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

Übergewichtige Personen, die keine fettleibigkeitsbedingten metabolischen Komplikationen zeigen, wurden als 'metabolisch gesund fettleibig' (MHO, Metabolically healthy obesity) definiert. Im Gegensatz zu metabolisch ungesunden fettleibigen (MUO, Metabolically unhealthy obesity) Individuen zeigen MHOs keine metabolischen Störungen wie Bluthochdruck, Dyslipidämie, Insulinresistenz und Entzündung [50]. Aufgrund des Mangels an allgemein akzeptierten Kriterien ist die genaue Definition des MHO-Status jedoch immer noch umstritten. Es wird allgemein angenommen, dass die MHO-Definition von der Einführung zusätzlicher Biomarker profitieren könnte, welche wiederum zur Klärung der zugrunde liegenden Mechanismen metabolischer Komplikationen herangezogen werden können [24]. Darüber hinaus hat sich die klinische Forschung hauptsächlich auf Erwachsene konzentriert, und es liegen nur wenige Studien zu MHO bei jungen Menschen vor. Daher wird die Untersuchung des MHO-Status in der jungen Bevölkerung unter Verwendung gut etablierter und potentiell neuer Indikatoren als wesentlich angesehen, um einen positiven Beitrag zur Prävention und/oder Behandlung von zukünftigen fettleibigkeitsbezogenen Krankheiten zu leisten. Unter den möglichen neuen Biomarkern wurde festgestellt, dass Serumharnsäure (Serum-UA) eine wichtige Rolle als kardiometabolischer Risikofaktor [22] für Adipositas-assoziierte Komorbiditäten bei Kindern und Jugendlichen spielt. Dennoch haben nur wenige Studien den Zusammenhang zwischen dieser biochemischen Variablen und MHO in der jungen Bevölkerung untersucht. Der Schwerpunkt der vorliegenden Studie lag auf der Identifizierung potenzieller klinischer und metabolischer Indikatoren, die zur Unterscheidung zwischen MHO- und MUO-Phänotypen beitragen können. Die anthropometrischen, klinischen und biochemischen Merkmale von 458 Kindern und Jugendlichen wurden analysiert und diskutiert. MHO- und MUO-Individuen repräsentieren 38% bzw. 16% der dieser Grupe. Der häufigste kardiovaskuläre Risikofaktor bei MUO-Patienten war Hypertriglyceridämie (54,2%), gefolgt von niedrigem Serum-HDL-C (45,8%), Hypertonie (19,5%) und gestörter Glukosetoleranz (14,7%). Zusammenfassend deuten diese Ergebnisse darauf hin, dass eine frühzeitige Identifizierung von MUO in der Jugend möglich ist, wodurch eine frühzeitige Erkennung möglicher metabolischer Komplikationen gewährleistet ist. Verglichen mit der MUO-Gruppe zeigten MHO-Individuen niedrigere Nüchterninsulinwerte, Triglyceride, Blutdruck, Nüchternglucose und höhere Insulinsensitivität sowie niedrigere Serumharnsäure-, hs-CRP-, Albumin- und C-Peptidspiegel. Interessanterweise wurden im Gegensatz zu früheren Studien in den MHO- und MUO-Gruppen ähnlich hohe Werte für die Marker der Leberfunktion, einschließlich der zirkulierenden Konzentrationen von ALT, AST und alkalischer Phosphatase, festgestellt. Dieses Ergebnis legt nahe, dass niedrigere Leberenzyme zu dem günstigen metabolischen Profil von MHO-Individuen beitragen könnten. Darüber hinaus fördert diese Forschung ein besseres Verständnis der Wirkung potenzieller Indikatoren, die verwendet werden können, um MHO von MUO zu unterscheiden, insbesondere mit dem Fokus auf Serum-UA. Die Ergebnisse dieser Arbeit zeigen, dass Serum-UA mit mehreren kardiometabolischen Risikofaktoren assoziiert ist, die normalerweise mit Fettleibigkeit in Verbindung gebracht werden, wie Serumtriglycerid SDS, systolischer Blutdruck, C-Peptid und Cystatin C. Keine signifikante Beziehung zwischen Glukose-SDS und Serum-UA-Spiegeln wurde gefunden. Höhere Serumspiegel von UA erwiesen sich als signifikanter Indikator für den MUO-Phänotyp. Höhere C-Peptid-Spiegel, Taillenumfangs-SDS und Pubertätstadium sind mit einer höheren Wahrscheinlichkeit des MUO-Status assoziiert. Umgekehrt zeigte das Geschlecht der Person keine signifikante Wirkung. Hs-CRP und Albumin waren keine signifikanten MUO-Indikatoren, wenn sie nach Alter, Geschlecht, Pubertät und BMI-SDS kontrolliert wurden. Die in dieser Arbeit präsentierten Ergebnisse könnten für eine bessere Unterscheidung zwischen MUO- und MHO-Phänotypen nützlich sein und adipositasbedingte Komorbiditäten frühzeitig im Leben behandeln. Längsschnittstudien in größeren Kohorten mit jüngeren Individuen werden als ein vernünftiger nächster Schritt angesehen, um das Ergebnis dieser Arbeit zu bestätigen und zu erweitern. Mögliche zukünftige Untersuchungen könnten zusätzliche Eigenschaften und Wirkungen von MHO/MUO-Indikatoren betreffen. Zum Beispiel, wie der Serum-UA-Spiegel durch Konsum zuckergesüßter Erfrischungsgetränke und Alkohol beeinfluss wird.:LIST OF ABBREVIATIONS III I. BIBLIOGRAPHISCHE BESCHREIBUNG IV 1 INTRODUCTION 1.1 Obesity and associated diseases, a world health threat 1.1.1 Definitions and classifications of overweight and obesity 1.2 A ‘metabolic healthy’ type of obesity 1.2.1 Distinguishing characteristics of healthy obesity 1.3 Physiology of uric acid (UA) 1.3.1 Serum UA and cardiometabolic risk factors 1.3.2 Serum UA and type 2 diabetes 1.3.3 Serum UA and hypertension 1.3.4 Serum UA and kidney-related complications 1.3.5 Connection between Serum UA levels and metabolic health status THE PROJECT RESEARCH 1.4 Research question and hypotheses 1.5 The LIFE-Child study 2 PUBLICATION MANUSCRIPT REFERENCES 3 ZUSAMMENFASSUNG DER ARBEIT REFERENCES ANLAGEN II. Supplement Material III. Erklärung über die eigenständige Abfassung der Arbeit IV. Curriculum Vitae V. List of publications and conference participations VI. Acknowledgments / Obese individuals that do not show obesity-related metabolic complications have been defined as “metabolically healthy obese” (MHO). Unlike metabolic unhealthy obese (MUO) individuals, MHO do not show several metabolic disorders, such as hypertension, dyslipidemia, insulin resistance and inflammation. However, due to the lack of universally accepted criteria, the precise definition of the MHO status is still controversial. It is widely believed that the MHO definition might benefit from the introduction of additional biomarkers, which in turn can be used to clarify the underlying mechanisms of metabolic complications. Futhermore, clinical research has mostly focused on adults and few studies addressing MHO in young individuals are available. Therefore, the investigation of the MHO status in the young population, by using well-established and potential new indicators, is considered essential to positively contribute to prevention and/or treatment of future obese-related diseases. Among the possible potential new biomarker, serum uric acid (serum UA) has been found to play an important role as a cardiometabolic risk factor44 for obesity-related comorbidities in children and adolescents. Nonetheless, very few studies have investigated the association between this biochemical variable and MHO in the young population. The focus of the present study was to identify potential clinical and metabolic indicators that may help to distinguish between MHO and MUO phenotypes. The anthropometric, clinical and biochemical characteristics of 458 children and adolescents were analyzed and discussed. MHO and MUO individuals represent 38% and 16% of the overweight/obese population, respectively. The most frequent cardiovascular risk factor found in MUO individuals was hypertriglyceridemia (54.2%), followed by low serum HDL-C (45.8%), hypertension (19.5%) and impaired glucose tolerance (14.7%). Altogether, these findings suggest that early identification of MUO is possible during youth, thereby ensuring the early addressing of potential metabolic complications. Compared to the MUO group, MHO individuals showed lower fasting insulin values, triglycerides, blood pressure, fasting glucose and higher insulin sensitivity, as well as lower serum uric acid, hs-CRP, albumin and C-peptide levels. Interestingly, in contrast to previous studies, markers of liver function, including circulating concentrations of ALT, AST and alkaline phosphatase, were found to be similarly high in MHO and MUO groups. This finding suggests that lower levels of hepatic enzymes could contribute to the favorable metabolic profile of MHO individuals. In addition, the research promotes a better understanding of the action of potential indicators that can be used to distinguish MHO from MUO, especially focusing on serum UA. The results of this thesis revealed that serum UA is associated with several cardiometabolic risk factors usually linked with obesity, such as serum triglyceride SDS, systolic blood pressure, C-peptide and Cystatin C. No significant relationship between glucose-SDS and serum UA levels has been found. Higher levels of serum UA were found to be a significant indicator of the MUO phenotype. Higher levels of C-peptide, waist circumference SDS and pubertal stage are associated to higher likelihood of MUO status. Conversely, the individual’s gender showed no significant effect. Hs-CRP and albumin were non-significant MUO indicators when controlled for age, gender, pubertal stage and BMI-SDS. The results presented in this thesis might be valuable for a better distinction between MUO and MHO phenotypes and to properly address obesity-related comorbidities early in life. Longitudinal studies in larger cohorts with younger individuals are seen as a sensible next step to confirm and expand the outcome of this work. Possible future investigations might address additional properties and effects of MHO/MUO indicators, for instance by studying how serum UA levels are affected by alcohol consumption and sugar-sweetened soft drinks.:LIST OF ABBREVIATIONS III I. BIBLIOGRAPHISCHE BESCHREIBUNG IV 1 INTRODUCTION 1.1 Obesity and associated diseases, a world health threat 1.1.1 Definitions and classifications of overweight and obesity 1.2 A ‘metabolic healthy’ type of obesity 1.2.1 Distinguishing characteristics of healthy obesity 1.3 Physiology of uric acid (UA) 1.3.1 Serum UA and cardiometabolic risk factors 1.3.2 Serum UA and type 2 diabetes 1.3.3 Serum UA and hypertension 1.3.4 Serum UA and kidney-related complications 1.3.5 Connection between Serum UA levels and metabolic health status THE PROJECT RESEARCH 1.4 Research question and hypotheses 1.5 The LIFE-Child study 2 PUBLICATION MANUSCRIPT REFERENCES 3 ZUSAMMENFASSUNG DER ARBEIT REFERENCES ANLAGEN II. Supplement Material III. Erklärung über die eigenständige Abfassung der Arbeit IV. Curriculum Vitae V. List of publications and conference participations VI. Acknowledgments