Endocannabinoid signaling is well studied in mammals and known to be involved in numerous pathological and physiological processes. Fatty acid amide hydrolase (FAAH) terminates endocannabinoid signaling in mammals. In Physcomitrella patens, we identified nine orthologs of FAAH (PpFAAH1 to PpFAAH9) with the characteristic catalytic triad and amidase signature sequence. Kinetics of PpFAAH1 showed specificity towards anandamide (AEA) at 37°C and pH 8.0. Further biophysical and bioinformatic analyses revealed that, structurally, PpFAAH1 to PpFAAH4 were closely associated to the plant FAAH whereas PpFAAH6 to PpFAAH9 were more closely associated to the animal FAAH. A substrate entry gate or ‘dynamic paddle’ in FAAH is fully formed in vertebrates but absent or not fully developed in non-vertebrates and plants. In planta analysis revealed that PpFAAH responded differently with saturated and unsaturated N-acylethanolamines (NAEs). In vivo amidohydrolase activity showed specificity associated with developmental stages. Additionally, overexpression of PpFAAH1 indicated the need for NAEs in developmental transition. To understand and identify key molecules related to endocannabinoid signaling in P. patens, we used high-throughput RNA sequencing. We analyzed temporal expression of mRNA and long non-coding RNA (lncRNA) in response not only to exogenous anandamide but also its precursor arachidonic acid and abscisic acid (ABA, a stress hormone). From the 40 RNA-seq libraries generated, we identified 4244 novel lncRNAs. The highest number of differentially expressed genes (DEGs) for both mRNA and lncRNA were detected on short-term exposure (1 h) to AEA. Furthermore, gene ontology enrichment analysis showed that 17 genes related to activation of the G protein-coupled receptor signaling pathway were highly expressed along with a number of genes associated with organelle relocation and localization. We identified key signaling components of AEA that showed significant difference when compared with ABA. This study provides a fundamental understanding of novel endocannabinoid signaling in early land plants and a future direction to elucidate its functional role.

Das Prostatakarzinom (PCa) ist die häufigste bösartige Tumorerkrankung des Mannes in Deutschland. Im Jahr 2019 wurden über 68.000 Neuerkrankungen in Deutschland verzeichnet. Die Inzidenz des PCas korreliert mit dem Alter der Patienten. Aufgrund dessen wird jedem Mann ab dem 45. Lebensjahr eine Früherkennungsdiagnostik empfohlen. Diese beinhaltet eine digitalrektale Untersuchung (DRU) sowie die Messung des prostataspezifischen Antigens im Serum (sPSA). Zeigt sich eine dieser Untersuchungen auffällig, ist eine Prostatastanzbiopsie indiziert. Immer häufiger wird in diesem Zusammenhang eine multiparametrische Magnetresonanztomographie (mpMRT)-gestützte Biopsie durchgeführt. Dies ermöglicht eine gezielte Biopsie von hochgradig karzinomverdächtigen Läsionen mithilfe der Verwendung des Prostate Imaging Reporting and Data System (PI-RADS)-Scores. Allerdings kommt es aufgrund der geringen Spezifität des sPSAs oft zur Überdiagnostik und darauffolgend zur Übertherapie. Das Ziel ist es daher, eine spezifischere Diagnostik zu finden. Zudem ist es erforderlich, eine bessere Prognosevorhersage eines PCas zum Zeitpunkt der Erstdiagnose geben zu können. Dadurch könnte auch die Problematik der Überdiagnostik, insbesondere die ungenügende Diskriminierung zwischen Niedrigrisiko-PCas mit einem Gleason-Score (GS) < 7 und klinisch signifikanten PCas (GS ≥ 7), verringert werden. Um die Invasivität der Früherkennungsdiagnostik des PCas zu verringern, werden immer mehr Forschungen auf dem Gebiet der Blut- und Urindiagnostik – so genannten Flüssigbiopsien –betrieben. Es gibt bereits sPSA-Derivate, die eine erhöhte Spezifität und Sensitivität verglichen zum sPSA aufweisen. So zeigte bereits die Ratio aus freiem sPSA und totalem sPSA (fPSA/PSARatio) sowie die PSA-Dichte (PSAD) ein höheres diagnostisches Potential. In verschiedenen Studien konnte zudem nachgewiesen werden, dass ausgewählte mRNAs und lncRNAs, welche in diversen biologischen Prozessen involviert sind, in PCas differentiell exprimiert werden und damit ggf. ein diagnostisches Potential besitzen. In dieser Arbeit wurden ausgewählte mRNAs (AMACR, DLX1, ERG, EZH2, Hepsin, HOXC6, Prostein, PSGR, PSMA, TRMP8) und lncRNAs (MALAT1, NEAT1, PCA3, PCAT29, PCGEM1, SChLAP1) in Urinsedimenten von 75 Patienten mit PCa-Verdacht vor Prostatastanzbiopsie (01/2018-02/2019) mittels quantitativer PCR (qPCR) analysiert. Die Auswahl der Gene erfolgte in Anlehnung einer laborinternen Vorstudie zur Validierung derer Daten anhand einer weiteren Patientenkohorte. Nach Einwilligung der Patienten zur Studienteilnahme erfolgte zunächst eine Blutentnahme zur Bestimmung des sPSA-Wertes sowie eine post-DRU-Uringewinnung. Anschließend wurden die Urinzellen und die darin enthaltene RNA isoliert. Im Anschluss an die qPCR-Expressionsanalysen erfolgte die Evaluierung von ausgewählten Referenzgenen (ACPP, KLK2, PPIA, PSA, RPLP0, SPDEF, TBP) und letztendlich die Bestimmung des diagnostischen Potentials der ausgewählten Marker-RNAs mittels ROC-Kurven-Analysen inklusive der Bestimmung der Area under the Curve (AUC), Gesamttrefferquote (ACC), Sensitivität (Sens) und Spezifität (Spez). Die Referenzgene PPIA, RPLP0 und TBP wiesen die höchste Stabilität auf, sodass das geometrische Mittel dieser Gene zur Normalisierung der Markergen-Expression für diese Arbeit verwendet wurde. Da KLK2, PSA und SPDEF sich in den Analysen als Referenzgene ungeeignet zeigten, wurden sie im Verlauf ebenfalls hinsichtlich ihres diagnostischen Potentials evaluiert. Bei der Detektion jeglicher PCas in der Gesamtkohorte zeigten sich alle untersuchten klinischpathologischen Parameter (sPSA, PSAD, fPSA/PSA-Ratio, DRU, maxPI-RADS) bis auf die DRU signifikant mit AUC-Werten von 0,685-0,766 (ACC 39-75 %, Sens 33-87 %, Spez 5-78 % anhand etablierter Cut-Off-Werte). Das sPSA zeigte sich in diesem Zusammenhang zwar einerseits mit der höchsten Sensitivität von 87 %, auf der anderen Seite verzeichnete das sPSA mit Abstand sowohl die geringste Spezifität (5 %) als auch die niedrigste ACC (39 %). Die Transkripte AMACR, PCA3, PSA, PSGR und SPDEF waren in Urinsedimenten von PCa-Patienten signifikant höher exprimiert und konnten als Marker mit einem diagnostischen Potential mit AUC-Werten von 0,640- 0,702 identifiziert werden (ACC 65-70 %, Sens 50-77 %, Spez 59-81 %), wobei AMACR der beste Einzelmarker war. Die Kombination dieser fünf Marker (5-Marker-Kombi) mit und ohne Hinzunahme von sPSA, PSAD bzw. fPSA/PSA-Ratio verzeichnete signifikante AUC-Werte von 0,795-0,850 (ACC 75-76 %, Sens 73-90 %, Spez 63-76 % anhand etablierter Cut-Off-Werte). Das beste diagnostische Potential erzielte die 5-Marker-Kombi + fPSA/PSA-Ratio. Bei der Detektion klinisch signifikanter PCas (GS ≥ 7) in der Gesamtkohorte zeigten sich signifikante AUC-Werte von 0,729-0,768 bei der PSAD, der fPSA/PSA-Ratio und des maxPIRADS (ACC 68-72 %, Sens 67-86 %, Spez 60-74 % anhand etablierter Cut-Off-Werte). Bei der Detektion klinisch signifikanter PCas waren die Transkripte AMACR, PCA3, PSA und SPDEF in Urinsedimenten bei PCa-Patienten signifikant höher exprimiert und konnten als Marker mit einem diagnostischen Potential mit AUC-Werten von 0,650-0,714 identifiziert werden (ACC 68-76 %, Sens 48-71 %, Spez 68-88 %), wobei PSA der beste Einzelmarker war. Die Kombination dieser vier Marker mit und ohne Hinzunahme von sPSA, PSAD bzw. fPSA/PSA-Ratio verzeichnete signifikante AUC-Werte von 0,811-0,864 (ACC 75-76 %, Sens 71-91 %, Spez 68-78 % anhand etablierter Cut-Off-Werte). Bei der Detektion der klinisch signifikanten PCas verzeichnete die 4- Marker-Kombi sowohl allein als auch unter Hinzunahme von sPSA das beste diagnostische Potential. Bei der Detektion jeglicher PCas in der Teilkohorte mit einem sPSA ≤ 10 ng/ml erzielten alle klinisch-pathologischen Parameter bis auf die DRU signifikante AUC-Werte von 0,673-0,803 (ACC 42-76 %, Sens 55-91 %, Spez 7-90 % anhand etablierter Cut-Off-Werte). In der Teilkohorte war nur das Transkript PSGR signifikant höher exprimiert und konnte als einziger Marker mit einem diagnostischen Potential mit einem AUC-Wert von 0,683 identifiziert werden (ACC 72 %, Sens 59 %, Spez 81 %). Für die Transkripte AMACR, PCA3 und PSA konnte in dieser Teilkohorte nur per Trend ein diagnostisches Potential detektiert werden. Da in der Teilkohorte sPSA ≤ 10 ng/ml mit PSGR nur ein signifikantes Transkript nachgewiesen werden konnte, erfolgte keine Marker-Kombination. Mit dieser Arbeit konnte nachgewiesen werden, dass die in Urinsedimenten gemessenen RNAs AMACR, PCA3, PSA, PSGR und SPDEF ein diagnostisches Potential haben. Außerdem konnte gezeigt werden, dass durch die Kombination von Markern zusammen mit klinisch-pathologischen Parametern ein größeres diagnostisches Potential erzielt werden kann. Dies äußerte sich insbesondere durch eine höhere Spezifität verglichen zur alleinigen Verwendung des sPSAWertes. In dieser Arbeit präsentierten sich die klinisch-pathologischen Parameter hinsichtlich des diagnostischen Potentials überdurchschnittlich gut. So zeigten sich im Vergleich zur laborinternen Vorstudie bei der Detektion jeglicher PCas nicht nur die PSAD mit signifikanten AUC-Werten, sondern zusätzlich auch das sPSA, die fPSA/PSA-Ratio und der maxPI-RADS. Zudem konnte ein Teil der Marker der laborinternen Vorstudie mit diagnostischem Potential (AMACR, KLK2, PCA3, PSA, PSGR, SChLAP1, SPDEF) im Rahmen dieser Arbeit validiert werden. Um die Marker als diagnostisches Mittel in den klinischen Alltag zu implementieren, ist jedoch eine Validierung anhand einer größeren prospektiven Patientenkohorte nötig.:Inhaltsverzeichnis 1 Einleitung 1 1.1 Das Prostatakarzinom 1 1.1.1 Epidemiologie 1 1.1.2 Ätiologie und Prävention 1 1.1.3 Symptome und Diagnostik 3 1.1.4 Therapie 11 1.2 Wertigkeit verschiedener diagnostischer Methoden 14 1.2.1 sPSA und Derivate 14 1.2.2 DRU 18 1.2.3 TRUS 18 1.2.4 Prostatastanzbiopsie 19 1.3 Weitere Diagnosemöglichkeiten 21 1.3.1 sPSA-basierte Biomarker-Tests 21 1.3.2 Molekulare Biomarker 23 1.4 Laborinterne Vorstudie 31 2 Zielstellung 35 3 Material und Methoden 36 3.1 Material 36 3.1.1 Geräte und Verbrauchsmaterialien 36 3.1.2 Chemikalien 37 3.1.3 Software 39 3.2 Patientenkohorte 39 3.3 Methoden 40 3.3.1 Urinzellen-Isolation 40 3.3.2 RNA-Präparation 40 3.3.3 Photometrische RNA-Konzentrationsbestimmung mittels NanoDrop 41 3.3.4 RNA-Konzentrationsbestimmung und Qualitätskontrolle mittels Agilent 2100 Bioanalyzer 41 3.3.5 cDNA-Synthese 42 3.3.6 Präamplifikation 43 3.3.7 Quantitative Echtzeit-PCR 43 3.3.8 Statistik 44 4 Ergebnisse 49 4.1 Patientenkohorte 49 4.2 Evaluation der Referenzgene und Auswahl der besten Referenzgenkombination 52 4.3 CP-Werte der Markergene in der Gesamtkohorte 55 4.4 Relative Expression der Markergene 56 4.4.1 Expressionslevel in jeglichen PCas in der Gesamtkohorte 56 4.4.2 Expressionslevel in klinisch signifikanten PCas in der Gesamtkohorte 59 4.4.3 Expressionslevel in jeglichen PCas in der Teilkohorte mit sPSA ≤ 10 ng/ml 62 4.5 Expressionslevel der Markergene in Abhängigkeit von klinisch-pathologischen Parametern 64 4.6 Diagnostisches Potential für die Detektion jeglicher PCas in der Gesamtkohorte 71 4.6.1 Klinisch-pathologische Parameter 71 4.6.2 Markergene 74 4.6.3 Kombinationen von klinisch-pathologischen Parametern und Markergenen 78 4.7 Diagnostisches Potential für die Detektion klinisch signifikanter PCas (GS ≥ 7) in der Gesamtkohorte 82 4.7.1 Klinisch-pathologische Parameter 82 4.7.2 Markergene 85 4.7.3 Kombinationen von klinisch-pathologischen Parametern und Markergenen 89 4.8 Diagnostisches Potential für die Detektion jeglicher PCas in der Teilkohorte mit sPSA ≤ 10 ng/ml 92 4.8.1 Klinisch-pathologische Parameter 92 4.8.2 Markergene 95 5 Diskussion 99 5.1 Patientenkohorte 99 5.2 Evaluation der Referenzgene 100 5.3 Expressionslevel und diagnostisches Potential im Vergleich zur laborinternen Vorstudie 102 5.3.1 Klinisch-pathologische Parameter 102 5.3.2 Markergene 104 5.3.3 Kombination von klinisch-pathologischen Parametern und Markergenen 106 5.4 Expressionslevel und diagnostisches Potential im Vergleich zu anderen Studien 108 5.4.1 Überblick 108 5.4.2 AMACR 110 5.4.3 PCA3 111 5.4.4 PSGR 113 5.4.5 KLK2, PSA und SPDEF 114 5.4.6 DLX1 und HOXC6 116 5.4.7 MALAT1, SChLAP1 und PCAT29 117 5.4.8 Nicht signifikante Markergene 119 5.5 Flüssigbiopsien 121 5.6 Ausblick 122 5.6.1 MiRNAs 122 5.6.2 Urinexosomen 123 6 Zusammenfassung 124 7 Summary 127 8 Literaturverzeichnis 130 9 Abbildungsverzeichnis 151 10 Tabellenverzeichnis 153 11 Danksagung 156 12 Anhang 157 12.1 Erklärungen zur Eröffnung des Promotionsverfahrens 157 12.2 Bestätigung über Einhaltung der aktuellen gesetzlichen Vorgaben 158