen endogenen Konzentrationen und kann damit vorhersagen, dass die Zahl der IL-2 Produzenten entscheidend von der c-fos Konzentration in Teff Zellen abhängt. Mit Hilfe des entwickelten Modells kann ich voraussagen, wie der spezifische Inhibitor U0126 die Häufigkeit von IL-2 Produzenten verringert. Diese Vorhersage wurde durch Experimente belegt. Meine Modelle zeigen weiterhin, dass c-fos und NFATc2 die Häufigkeit der IL-2 Produzenten in Teff Zellen kooperativ regulieren. In Treg-Zellen zeigt meine Analyse, dass alle Transkriptionsfaktoren eine ähnliche sigmoidale Wirkung auf die Häufigkeit der IL-2-Produzenten ausüben. Im Gegensatz zu den Teff Zellen haben alle Transkriptionsfaktor eine ähnliche maximale Wirkung auf Genexpression von IL-2. Mittels eines Inhibitionsmodelles konnte ich zeigen, dass der Treg zellspezifische Transkriptionsfaktor FoxP3 allen aktivierenden Transkriptionsfaktoren entgegenwirkt. / Interleukin 2 (IL-2) is a cytokine expressed in human memory T helper cells (Teff cells) and the secretion of IL-2 shapes the immune response. In contrast, human regulatory T-cells (Treg cells) commonly do not express IL-2. The gene expression of IL-2 is induced by the activation of the T-cell receptor signaling network activating the transcription factors AP-1, NFAT, and NF-kB. These transcription factors are crucial for initiating IL-2 gene expression. Within my thesis I compare the regulation of IL-2 gene expression in Teff cells and Treg cells using experiments and modeling. I demonstrate that the transcription factor concentrations correlate with number of IL-2 producers but do not affect IL-2 concentration per cell. Thus, I investigate how the transcription factor concentration of c-fos, NFATc2, p65, and p-c-jun affects the frequency of IL-2 producing cells as a proxy for the probability of a cell to produce IL-2. Using the endogenous heterogeneity of transcription factor concentrations, I predict that the number of IL-2 producers is critically dependent on the amount of c-fos in Teff cells. I use my model to predict how perturbations of c-fos by the specific inhibitor U0126 decrease the frequency of IL-2 producers in Teff cells. This prediction was than validated by experiments. My models furthermore indicate the cooperative behavior of c-fos and NFATc2 on the level of frequency of IL-2 producers in Teff cells. In Treg cells, I show that all transcription factors exert a similar sigmoidal effect on the frequency of IL-2 producers. In contrast to the effects seen in Teff cells, all transcription factor have a similar maximal effect on the IL-2 gene expression. With an inhibitory model I explore the relation between the Treg cell-specific transcription factor FoxP3 the transcription factors c-fos, NFATc2, p65, and p-c-jun on the frequency of IL-2 producers. This model indicates that FoxP3 counteracts the activating function of NFATc2, AP-1, and also NF-kB.

Genregulation bezeichnet die geregelte Steuerung der Genexpression durch das Zusammenspiel einer Vielzahl von Transkriptionsfaktoren die in ihrer Gesamtheit hoch komplexe und zell-spezifische genregulatorische Netzwerke bilden. Im Rahmen meiner Arbeit beschäftigte ich mich mit zwei Ansätzen der computergestützten Analyse solcher Netzwerke, Modellierung und Reverse Engineering. Der erste Teil meiner Arbeit beschreibt die Entwicklung der Web-Anwendung GEne Network GEnerator (GeNGe). Hierbei handelt es sich um ein System für die automatische Erzeugung von genregulatorischen Netzwerken. Hierfür entwickelte und implementierte ich einen neuartigen Algorithmus für die Generierung von Netzwerkstrukturen die wichtige Eigenschaften biologischer Netzwerke zeigen. Für die dynamische Beschreibung der Transkription modifizierte ich eine nicht-lineare Kinetik. Diese neue Formulierung der Kinetik eignet sich besonders für die Erstellung von komplexen genregulatorischen Modellen am Computer. Desweiteren unterstützt GeNGe die Durchführung verschiedener in silico Experimente, um theoretische Aussagen über den Einfluss von Störungen des Systems treffen zu können. Der zweite Teil meiner Arbeit beschreibt die Entwicklung von GNRevealer. Es handelt sich hierbei um eine Methode zur Rekonstruktion von genregulatorischen Netzwerken auf Basis zeitdiskreter Messungen der Genexpression. Diese Methode verwendet ein neuronales Netz zusammen mit einem passenden Lernalgorithmus (backpropagation through time). Modifizierungen, welche notwendig für die Anwendung im Reverse Engineering Bereich sind, wurden von mir entwickelt, wie z.B. die Etablierung eines vollständigen Lernprozesses, die Diskretisierung der Ergebnisse und anschließende Validierungen. Im letzten Teil dieser Arbeit beschreibe ich eine Studie, in der sechs verschiedene Reverse Engineering Anwendungen von mir miteinander verglichen wurden. Diese Untersuchung hebt GNRevealer als geeignetste Anwendung aller getesteten Methoden hervor. / Gene regulation is accomplished mainly by the interplay of multiple transcription factors. This gives rise to highly complex and cell-type specific, interwoven structures of regulatory interactions summarized in gene regulatory networks. In this thesis, I address two approaches of computational analysis of such networks, forward modeling and reverse engineering. The first part of this thesis is about the Web application GEne Network GEnerator (GeNGe) which I have developed as a framework for automatic generation of gene regulatory network models. I have developed a novel algorithm for the generation of network structures featuring important biological properties. In order to model the transcriptional kinetics, I have modified an existing non-linear kinetic. This new kinetic is particularly useful for the computational set-up of complex gene regulatory models. GeNGe supports also the generation of various in silico experiments for predicting effects of perturbations as theoretical counterparts of biological experiments. Moreover, GeNGe facilitates especially the collection of benchmark data for evaluating reverse engineering methods. The second part of my thesis is about the development of GNRevealer, a method for reverse engineering of gene regulatory networks from temporal data. This computational approach uses a neural network together with a sophisticated learning algorithm (backpropagation through time). Specialized features developed in the course of my thesis include essential steps in reverse engineering processes such as the establishment of a learning workflow, discretization, and subsequent validation. Additionally, I have conducted a large comparative study using six different reverse engineering applications based on different mathematical backgrounds. The results of the comparative study highlight GNRevealer as best performing method among those under study.

Die Durchführung von Experimenten und das mathematische Modellieren von zellulären Prozessen gehören in der Systembiologie untrennbar zusammen. Das gemeinsame Ziel ist die Aufklärung des Zusammenspiels intrazellulärer Prozesse wie Metabolismus, Genexpression oder Signaltransduktion. Während sich molekularbiologische Untersuchungen mit den molekularen Mechanismen einzelner isolierter Systeme beschäftigen, zielt die Systembiologie auf die Aufklärung der Zusammenhänge ganzer Prozesse und schließlich auch ganzer Zellen ab. Die Verfügbarkeit von umfangreichen Datensätzen und die steigenden Möglichkeiten im Bereich der Computersimulation haben in den letzten Jahren den Weg geebnet, um auch Ganzzellsimulationen nicht mehr unmöglich erscheinen zu lassen. Diese Arbeit stellt das erste eukaryotische Ganzzellmodell der Bäckerhefe Saccharomyces cerevisiae vor. Hefe als eukaryotischer Modellorganismus ist hierbei der perfekte Kandidat für die Erstellung eines solchen Modells. Er bietet, als wohl meist erforschter eukaryotischer Einzeller in Verbindung mit der Verfügbarkeit einer großen Menge experimenteller Daten, beste Voraussetzungen zur Erstellung eines solchen Modells. Das Projekt ist hierbei in drei Teile gegliedert: i) Die Erstellung eines modularen Ganzzellmodells das alle zellulären Funktionen wie Zellzyklus, Genexpression, Metabolismus, Transport und Wachstum abbildet. ii) Die Implementation einer spezialisierten Simulationsumgebung in Verbindung mit einer Datenbank, um die Erstellung, Simulation und Parametrisierung von Modulen zu ermöglichen. iii) Die Durchführung von Experimenten, um einen ganzheitlichen Datensatz zu erlangen, der Wachstum, Genexpression und Metabolismus abbildet. Die hier vorgestellte Arbeit liefert nicht nur ein mathematisches Modell, sondern benennt auch die Herausforderungen, die während der Arbeit an einem Ganzzellmodell auftreten und stellt mögliche Lösungsansätze vor. / In systems biology experiments and mathematical modeling are going hand in hand to gain and increase understanding of cellular processes like metabolism, gene expression, or signaling pathways. While molecular biology investigates single isolated parts and molecular mechanisms of cellular processes, systems biology aims at unraveling the whole process and ultimately whole organisms. Today the availability of comprehensive high-throughput data and computational power paved the way to increase the size of analyzed systems to reach the cellular level. This thesis presents the first whole-cell model (WCM) of a eukaryotic cell, the yeast Saccharomyces cerevisiae. This established model organism is the perfect candidate for the implementation of a holistic model based on the available experimental data and the accumulated biological knowledge. The project is split into three parts: i) The creation of a modular functional-complete whole-cell model, combining the processes cell cycle, gene expression, metabolism, transport, and growth. ii) The implementation of a specialized simulation environment and a database to support module creation, simulation, and parameterization. iii) The elicitation of experimental data by conducting an experiment to achieve a comprehensive data set for parameterization, combining growth, metabolic, proteomic, and transcriptomic data. The presented work provides not only a simple mathematical model but also addresses challenges occurring during the development of whole-cell models and names possible solutions and new methodologies required for the creation of WCMs.

Darmkrebszellen und T-Zellen regulieren ihren zentralen Kohlenstoffmetabolismus um ihren anabolen Bedarf zu erfüllen. Tumorzellen mit einer KRAS- oder BRAF-Mutation zeigen ein schnelles Wachstum, welches eine Umprogrammierung des Metabolismus vor aussetzt. Der mitochondriale T-Zellen-Aktivierungsinhibitor (TCAIM) ist bekannt dafür die mitochondriale Zellstruktur zu beeinflussen. Der Einfluss auf den Metabolismus nicht klar. In dieser Arbeit präsentiere ich erstmalig ein mathematische Model des zentralen Kohlen stoffmetabolismus in Darmkrebszellen und T-Zellen. Mithilfe dieses Modells analysiere ich, wie sich die Regulation in ähnlichen Zelllinien unterscheidet. In Bezug auf die Darm krebszellen vergleiche ich BRAF-(CaCO2-BRAFV600E), KRAS-(CaCO2-KRASG12V) mu tierte Zelllinien mit einer Basiszelllinie (CaCO2-control) und zeige, dass der Kohlenstoff metabolismus in BRAF-mutierten Zellen im Vergleich zu den beiden übrigen Zelllinien herabreguliert ist. Das Modell bestätigt außerdem, dass der Monocarboxylattransporter (MCT) in den Darmkrebszellen eine wichtige Rolle, insbesondere in den KRAS mu tierten Zellen, spielt. In T-Zellen zeigt der Vergleich von Wildtypzellen (CD8 T-Zellen) mit TCAIM homozygoten Zellen (TCAIM homozygote CD8 T-Zellen), dass der Kohlen stoffmetabolismus in zweiteren überwiegend herabreguliert und weniger aktiv ist. Diesen Effekt konnte ich durch die Analyse von RNASeq-Daten der jeweiligen Zelltypen bestä- tigen. Des Weiteren stelle ich fest, dass sich der Tricarbonsäurezyklus umkehrt, wenn durch die Glykolyse nicht ausreichend Laktat exportiert und die Biomasseproduktion unterstützt werden kann. Meine Arbeit stellt damit insgesamt einen neuartigen Ansatz zur Integration von Meta bolomik und RNAseq Daten dar, um die Regulation des zentralen Kohlenstoffmetabo lismus zu verstehen. / Colon cancer cells and T cells regulate central carbon metabolism to meet their anabolic needs. In KRAS and BRAF tumors, metabolic reprogramming is a premise to support rapid proliferation. In T cells, the mitochondrial T cell activation inhibitor (TCAIM) is known to affect mitochondrial morphology but its effect on cellular metabolism is not well understood. Via mathematical modelling, I investigate the differential regulation of closely related cell lines. I present the first mathematical model for colon cancer and T cell metabolism, unraveling differential regulation between related cell lines. The model shows that CaCO2-BRAFV600Ecells are mostly downregulated compared to CaCO2-KRASG12Vand CaCO2-control. Additionally, it demonstrates the critical role of monocarboxylate transporter (MCT), especially for CaCO2-KRASG12V. Concerning T cells, I compare wild-type T cells to homozygous TCAIM T cells. This unveils that TCAIM homozygous cells have a mostly downregulated TCA cycle, validated by RNASeq data, and are less metabolically active than wild-type T cells. Furthermore, if the glycolytic flux is not sufficient to support lactate export and biomass production, the model reveals that the TCA cycle is reversed as it requires less regulation. Taken together, this work presents a novel approach to integrate data referring to metabolic and genetic regulation of metabolism. On this basis, we can now better discriminate the metabolic capacity of CaCO2-control, CaCO2-BRAFV600E, CaCO2-KRASG12V, wildtype CD8 T cells, and homozygous TCAIM CD8 T cells.

Die oxidative Phosphorylierung (OXPHOS) spielt eine zentrale Rolle im Energiestoffwechsel der Zelle. Sie besteht aus der Atmungskette, deren vier Enzymkomplexe einen Protonengradienten über die innere mitochondriale Membran aufbauen, und der ATP-Synthase, die diesen Gradienten zur Phosphorylierung von ADP zu ATP, der zelluläre Energieeinheit, nutzt. In der vorliegenden Arbeit wurde ein thermodynamisch konformes OXPHOS Modell erstellt, welches auf Differentialgleichungen basiert. Dazu wurden Gleichungen entwickelt, welche die Kinetiken jedes OXPHOS-Komplexes über weite Bereiche von Substrat- und Produktkonzentrationen sowie unterschiedlichster Werte des elektrochemischen Gradientens wiedergeben. Zunächst wurden für jeden Komplex der Atmungskette kinetische Messungen in Abwesenheit des Protonengradientens durchgeführt. Für deren Beschreibung erwiesen sich Gleichungen vom Typ Michaelis-Menten als adäquat; hierbei wurden verschiedene Gleichungstypen verglichen. Anschließend wurde der Einfluss des Protonengradientens auf die kinetischen Parameter so modelliert, dass physiologisch sinnvolle Raten in dessen Abhängigkeit erzielt werden konnten. Diese neuen Ratengleichungen wurden schließlich in ein OXPHOS Modell integriert, mit dem sich experimentelle Daten von Sauerstoffverbrauch, elektrischem Potential und pH-Werten sehr gut beschreiben ließen. Weiter konnten Inhibitor-Titrationskurven reproduziert werden, welche den Sauerstoffverbrauch in Abhängigkeit der relativen Hemmung eines OXPHOS-Komplexes darstellen. Dies zeigt, dass lokale Effekte auf globaler Ebene korrekt wiedergeben werden können. Das hier erarbeitete Modell ist eine solide Basis, um die Rolle der OXPHOS und generell von Mitochondrien eingehend zu untersuchen. Diese werden mit zahlreichen zellulären Vorgängen in Verbindung gebracht: unter anderem mit Diabetes, Krebs und Mitochodriopathien, sowie der Bildung von Sauerstoffradikalen, die im Zusammenhang mit Alterungsprozessen stehen. / Oxidative phosphorylation (OXPHOS) plays a central role in the cellular energy metabolism. It comprises the respiratory chain, consisting of four enzyme complexes that establish a proton gradient over the inner mitochondrial membrane, and the ATP-synthase that uses this electrochemical gradient to phosphorylate ADP to ATP, the cellular energy unit. In this work a thermodynamically consistent OXPHOS model was built based on a set of differential equations. Therefore rate equations were developed that describe the kinetics of each OXPHOS complex over a wide concentration range of substrates and products as well for various values of the electrochemical gradient. In a first step, kinetic measurements on bovine heart submitochondrial particles have been performed in the absence of the proton gradient. An appropriate data description was achieved with Michaelis-Menten like equations; here several types of equations have been compared. The next step consisted in incorporating the proton gradient into the rate equations. This was realized by distributing its influence among the kinetic parameters such that reasonable catalytic rates were obtained under physiological conditions. Finally, these new individual kinetic rate expressions for the OXPHOS complexes were integrated in a global model of oxidative phosphorylation. This new model could fit interrelated data of oxygen consumption, the transmembrane potential and the redox state of electron carriers. Furthermore, it could well reproduce flux inhibitor titration curves, which validates its global responses to local perturbations. This model is a solid basis for analyzing the role of OXPHOS and mitochondria in detail. They have been linked to various cellular processes like diabetes, cancer, mitochondrial disorders, but also to the production of reactive oxygen species, which are supposed to be involved in aging.