Mathematische Modellierung ist ein wichtiges Werkzeug biologischer Forschung geworden, was sich in der Entstehung von Systembiologie widerspiegelt. Eine erfolgreiche Anwendung mathematischer Methoden auf biologische Fragen erfordert die Zusammenarbeit zwischen experimentell und theoretisch arbeitenden Wissenschaftlern, auch um sicherzustellen, dass die Biologie im Modell adäquat dargestellt wird. Ich präsentiere hier zwei Untersuchungen zur Anpassung von Saccharomyces cere- visae an hyperosmotische Bedingungen: Eine biologisch detailgetreue Beschreibung der Signaltransduktion zur Aktivierung von Hog1 und ein Model, das Anpassung an osmotischen Stress in zellulärem Zusammenhang beschreibt. Die Studie zur Osmoadaptation in zellulären Kontext impliziert, dass Hog1 und Fps1, zwei wichtige Bausteine dieses Adaptationsvorgangs, miteinander in Wechselwirkung treten und dies zur Anpassung beiträgt. Dieses Ergebnis wird durch die Integration verschiedener Hefestämme mit zum Teil gegensätzlich wirkenden Mutationen ermöglicht. Diese Studie offenbart des weiteren, dass die Rolle von Glycerol in der langfristigen Anpassung bisher überschätzt wurde. Die hier präsentierten Ergebnisse zeigen, dass Glycerol als ’Not’-Osmolyt eingesetzt wird und andere Stoffe, z.B. Trehalose, erheblich zu dauerhafter Osmoadaptation beitragen. Durch die Betrachtung des Zustands mehrerer zellulärer Mechansimen wird deutlich, dass Osmoadaptation stark vom Kontext abhängig ist und nicht perfekt ist. Der Preis schlägt sich in langsamerem Wachstum nieder. Zeitabhängige Sensitivitätsanalyse des Modells untermauert diese Hypothese. Die gewählte Perspektive ermöglicht die Betrachtung von intrazellulären Signaltransduktionskomponenten, Metaboliten und des Wachstums. Der Vergleich mit einer Studie, die Anpassung an osmotischen Stress als perfekte Adaptation auf Grund eines vereinfachten Modells beschreibt, hebt die Rolle der gewählten Perspektive zum Verständnis biologischer Systeme hervor. / Mathematical modeling has become an important tool in biology, reflected in the emergence of systems biology. Successful application of mathematical methods to biological questions requires collaboration of experimental and theoretical scientists to identify and study the problem at hand and to ensure that biology and model match. In this thesis, I present two studies on adaptation to hyperosmotic conditions in the yeast Saccharomyces cerevisae: A biologically faithful description of the signaling pathways activating Hog1 and a model integrating the effects of Hog1-activity and cellular metabolism, describing osmoadaptation in cellular context. The study of osmoadaptation in cellular context suggests that Hog1 and Fps1, two crucial components of adaptation, interact upon hyperosmotic stress. This finding is facilitated by incorporating multiple strains with mutations leading to partly oppositional phenotypes. This study further reveals that the role of glycerol in long term adaptation has been overestimated so far. According to the results presented here, glycerol is utilized as an ’emergency’ osmoprotectant and other compounds, e.g. trehalose, contribute significantly to osmoadaptation. Accounting for the state of multiple cellular mechanisms (Hog1-activity, glycolysis, growth) shows that adaptation to hyperosmotic stress and the impact of the individual mechanisms of adaptation is context dependent and that adaptation to sustained osmostress is not perfect, the expense reflected in a reduced growth rate in hyperosmotic medium. Time-dependent sensitivity analysis supports the notion of context. The perspective chosen allows observations on intracellular signaling components, metabolites and growth speed. Comparison with a study that describes osmoadaptation as perfect adaptation highlights the role of this perspective for the conclusions drawn, thus emphasizing the importance of an integrative perspective for understanding biological systems.

Das Verhalten Biologischer Systeme wird durch eine Vielzahl regulatorischer Prozesse beeinflusst, die sich auf verschiedenen Ebenen abspielen. Die Forschung an diesen Regulationen hat stark von den großen Mengen von Hochdurchsatzdaten profitiert, die in den letzten Jahren verfügbar wurden. Um diese Daten zu interpretieren und neue Erkenntnisse aus ihnen zu gewinnen, hat sich die mathematische Modellierung als hilfreich erwiesen. Allerdings müssen die Daten vor der Integration in Modelle aggregiert und analysiert werden. Wir präsentieren vier Studien auf unterschiedlichen zellulären Ebenen und in verschiedenen Organismen. Zusätzlich beschreiben wir zwei Computerprogramme die den Vergleich zwischen Modell und Experimentellen Daten erleichtern. Wir wenden diese Programme in zwei Studien über die MAP Kinase (MAP, engl. mitogen-acticated-protein) Signalwege in Saccharomyces cerevisiae an, um Modellalternativen zu generieren und unsere Vorstellung des Systems an Daten anzupassen. In den zwei verbleibenden Studien nutzen wir bioinformatische Methoden, um Hochdurchsatz-Zeitreihendaten von Protein und mRNA Expression zu analysieren. Um die Daten interpretieren zu können kombinieren wir sie mit Netzwerken und nutzen Annotationen um Module identifizieren, die ihre Expression im Lauf der Zeit ändern. Im Fall der humanen somatischen Zell Reprogrammierung führte diese Analyse zu einem probabilistischen Boolschen Modell des Systems, welches wir nutzen konnten um neue Hypothesen über seine Funktionsweise aufzustellen. Bei der Infektion von Säugerzellen (Canis familiaris) mit dem Influenza A Virus konnten wir neue Verbindungen zwischen dem Virus und seinem Wirt herausfinden und unsere Zeitreihendaten in bestehende Netzwerke einbinden. Zusammenfassend zeigen viele unserer Ergebnisse die Wichtigkeit von Datenintegration in mathematische Modelle, sowie den hohen Grad der Verschaltung zwischen verschiedenen Regulationssystemen. / The behavior of all biological systems is governed by numerous regulatory mechanisms, acting on different levels of time and space. The study of these regulations has greatly benefited from the immense amount of data that has become available from high-throughput experiments in recent years. To interpret this mass of data and gain new knowledge about studied systems, mathematical modeling has proven to be an invaluable method. Nevertheless, before data can be integrated into a model it needs to be aggregated, analyzed, and the most important aspects need to be extracted. We present four Systems Biology studies on different cellular organizational levels and in different organisms. Additionally, we describe two software applications that enable easy comparison of data and model results. We use these in two of our studies on the mitogen-activated-protein (MAP) kinase signaling in Saccharomyces cerevisiae to generate model alternatives and adapt our representation of the system to biological data. In the two remaining studies we apply Bioinformatic methods to analyze two high-throughput time series on proteins and mRNA expression in mammalian cells. We combine the results with network data and use annotations to identify modules and pathways that change in expression over time to be able to interpret the datasets. In case of the human somatic cell reprogramming (SCR) system this analysis leads to the generation of a probabilistic Boolean model which we use to generate new hypotheses about the system. In the last system we examined, the infection of mammalian (Canis familiaris) cells by the influenza A virus, we find new interconnections between host and virus and are able to integrate our data with existing networks. In summary, many of our findings show the importance of data integration into mathematical models and the high degree of connectivity between different levels of regulation.

Ein der Biologie zugrunde liegender Prozess ist die Fortpflanzung. Einzeller wachsen dazu heran und teilen sich. Grundlage hierfür sind ausreichend Nahrung und Ressourcen, um die eigene Masse und alle Zellbestandteile, insbesondere die DNS, zu verdoppeln. Fehler bei der Wachstumsregulation oder der DNS-Verdopplung können schwerwiegende Folgen haben und stehen beim Menschen im Zusammenhang z.B. mit Krebs. In dieser Arbeit werden mathematische Modelle für die Mechanismen zur Wachstumsregulierung und DNS-Verdopplung in der Bäckerhefe, Saccharomyces cerevisiae, vorgestellt. Modellierung kann entscheident zum Verstehen von komplexen, dynamischen Systemen beitragen. Wir haben ein Modell für Einzellerwachstum entwickelt und leiten das Wachstumsverhalten von Zellkulturen von diesem Modell, mittels einer hierfür programmierten Software, ab. Außerdem haben wir ein Model für die Verdopplung der DNS entwickelt, um Auswirkungen verschiedener Aktivierungsmuster auf die Replikation zu testen. Zusätzlich wurde die Verlängerung entstehender DNS Stränge, Elongation, mit einem detaillierten, stochastischen Modell untersucht. Wir haben unsere Ergebnisse zur DNS-Verdopplung mit einer abschließenden Untersuchung ergänzt, die funktionelle Beziehungen von Genen aufzeigt, welche sich in der Nähe von Aktivierungsstellen der Verdopplung befinden. Folgende Einsichten in die komplexe Koordination von Wachstum und Teilung wurden gewonnen: (i) Wachstumskontrolle ist eine inhärente Eigenschaft von Hefezellpopulationen, welche weder Signale noch Messmechanismen benötigt, (ii) DNS Verdopplung ist robuster in kleinen Chromosomen mit hoher Dichte an Aktivierungsstellen, (iii) Elongation ist weitgehend uniform, weicht aber an genau definierten Stellen signifikant ab und (iv) katabole Gene häufen sich nahe der frühen Aktivierungsstellen und anabole Gene nahe der späten. Unsere Ergebnisse tragen zum Verständniss von zellulären Mechanismen zur Wachstumskontrolle und DNS-Verdopplung bei. / One of the most fundamental processes in biology is reproduction. To achieve this, single cellular organisms grow, proliferate and divide. The prerequisite for this is acquiring sufficient resources to double size and cellular components, most importantly the DNA. Defects in either sufficient gain in size or chromosomal doubling can be severe for the organism and have been related to diseases in humans, such as cancer. Therefore, the cell has developed sophisticated regulatory mechanisms to control the orderly fashion of growth and duplication. We have developed mathematical models to study systemic properties of size control and DNA replication in the premier eukaryotic model organism Saccharomyces cerevisiae. Modeling can help understanding the complex nature of dynamic systems. We provide a single cell model to explore size control. We deduced population behavior from the single cell model through multi-cell simulations using a tailor-made software. Also, we implemented an algorithm that simulates the DNA replication process to test the impact of different replication activation patterns. Additionally, elongation dynamics were assessed with a fine-grained stochastic model for the replication machinery motion. We complemented our analysis of DNA replication by studying the functional association of genes and replication origins. Our systems-level analysis reveals novel insights into the coordination of growth and division, namely that (i) size regulation is an intrinsic property of yeast cell populations and not due to signaling or size sensing, (ii) DNA replication is more robust in small chromosomes with high origin density, (iii) the elongation process is strongly biased at distinct locations in the genome and (iv) catabolic genes are over-represented near early origins and anabolic genes near late origins. Our results contribute to explaining mechanisms of size control and DNA replication.

DieMenschheit ist vielfältigen chemischenWirkstoffen ausgesetzt – zum Beispiel durch Kosmetika und Pharmazeutika sowie durch viele andere chemische Quellen. Es wird angenommen, dass diese stetige Exposition mit Chemikalien gesundheitliche Beeinträchtigungen bei Menschen hervorruft. Zudem haben Regulierungsbehörden aus Europa und den USA festgestellt, dass es ein Risiko gibt, welches mit der kombinierten Exposition durch mehrere Chemikalien im Zusammenhang steht. Mögliche Kombinationen von Tausenden Wirkstoffen zu testen, ist sehr zeitaufwendig und nicht praktikabel. Das Hauptanliegen dieser Arbeit ist es, die Probleme von Off-target-Effekten chemischer Strukturen zu benennen – mit den Mitteln der Chemieinformatik, der strukturellen Bioinformatik sowie unter Berücksichtigung von computerbasierten, systembiologischen Ansätzen. Diese Dissertation ist in vier Hauptprojekte eingeteilt. ImProjekt I (Kapitel 3)wurde ein neuartiger Ensemble-Ansatz basierend auf der strukturellen Ähnlichkeit von chemischenWirkstoffen und Bestimmungen von toxischen Fragmenten implementiert,um die orale Toxizität bei Nagetieren vorherzusagen. Im Projekt II (Kapitel 4) wurden – auf der Grundlage von Daten des Tox21 Wettbewerbs – unterschiedliche Machine-Learning Modelle entwickelt und verglichen, um die Komponenten vorherzusagen, die in den toxikologischen Stoffwechselwegen mit Zielmolekülen interagieren von target-spezifischenWirkstoffen vorherzusagen. In Projekt III (Kapitel 5) wird ein neuartiger Ansatz beschrieben, welcher das dreigliedrige Konzept aus computerbasierter Systembiologie, Chemieinformatik und der strukturellen-Bioinformatik nutzt, um Medikamente zu bestimmen, welche das metabolische Syndrom hervorrufen. In Projekt IV (Kapitel 6) wurde in silico ein Screening Protokoll entwickelt, welches die strukturelle Ähnlichkeit, die pharmakophorischen Eigenschaften und die Überprüfung von computerbasierten Docking Studien berücksichtigt. / Exposure to various chemicals agents through cosmetics, medications, preserved food, environments and many other sources have resulted in serious health issues in humans. Additionally, regulatory authorities from Europe and United States of America have recognized the risk associated with combined exposure to multiple chemicals. Testing all possible combinations of these thousands of compounds is impractical and time consuming. The main aim of the thesis is to address the problem of off-targets effects of chemical structures by applying and developing cheminformatics, structural bioinformatics and computational systems biology approaches. This dissertation is divided into four main projects representing four different computational methods to aid different level of toxicological investigations. In project I (chapter 3) a novel ensemble approach based on the structural similarity of the chemical compounds and identifications of toxic fragments was implemented to predict rodent oral toxicity. In project II (chapter 4) different machine learning models were developed and compared using Tox 21 challenge 2014 data, to predict the outcomes of the compounds that have the potential to interact with the targets active in toxicological pathways. In project III (chapter 5) a novel approach integrating the trio concept of ’computational system biology, cheminformatics and structural bioinformatics’ to predict drugs induced metabolic syndrome have been described. In project IV (chapter 6) a in silico screening protocol was established taking into the structurally similarity, pharmacophoric features and validation using computational docking studies. This approach led to the identification of novel binding site for acyclovir in the peptide binding groove of the human leukocyte antigen (HLA) specific allele.

Motivation: Although various high-throughput technologies provide a lot of valuable information, each of them is giving an insight into different aspects of cellular activity and each has its own limitations. Thus, a complete and systematic understanding of the cellular machinery can be achieved only by a combined analysis of results coming from different approaches. However, methods and tools for integration and analysis of heterogenous biological data still have to be developed. Results: This work presents systemic analysis of basic cellular processes, i.e. cell viability and cell cycle, as well as embryonic stem cell pluripotency and differentiation. These phenomena were studied using several high-throughput technologies, whose combined results were analysed with existing and novel clustering and hit selection algorithms. This thesis also introduces two novel data management and data analysis tools. The first, called DSViewer, is a database application designed for integrating and querying results coming from various genome-wide experiments. The second, named PhenoFam, is an application performing gene set enrichment analysis by employing structural and functional information on families of protein domains as annotation terms. Both programs are accessible through a web interface. Conclusions: Eventually, investigations presented in this work provide the research community with novel and markedly improved repertoire of computational tools and methods that facilitate the systematic analysis of accumulated information obtained from high-throughput studies into novel biological insights.

Modularität ist ein wiederkehrendes Thema in biologischen Netzwerken, in denen sich unabhängige Elemente wiederholen und neu zusammensetzen, um neue Funktionen zu erzeugen. In der angeborenen Immunität sind supramolekular organisierende Zentren (SMOCs) ein Beispiel für Modularität, die durch eine ligandeninduzierte komplexe Selbstassemblierung gekennzeichnet sind und deren Signalkomponenten in ihrer lokalen Konzentration zunehmen. Das Myddosom ist ein SMOC, das sich als Reaktion auf den Liganden IL-1, ein wichtiges proinflammatorisches Zytokin, zusammensetzt. Der Myddosom-vermittelte IL-1-Signalweg wurde mit biochemischen Methoden umfassend charakterisiert, doch Informationen zur Dynamik sind weiterhin begrenzt. Es gibt widersprüchliche Berichte darüber, wie die Proteine des IL-1-Signalwegs zusammengesetzt werden, und es ist nicht bekannt, ob die Komplexe des IL-1-Signalwegs wieder abgebaut werden. In dieser Arbeit wurde die Dynamik der Myddosom-vermittelten IL-1-Signaltransduktion untersucht, wobei eine völlig neue Hochdurchsatz-Bildanalyse-Pipeline, eine Phasenporträtanalyse, ein neuartiger Mikroskopie-Assay und CRISPR/Cas9-editierte lebende Lymphomzelllinien kombiniert wurden. Hier zeige ich, dass der Aufbau des IL-1-Signalwegs sequenzielle Schritte, eine ligandeninduzierte De-novo-Oligomerisierung, Proteine, die die Oligomergröße regulieren, und zwei Module umfasst: das Myddosom und die NF-κB-Signalosome. Das stromaufwärts gelegene Myddosom-Signalosom (MyD88, IRAK4, IRAK1, TRAF6, TAB2) erscheint zuerst, zeigt keine Erholung in FRAP-Experimenten und zeigt eine positive interne Rückkopplung. Das nachgeschaltete NF-κB-Signalosom (HOIL1, NEMO, RelA, A20) erscheint später, erholt sich nach FRAP und reguliert das Myddosom-Signalosom negativ. Ich zeige auch zum ersten Mal, dass sich der IL-1-Signalweg nach Überschreiten eines kritischen stöchiometrischen Verhältnisses auflöst und dass dynamische Gleichungen den Zusammenbau und den Abbau nachbilden können. Diese Ergebnisse zeigen, wie ein SMOC-abhängiger Signalweg Modularität zur Regulierung einsetzt. Das Verständnis von Signalisierungsmodulen ist von großer Bedeutung für die Aufklärung der regulatorischen Schaltkreise in biologischen Netzwerken. Meine Hochdurchsatz-Pipeline bietet einen vielversprechenden Ansatz, um dieses Ziel zu erreichen. / Modularity is a recurring theme in biological networks where independent elements repeat and shuffle to produce novel functions. In innate immunity, supramolecular organizing centers (SMOCs) are an example of modularity, characterized by ligand-induced complex self-assembly, and signaling components increase in local concentration. The Myddosome is a SMOC that assembles in response to the ligand IL-1, a vital proinflammatory cytokine. The Myddosome-mediated IL-1 signaling pathway has been extensively characterized using biochemical methods, yet dynamic information remains limited. There are conflicting reports of how the IL-1 pathway proteins assemble, and it is unknown whether IL-1 pathway complexes disassemble. This thesis investigated the Myddosome-mediated IL-1 signal transduction dynamics, combining a completely new high-throughput image analysis pipeline, phase portrait analysis, a novel microscopy assay, and CRISPR/Cas9-edited live lymphoma cell lines. Here, I show that the IL-1 pathway assembly has sequential steps, ligand-induced de novo oligomerization, proteins regulating oligomer size, and two modules: the Myddosome and NF-κB signalosomes. The upstream Myddosome signalosome (MyD88, IRAK4, IRAK1, TRAF6, TAB2) appears first, has no FRAP recovery, and shows positive internal feedback. The downstream NF-κB signalosome (HOIL1, NEMO, RelA, A20) appears later, recovers after FRAP, and negatively regulates the Myddosome signalosome. I also show, for the first time, that the IL-1 pathway disassembles after crossing a critical stoichiometric ratio, and that dynamical equations can recapitulate assembly-disassembly. These results demonstrate how a SMOC-dependent pathway uses modularity to achieve regulation. Understanding signaling modules holds significant implications for elucidating the regulatory circuitry in biological networks. My high-throughput pipeline offers a promising approach to achieving this objective.

An der Interpretation extrazellulärer Signale beteiligte Regulationsnetzwerke sind von zentraler Bedeutung für alle Organismen. Extrazelluläre Signale werden gewöhnlich durch enzymatische Kaskaden innerhalb weniger Minuten in den Zellkern weitergeleitet, wo sie langsame Änderungen der Genexpression bewirken und so das Schicksal der Zelle beeinflussen. Im ersten Teil der Arbeit wird durch mathematische Modellierung untersucht, wie die MAPK Kaskade Signale von der Zellmembran in den Kern weiterleitet. Es wurden Netzwerkeigenschaften herausgearbeitet, die verhindern, dass die MAPK Kaskade fälschlicherweise durch genetische Mutationen aktiviert wird. Desweiteren wurde eine versteckte positive Rückkopplungsschleife identifiziert, welche die Aktivierung der MAPK Kaskade oberhalb eines gewissen Schwellwert-Stimulus verstärkt. Der zweite Teil der Arbeit konzentriert sich darauf, wie Änderungen der Genexpression auf langsamer Zeitskala in das Signalnetzwerk rückkoppeln. Eine systematische Genexpressionsdaten-Analyse ergab, dass transkriptionelle Rückkopplung in Eukaryoten generell über Induktion kurzlebiger Signalinhibitoren geschieht. Dynamische Modellierung und experimentelle Validierung von Modellvorhersagen ergab, dass das Inhibitorprotein SnoN als zentraler negativer Feedback Regulator im TGFbeta Signalweg fungiert. Der dritte Teil der Arbeit untersucht, wie die Genexpressionsmaschinerie intrazelluläre Signale interpretiert (“dekodiert“). Eine experimentelle und theoretische Analyse der cyanobakteriellen Eisenstress-Antwort ergab, dass IsrR, eine kleine regulatorische RNA, die Genexpression auf ausreichend starke und lange Stimulation beschränkt. Des Weiteren wurde ein “Reverse Engineering“-Algorithmus auf Hochdurchsatz-RNAi-Daten angewendet, um die Topologie eines krebsrelevanten Transkriptionsfaktornetzwerks abzuleiten. Zusammenfassend wurde in dieser Dissertation gezeigt, wie mathematische Modellierung die experimentelle Analyse biologischer Systeme unterstützen kann. / Intracellular regulatory networks involved in sensing extracellular cues are crucial to all living organisms. Extracellular signals are rapidly transmitted from the cell membrane to the nucleus by activation of enzymatic cascades which ultimately elicit slow changes in gene expression, and thereby affect the cell fate. In the first part of this thesis, the Ras-MAPK cascade transducing signals from the cell membrane to the nucleus is analyzed using mathematical modeling. Model analysis reveals network properties which prevent the MAPK cascade from being inappropriately activated by mutations. Moreover, the simulations unveil a hidden positive feedback loop which ensures strong amplification of MAPK signalling once extracellular stimulation exceeds a certain threshold. The second part of the thesis focuses on how slow gene expression responses feed back into the upstream signalling network. A systematic analysis of gene expression data gathered in mammalian cells demonstrates that such transcriptional feedback generally involves induction of highly unstable signalling inhibitors, thereby establishing negative feedback regulation. Dynamic data-based modelling identifies the SnoN oncoprotein as the central negative feedback regulator in the TGFbeta signalling pathway, and corresponding model predictions are verified experimentally in SnoN-depleted cells. The third part of the thesis focuses on how intracellular signals are decoded by the downstream gene expression machinery. A combined experimental and theoretical analysis of the cyanobacterial iron stress response reveals that small non-coding RNAs allow cells to selectively respond to sufficiently strong and sustained stimuli. Finally, a reverse engineering approach is applied to derive the topology of a complex mammalian transcription factor network from high-throughput knock-down data. In conclusion, this thesis demonstrates how mathematical modelling can support experimental analysis of biological systems.

Der erste Teil der Arbeit beschreibt die Etablierung einer modifizierten Form des klassichen SILAC-Verfahrens, das in der quantitativen Massenspektrometrie zur Bestimmung von relativen Änderungen in Proteinmengen benutzt wird. Im sog. „pulsed SILAC (pSILAC)“ Verfahren werden Zellen im Zuge einer differentiellen Behandlung in Kulturmedien transferiert, die unterschiedlich Isotop-markierte Aminosäuren enthalten. Da hier die Quantifizierung auf dem Verhältnis der neusynthetisierten Proteinmengen beruht, können gezielt Unterschiede in der Proteinproduktion bestimmt werden. Mit Hilfe von pSILAC konnte im zweiten Teil der Arbeit erstmals quantitativ erfasst werden, welchen Einfluss microRNAs auf die Proteinsynthese ausüben. So konnte gezeigt werden, dass sowohl die Überexpression als auch die Repression einzelner microRNAs die Produktion hunderter Proteine beeinflussen kann. Außerdem konnten Genprodukte identifiziert werden, die ausschließlich translational reguliert werden. Die Messung von Proteinneusynthese ermöglichte auch die Bestimmung von Proteinumsatzraten, dargestellt im dritten Teil der Arbeit. Zusammen mit mRNA-Umsatzraten sowie Protein- und mRNA-Mengen bilden sie die Grundlage für eine dynamische Beschreibung zelluärer Genexpression. Durch den gleichzeitigen Einsatz des Nukleosidanalogons 4-Thiouridin (4sU) und von schweren Aminosäuren (SILAC) konnte eine metabolische Markierung neusynthetiserter mRNAs und Proteine in murinen Fibroblasten erreicht und damit eine Berechnung von Protein- und mRNA-Halbwertszeiten und absoluten Mengen für ca. 5,000 Gene ermöglicht werden. Während mRNA- und Proteinenmengen deutlich korrelierten, war zwischen mRNA- und Proteinhalbwertszeiten nur eine äußerste schwache Korrelation zu erkennen. Dennoch stehen mRNA- und Proteinumsatzraten nicht einem willkürlichen Zusammhang zu einander, da bestimmte Kombinationen von mRNA- und Proteinhalbwertszeiten eine Optimierung von Genen hinsichtlich ihrer biologischen Funktionen erkennen ließen. / The first part of the thesis describes the establishment of a modified version of the classic SILAC approach routinely used in quantitative mass spectrometry (MS) to assay relative changes in protein levels. In the newly-devised approach termed pulsed SILAC (pSILAC) differentially treated cells are transferred to culture medium supplemented with different versions of stable-isotope labeled heavy amino acids. As MS-based relative quantification is exclusively based on the newly-synthesized heavy protein amounts the method enables the detection of differences in protein production resulting from the treatment. The second part of the thesis shows the use of pSILAC to globally quantify the impact of microRNAs onto the proteome. Ectopic over-expression or knock-down of a single microRNA both affected protein production of hundreds of proteins. pSILAC identified several target genes as exclusively translationally regulated as changes in corresponding transcript levels were virtually absent. Measuring newly-synthesized protein amounts with heavy amino acids in a pulsed-labeling fashion has also been used to determine turnover rates of individual proteins, described in the third part of the present work. Along with transcript turnover as well as mRNA and protein levels they are essential for a dynamic description of gene expression. Simultaneous application of the nucleoside analogue 4-thiouridine (4sU) and heavy amino acids (SILAC) to metabolically label newly-produced mRNAs and proteins in mouse fibroblasts resulted in the calculation of mRNA and protein lifetimes and absolute levels for approximately 5,000 genes. While mRNA and protein levels were overall well correlated, a correlation between mRNA and protein half-lives was virtually absent. Yet this seemingly chaotic distribution of mRNA and protein half-lives was highly instructive since specific gene subsets have obviously evolved distinct combinations of half-lives that relate to their biological functions.

Hintergrund und Zielsetzung: DMD ist die häufigste Form der Muskeldystrophie im Kindesalter und bis heute unheilbar. Sie wird durch das Fehlen des Proteins Dystrophin verursacht, welches verschiedene Signaltransduktionswege beeinflusst. Das Anliegen der Arbeit ist die Untersuchung und Modulation von Signaltransduktionswegen, die als alternative Therapiestrategie den Verlust von Dystrophin kompensieren könnten. Experimentelle Strategie: Für die Charakterisierung von Dystrophin nachgeschalteten Prozessen wurden mRNA-Expressionsanalysen in Muskelgeweben von DMD-Patienten und einem DMD-Brüderpaar mit einem infrafamiliär unterschiedlichen Verlauf der DMD durchgeführt. Aus diesen Expressionsdaten wurde erstmalig ein Petri-Netz entwickelt, welches Dystrophin mit in diesem Zusammenhang bisher unbekannten Signaltransduktionswegen verknüpft. Das Petri-Netz wurde auf Netzwerkintegrität und –verhalten mittels Invarianten- (INA) und theoretischen Knockout- (Mauritius Maps) Analysen untersucht. Durch beide Methoden läßt sich der maßgebliche Teilsignalweg bestimmen. In diesem Signalweg wurden die Proteinaktivität und die Genexpression durch siRNA, Vektor-DNA und chemische Substanzen in humanen SkMCs moduliert. Anschließend wurden die Proliferation und die Vitalität der Zellen sowie auch die Expression auf mRNA- und Protein-Niveau untersucht. Ergebnisse: RAP2B und CSNK1A1 waren in dem DMD-Brüderpaar differentiell exprimiert und konnten erstmalig in einem neuen, komplexen Signalweg in Zusammenhang mit Dystrophin nachgeschalteten Prozessen dargestellt werden. Mittelpunkt dieses Signalweges ist die De- und Aktivierung des Transkriptionsfaktors NFATc. Seine Zielgene umfassen neben anderen den negativen Proliferationsfaktor p21, das Dystrophin homologe UTRN und den Differenzierungsfaktor MYF5. Folglich würde ein Anstieg von UTRN eine unerwünschte Reduktion der Proliferationsrate von Myoblasten implizieren. Letzteres konnte bereits nachgewiesen werden und stellte das Motiv für weitere Studien dar. Jedoch zeigten siRNA- und Vektor-DNA-Experimente, daß NFATc nicht der ausschlaggebende Faktor für diese Zielgene ist. Die Substanzen Deflazacort (DFZ) und Cyclosporin A (CsA) wurden dagegen beschrieben, die Aktivierung von NFATc zu beeinflussen. Die Ergebnisse zeigten, daß beide Substanzen die Proliferation von Myoblasten erhöhen können. Die gleichzeitige Applikation von DFZ und CsA führte zu einem Anstieg der UTRN-Expression. Schlußfolgerung: Die Modulation der Proliferation und UTRN-Expression ist unabhängig von einander möglich. Entsprechend der Grundidee der Arbeit zeichnet sich eine neue Therapiestrategie ab, welche Dystrophin nachgeschaltete Prozesse einbezieht. / Background and aim: DMD is the most common muscular dystrophy in childhood and incurable to date. It is caused by the absence of dystrophin, what influences several signal transduction pathways. The thesis is interested in the investigation and modulation of signal transduction pathways that may compensate the lack of dystrophin as an alternative therapy strategy. Experimental strategy: To study Dystrophin downstream pathways the mRNA expression of DMD patients and two DMD siblings with an intra-familially different course of DMD were analysed in muscle tissue. On the basis of these expression data a Petri net was first developed implicating signal transduction pathways and Dystrophin downstream cascades. Invariant (INA) and theoretical knockout (Mauritius Maps) analyses were applied for studying network integrity and behaviour. Both methods provide information about the most relevant part of the network. In this part modulation of protein activity and of gene expression using siRNA, vector-DNA, and chemical substances were performed on human SkMCs. Subsequently, the cells were studied by proliferation and vitality tests as well as expression analyses at mRNA and protein level. Results: RAP2B and CSNK1A1 were differently expressed in two DMD siblings, and first are part of a signal transduction pathway implicating Dystrophin downstream processes. The central point of this pathway is the de- and activation of the transcription factor NFATc. Its target genes are, among others, the negative proliferation factor p21, the Dystrophin homologue UTRN, and the differentiation factor MYF5. Consequently, an increase in UTRN implicates an undesirably reduced myoblast proliferation rate. Latter was found in DMD patients and was target for further studies. But, siRNA and vector DNA experiments showed that NFATc is not the decisive factor for the target genes. Deflazacort and cyclosporin A are known to influence the activation of NFATc. The results first showed that both substances do induce myoblast proliferation. The use of deflazacort in combination with cyclosporin A resulted in an increase of UTRN expression. Conclusion: The modulation of proliferation and UTRN-expression independently of each other is possible. According to the basic idea of this study, a new therapeutic strategy becomes apparent, which considers Dystrophin downstream processes.

Information spielt in der Natur eine zentrale Rolle. Als intrinsischer Teil des genetischen Codes ist sie das Grundgerüst jeder Struktur und ihrer Entwicklung. Im Speziellen dient sie auch Organismen, ihre Umgebung wahrzunehmen und sich daran anzupassen. Die Grundvoraussetzung dafür ist, dass sie Information ihrer Umgebung sowohl messen als auch interpretieren können, wozu Zellen komplexe Signaltransduktionswege entwickelt haben. In dieser Arbeit konzentrieren wir uns auf Signalprozesse in S.cerevisiae die von osmotischem Stress (High Osmolarity Glycerol (HOG) Signalweg) und der Stimulation mit α-Faktor (Pheromon Signalweg) angesprochen werden. Wir wenden stochastische Modelle an, die das intrinsische Rauschen biologischer Prozesse darstellen können, um verstehen zu können wie Signalwege die ihnen zur Verfügung stehende Information umsetzen. Informationsübertragung wird dabei mit einem Ansatz aus Shannons Informationstheorie gemessen, indem wir sie als einen Kanal in diesem Sinne auffassen. Wir verwenden das Maß der Kanalkapazität, um die Genauigkeit des Phosphorelays einschränken zu können. In diesem Modell, simuliert mit dem Gillespie Algorithmus, können wir durch die Analyse des Signalverhaltens den Parameterraum zusätzlich stark einschränken. Eine weitere Herangehensweise der Signalverarbeitung beschäftigt sich mit dem “Crosstalk” zwischen HOG und Pheromon Signalweg. Wir zeigen, dass die Kontrolle der Signalspezifizität vor allem bei Scaffold-Proteinen liegt, die Komponenten der Signalkaskade binden. Diese konservierten Motive zellulärer Signaltransduktion besitzen eine geeignete Struktur, um Information getreu übertragen zu können. Im letzten Teil der Arbeit untersuchen wir potentielle Gründe für die evolutionäre Selektion von Scaffolds. Wir zeigen, dass ihnen bereits durch die Struktur des Mechanismus möglich ist, Informationsgenauigkeit zu verbessern und einer verteilten Informationsweiterleitung sowohl dadurch als auch durch ihre Robustheit überlegen sind. / Information plays a ubiquitous role in nature. It provides the basis for structure and development, as it is inherent part of the genetic code. It also enables organisms to make sense of their environments and react accordingly. For this, a cellular interpretation of information is needed. Cells have developed sophisticated signaling mechanisms to fulfill this task and integrate many different external cues with their help. Here we focus on signaling that senses osmotic stress (High Osmolarity Glycerol (HOG) pathway) as well as α-factor stimulation (pheromone pathway) in S.cerevisiae. We employ stochastic modeling to simulates the inherent noisy nature of biological processes to assess how systems process the information they receive. This information transmission is evaluated with an information theoretic approach by interpreting signal transduction as a transmission channel in the sense of Shannon. We use channel capacity to both constrain as well as quantify the fidelity in the phosphorelay system of the HOG pathway. In this model, simulated with the Gillespie Algorithm, the analysis of signaling behavior allows us to constrain the possible parameter sets for the system severely. A further approach to signal processing is concerned with the mechanisms that conduct crosstalk between the HOG and the pheromone pathway. We find that the control for signal specificity lies especially with the scaffold proteins that tether signaling components and facilitate signaling by trans-location to the membrane and shielding against miss-activation. As conserved motifs of cellular signal transmission, these scaffold proteins show a particularly well suited structure for accurate information transmission. In the last part of this thesis, we examine the potential reasons for an evolutionary selection of the scaffolding structure. We show that due to its structure, scaffolds are increasing information transmission fidelity and outperform a distributed signal in this regard.