Die heterogene Struktur von aus Rattenhirn isolierten Synaptischen Vesikeln wird untersucht mittels Daten aus Kleinwinkel-Röntgenstreuexperimenten unter Berücksichtigung von Daten erhalten durch cryogene Elektronenmikroskopie, dynamische Lichtstreuung und biochemische Analysen. Es werden niedrig aufgelöste Strukturmodelle des funktionellen Synaptischen Vesikels unter quasi-physiologischen Bedingungen vorgeschlagen. Details des Dichteprofils der Membran, einschließlich Beiträgen von Lipiden und Proteinen werden bestimmt. Die typische Konformation und die allgemeine laterale Organisation der Proteine in Mikrodomänen werden ermittelt. Entropische Beiträge zur freien Energie aufgrund möglicher Bildung und Auflösung der Proteinmikrodomänen auf dem Synaptischen Vesikel werden untersucht. Ferner werden zellfreie Fusionssysteme mittels dynamischer Lichtstreudaten charakterisiert und mögliche Anwendungen von Kleinwinkel-Röntgenstreuung für die Untersuchung von Membran-Fusionsprozessen erörtert.

No description available.

Single cell migration in artificial collagen gels as an in vitro model system in the context of cancer are studied. Cell and matrix mechanical properties are determined using atomic force microscopy and an advanced analysis method. Matrix pore-size is studied using a novel approach and analysis method. A novel, minimally invasive approach to determine the amount of displacement of the cell microenvironment due to force generation of single cells during migration in artificial 3D collagen gels is introduced. An automated analysis and user friendly software to analyze high-throughput cell invasion is introduced. These methods are used to study cell migration and mechanical properties of the breast cancer cell lines MDA-MB-231 and MCF-7 and the influence of cell nuclear elasticity is investigated. Using mouse embryonic fibroblasts, the role of focal adhesion kinase (FAK) during cell migration is studied using FAK deficient knock-out cell lines FAK-/- and control FAK+/+ as well as kinase-dead mutants FAKR454/R454 and control FAKWT/WT.:Abstract i Acknowledgements iii 1 Introduction 1 2 Background 5 2.1 Cancer — An ever-changing Disease 5 2.1.1 Carcinogenesis and Neoplasm 6 2.1.2 Hallmarks of Cancer 7 2.1.3 Metastasis— The malignant Progression of Cancer 7 2.1.4 Metastatic Cascade 9 2.2 The Cell— Where it begins 10 2.2.1 Actomyosin Complex 12 2.2.1.1 Actin Monomer 12 2.2.1.2 Polymerization 12 2.2.1.3 Structures 14 2.2.1.4 Actin Cortex 15 2.2.1.5 Filopodia 16 2.2.1.6 Lamellipodium 16 2.2.1.7 Invadopodium 17 2.2.1.8 Stress Fibers 17 2.2.1.9 Actin in Cancer and Metastasis 17 2.2.1.10 Myosin and Actin 18 2.2.2 Focal Adhesions 19 2.2.3 Microtubules 20 2.2.4 Intermediate Filaments 21 2.2.5 Cellular Stiffness 22 2.2.6 Nuclear Deformability 23 2.3 The Extracellular Matrix— Where it happens 24 2.3.1 Components and Structure 25 2.3.2 Collagen as a Model System 26 2.3.2.1 Collagen I Fibril Formation 27 2.3.2.2 The Rat/Bovine-Collagen-Mix Model System 28 2.4 Single Cell Migration— Why it spreads 29 3 Materials and Methods 31 3.1 Cell Culture 31 3.1.1 Cancer Cells 31 3.1.2 Mouse fibroblasts 32 3.1.3 Pharmacological treatment 34 3.2 Collagen matrices 34 3.3 Cell Elasticity 36 3.3.1 Atomic Force Microscopy 36 3.3.2 Preparation 37 3.3.3 Data Aquisition 38 3.3.4 Data Analysis 38 3.4 Matrix Stiffness 40 3.4.1 Preparation 40 3.4.2 Data Aquisition 41 3.4.3 Data Analysis 41 3.5 Invasion Assay 42 3.5.1 Preparation 42 3.5.2 Data aquisition 44 3.5.3 Data Analysis 44 3.6 Matrix Topology 48 3.6.1 Preparation 49 3.6.2 Data Acquisition 50 3.6.3 Data Analysis 51 3.6.3.1 Binarization 51 3.6.3.2 Pore-Size 53 3.6.3.3 Fiber Thickness 54 3.7 Fiber Displacement 55 3.7.1 Preparation 56 3.7.2 Data Aquisition 56 3.7.3 Data analysis 57 3.7.3.1 Fiber Displacement 59 3.7.3.2 Cell Segmentation 60 3.7.3.3 Shell Analysis 61 3.8 A toolset to understand Single Cell Migration and what influences it 62 4 Results 65 4.1 Cell Elasticity 65 4.1.1 Example Force-Distance Curves 66 4.1.2 Single Cell Elasticity 67 4.2 Matrix Stiffness 69 4.3 Invasion 71 4.4 Matrix Topology 75 4.5 Influence of Cell Nucleus on Cell Migration 79 4.5.1 Cellular Elasticity 79 4.5.2 Invasion 81 4.6 Fiber Displacement 89 4.7 Effect of FAK on Cell Invasion and Fiber Displacement 93 4.7.1 FAK Knock-Out 93 4.7.2 Kinase-dead FAK Mutant 96 5 Discussion 103 References 107 / Die Einzelzellmigration in künstlichen Kollagennetzwerken als ein in vitro Modellsystem im Kontext von Krebs wurde studiert. Mechanische Eigenschaften von Zellen und der verwendeten Kollagennetzwerke wurden mithilfe der Atomic Force Microscopy (AFM) und weiterentwickelten Analysemethoden bestimmt. Die Porengröße der verwendeten Kollagennetzwerke wurde mit einer neuentwickelten Auswertemethode analysiert. Eine neuartige, minimal-invasive Methode zur Bestimmung der Verformung der Mikroumgebung von Zellen während der Migration verursacht durch Kräftegenerierung der Zelle wird beschrieben. Die Analyse des Invasions-Assays wurde automatisiert und eine nutzerfreundliche Software entwickelt, mit der große Datenmengen ausgewertet werden können. Diese Methoden wurden verwendet, um mechanische Eigenschaften und Migration der humanen Brustkrebszellinien MDA-MB-231 und MCF-7 zu studieren. Die Rolle der focal adhesion kinase (FAK) wurde mithilfe von embryonalen Maus-Fibroblasten studiert. Sowohl eine FAK knock-out Zellinie FAK-/- und Kontrolle FAK+/+, als auch eine kinase-dead Mutante FAKR454/R454 und Kontrolle FAKWT/WT wurden hinsichtlich ihrer Invasion und Verformung der Mikroumgebung analysiert.:Abstract i Acknowledgements iii 1 Introduction 1 2 Background 5 2.1 Cancer — An ever-changing Disease 5 2.1.1 Carcinogenesis and Neoplasm 6 2.1.2 Hallmarks of Cancer 7 2.1.3 Metastasis— The malignant Progression of Cancer 7 2.1.4 Metastatic Cascade 9 2.2 The Cell— Where it begins 10 2.2.1 Actomyosin Complex 12 2.2.1.1 Actin Monomer 12 2.2.1.2 Polymerization 12 2.2.1.3 Structures 14 2.2.1.4 Actin Cortex 15 2.2.1.5 Filopodia 16 2.2.1.6 Lamellipodium 16 2.2.1.7 Invadopodium 17 2.2.1.8 Stress Fibers 17 2.2.1.9 Actin in Cancer and Metastasis 17 2.2.1.10 Myosin and Actin 18 2.2.2 Focal Adhesions 19 2.2.3 Microtubules 20 2.2.4 Intermediate Filaments 21 2.2.5 Cellular Stiffness 22 2.2.6 Nuclear Deformability 23 2.3 The Extracellular Matrix— Where it happens 24 2.3.1 Components and Structure 25 2.3.2 Collagen as a Model System 26 2.3.2.1 Collagen I Fibril Formation 27 2.3.2.2 The Rat/Bovine-Collagen-Mix Model System 28 2.4 Single Cell Migration— Why it spreads 29 3 Materials and Methods 31 3.1 Cell Culture 31 3.1.1 Cancer Cells 31 3.1.2 Mouse fibroblasts 32 3.1.3 Pharmacological treatment 34 3.2 Collagen matrices 34 3.3 Cell Elasticity 36 3.3.1 Atomic Force Microscopy 36 3.3.2 Preparation 37 3.3.3 Data Aquisition 38 3.3.4 Data Analysis 38 3.4 Matrix Stiffness 40 3.4.1 Preparation 40 3.4.2 Data Aquisition 41 3.4.3 Data Analysis 41 3.5 Invasion Assay 42 3.5.1 Preparation 42 3.5.2 Data aquisition 44 3.5.3 Data Analysis 44 3.6 Matrix Topology 48 3.6.1 Preparation 49 3.6.2 Data Acquisition 50 3.6.3 Data Analysis 51 3.6.3.1 Binarization 51 3.6.3.2 Pore-Size 53 3.6.3.3 Fiber Thickness 54 3.7 Fiber Displacement 55 3.7.1 Preparation 56 3.7.2 Data Aquisition 56 3.7.3 Data analysis 57 3.7.3.1 Fiber Displacement 59 3.7.3.2 Cell Segmentation 60 3.7.3.3 Shell Analysis 61 3.8 A toolset to understand Single Cell Migration and what influences it 62 4 Results 65 4.1 Cell Elasticity 65 4.1.1 Example Force-Distance Curves 66 4.1.2 Single Cell Elasticity 67 4.2 Matrix Stiffness 69 4.3 Invasion 71 4.4 Matrix Topology 75 4.5 Influence of Cell Nucleus on Cell Migration 79 4.5.1 Cellular Elasticity 79 4.5.2 Invasion 81 4.6 Fiber Displacement 89 4.7 Effect of FAK on Cell Invasion and Fiber Displacement 93 4.7.1 FAK Knock-Out 93 4.7.2 Kinase-dead FAK Mutant 96 5 Discussion 103 References 107

No description available.

No description available.

No description available.

No description available.

The work presented in this thesis mainly focuses on two subjects related to the application of remote sensing data: (1) for land cover classification combining optical sensor, texture features generated from spectral information and synthetic aperture radar (SAR) features, and (2) to develop a non-destructive approach for above ground biomass (AGB) and forest attributes estimation employing multi-source remote sensing data (i.e. optical data, SAR backscatter) combined with in-situ data. Information provided by reliable land cover map is useful for management of forest resources to support sustainable forest management, whereas the generation of the non-destructive approach to model forest biophysical properties (e.g. AGB and stem volume) is required to assess the forest resources more efficiently and cost-effective, and coupled with remote sensing data the model can be applied over large forest areas. This work considers study sites over tropical rain forest landscape in Indonesia characterized by different successional stages and complex vegetation structure including tropical peatland forests. The thesis begins with a brief introduction and the state of the art explaining recent trends on monitoring and modeling of forest resources using remote sensing data and approach. The research works on the integration of spectral information and texture features for forest cover mapping is presented subsequently, followed by development of a non-destructive approach for AGB and forest parameters predictions and modeling. Ultimately, this work evaluates the potential of mosaic SAR data for AGB modeling and the fusion of optical and SAR data for peatlands discrimination. The results show that the inclusion of geostatistics texture features improved the classification accuracy of optical Landsat ETM data. Moreover, the fusion of SAR and optical data enhanced the peatlands discrimination over tropical peat swamp forest. For forest stand parameters modeling, neural networks method resulted in lower error estimate than standard multi-linear regression technique, and the combination of non-destructive measurement (i.e. stem number) and remote sensing data improved the model accuracy. The up scaling of stem volume and biomass estimates using Kriging method and bi-temporal ETM image also provide favorable estimate results upon comparison with the land cover map. / Die in dieser Dissertation präsentierten Ergebnisse konzentrieren sich hauptsächlich auf zwei Themen mit Bezug zur angewandten Fernerkundung: 1) Der Klassifizierung von Oberflächenbedeckung basierend auf der Verknüpfung von optischen Sensoren, Textureigenschaften erzeugt durch Spektraldaten und Synthetic-Aperture-Radar (SAR) features und 2) die Entwicklung eines nichtdestruktiven Verfahrens zur Bestimmung oberirdischer Biomasse (AGB) und weiterer Waldeigenschaften mittels multi-source Fernerkundungsdaten (optische Daten, SAR Rückstreuung) sowie in-situ Daten. Eine zuverlässige Karte der Landbedeckung dient der Unterstützung von nachhaltigem Waldmanagement, während eine nichtdestruktive Herangehensweise zur Modellierung von biophysikalischen Waldeigenschaften (z.B. AGB und Stammvolumen) für eine effiziente und kostengünstige Beurteilung der Waldressourcen notwendig ist. Durch die Kopplung mit Fernerkundungsdaten kann das Modell auf große Waldflächen übertragen werden. Die vorliegende Arbeit berücksichtigt Untersuchungsgebiete im tropischen Regenwald Indonesiens, welche durch verschiedene Regenerations- und Sukzessionsstadien sowie komplexe Vegetationsstrukturen, inklusive tropischer Torfwälder, gekennzeichnet sind. Am Anfang der Arbeit werden in einer kurzen Einleitung der Stand der Forschung und die neuesten Forschungstrends in der Überwachung und Modellierung von Waldressourcen mithilfe von Fernerkundungsdaten dargestellt. Anschließend werden die Forschungsergebnisse der Kombination von Spektraleigenschaften und Textureigenschaften zur Waldbedeckungskartierung erläutert. Desweiteren folgen Ergebnisse zur Entwicklung eines nichtdestruktiven Ansatzes zur Vorhersage und Modellierung von AGB und Waldeigenschaften, zur Auswertung von Mosaik- SAR Daten für die Modellierung von AGB, sowie zur Fusion optischer mit SAR Daten für die Identifizierung von Torfwäldern. Die Ergebnisse zeigen, dass die Einbeziehung von geostatistischen Textureigenschaften die Genauigkeit der Klassifikation von optischen Landsat ETM Daten gesteigert hat. Desweiteren führte die Fusion von SAR und optischen Daten zu einer Verbesserung der Unterscheidung zwischen Torfwäldern und tropischen Sumpfwäldern. Bei der Modellierung der Waldparameter führte die Neural-Network-Methode zu niedrigeren Fehlerschätzungen als die multiple Regressions. Die Kombination von nichtdestruktiven Messungen (z.B. Stammzahl) und Fernerkundungsdaten führte zu einer Steigerung der Modellgenauigkeit. Die Hochskalierung des Stammvolumens und Schätzungen der Biomasse mithilfe von Kriging und bi-temporalen ETM Daten lieferten positive Schätzergebnisse im Vergleich zur Landbedeckungskarte.

No description available.

No description available.