Das Herz eines Zebrafishs ist bemerkenswert, da es sich nach einer Verletzung vollständig regenerieren kann. Der Regenerationsprozess wird von Fibrose begleitet - der Bildung von überschüssigem Gewebe der extrazellulären Matrix (ECM). Anders als bei Säugetieren ist die Fibrose im Zebrafish nur transient. Viele Signalwege wurden identifiziert, die an der Herzregeneration beteiligt sind. Allerdings sind die Zelltypen, insbesondere Nicht-Kardiomyozyten, die für die Regulation des Regenerationsprozesses verantwortlich sind, weitgehend unbekannt. In dieser Arbeit haben wir systematisch alle Zelltypen des gesunden und des verletzten Zebrafischherzens mithilfe einer auf Mikrofluidik basierenden Hoch-Durchsatz- Einzelzell-RNA-Sequenzierung bestimmt. Wir fanden eine große Heterogenität von ECM-produzierenden Zellen, einschließlich einer Reihe neuer Fibroblasten, die nach einer Verletzung mit unterschiedlicher Dynamik auftreten. Wir konnten aktivierte Fibroblasten beschreiben und Fibroblasten-Subtypen mit einer pro-regenerativen Funktion identifizieren. Darüber hinaus haben wir eine Methode entwickelt, um die Transkriptomanalyse und die Rekonstruktion von Zell-Verwandtschaften auf Einzelzellebene zu kombinieren. Unter Verwendung der CRISPR-Cas9-Technologie führten wir zufällige Mutationen in bekannte und ubiquitär transkribierte DNA-Loci während der Embryonalentwicklung von Zebrafischen ein. Diese Mutationen dienten als zellspezifische, permanente und vererbbare “Barcodes”, die zu einem späteren Zeitpunkt erfasst werden konnten. Mit maßgeschneiderten Analysealgorithmen konnten wir dann Stammbäume der sequenzierten Einzelzellen erstellen. Mit dieser neuen Methode haben wir gezeigt, dass im sich regenerierenden Zebrafischherz ECM-produzierende Zellpopulationen entweder mit dem Epi- oder mit dem Endokardium verwandt sind. Zusätzlich entdeckten wir, dass vom Endokardium abgeleitete Zelltypen vom Wnt-Signalweg abhängig sind. / The zebrafish heart has the remarkable capacity to fully regenerate after injury. The regeneration process is accompanied by fibrosis - the formation of excess extracellular matrix (ECM) tissue, at the injury site. Unlike in mammals, the fibrosis of the zebrafish heart is only transient. While many pathways involved in heart regeneration have been identified, the cell types, especially non-myocytes, responsible for the regulation of the regenerative process have largely remained elusive. Here, we systematically determined all different cell types of both the healthy and cryo-injured zebrafish heart in its regeneration process using microfluidics based high-throughput single-cell RNA sequencing. We found a considerable heterogeneity of ECM producing cells, including a number of novel fibroblast cell types which appear with different dynamics after injury. We could describe activated fibroblasts that extensively switch on gene modules for ECM production and identify fibroblast sub- types with a pro-regenerative function. Furthermore, we developed a method that is capable of combining transcriptome analysis with lineage tracing on the single-cell level. Using CRISPR-Cas9 technology, we introduced random mutations into known and ubiquitously transcribed DNA loci during the zebrafish embryonic development. These mutations served as cell-unique, permanent, and heritable barcodes that could be captured at a later stage simultaneously with the transcriptome by high-throughput single-cell RNA sequencing. With custom tailored analysis algorithms, we were then able to build a developmental lineage tree of the sequenced single cells. Using this new method, we revealed that in the regenerating zebrafish heart, ECM contributing cell populations derive either from the epi- or the endocardium. Additionally, we discovered in a functional experiment that endocardial derived cell types are Wnt signaling dependent.

Das Herz ist das zentrale Kreislauforgan in unserem Körper und jede Abweichung seiner Funktion wirkt sich negativ auf die Homöostase des gesamten Körpers aus. Die Herzfunktion beruht auf der Synergie der Zellen, die das Organ bilden. Die detaillierte zelluläre Zusammensetzung sowie die Funktionalität der einzelnen Zellen müssen noch ermittelt werden, und diese Arbeit ist eine wichtige Ergänzung dieser Bemühungen. Dank der jüngsten Entwicklungen in den Einzelzelltechnologien sind wir nun in der Lage, Transkriptome einzelner Zellen aus komplexem Gewebe in beispiellosem Umfang zu charakterisieren. Im ersten Schritt eines solchen Experiments müssen die Zellen und Zellkerne aus dem Gewebe befreit und vereinzelt werden. Herzgewebe wirft in dieser Hinsicht einzigartige Herausforderungen auf, darunter die Knappheit des gesunden menschlichen Herzgewebes für die Forschung, das Vorhandensein von Kardiomyozyten, die aufgrund ihrer Größe nicht durch Microfluid-basierte Standardinstrumente passen und deren Multinukleation, sowie mögliche Voreingenommenheit verschiedener Methoden zur Gewebedissoziation. Hier präsentiere ich den umfassenden Zellatlas des gesunden erwachsenen menschlichen Herzens. Ich beginne mit der Methodenentwicklung zur Isolierung von einzelnen Zellen und Zellkernen aus Mausherzen. Um den Zellatlas des menschlichen Herzens zu erstellen, analysiere ich einen Datensatz von fast einer halben Million Einzelzellen und Zellkerne aus sechs Herzregionen von vierzehn gesunden Menschen. In diesem Atlas definieren wir 11 Hauptzelltypen und 62 Zellzustände des menschlichen Herzens. Ein tieferer Fokus wird auf das Herzgefäßsystem gelegt und die Zellen der arterio-venösen Achse sowie deren Wechselwirkungen und potenzielle Funktionalität werden definiert. Insgesamt präsentiert diese Dissertation einen komplex Datensatz aus menschlichem Herzgewebe und liefert neue Einblicke in die Biologie des gesunden Herzens mit Implikationen für kardiovaskuläre Erkrankungen. / The heart is the central circulatory organ in our bodies and any discrepancies of its function relative to healthy homeostasis negatively impact the whole body. Cardiac function relies on the synergy of all the cells that constitute the organ. The detailed cellular composition as well as the heterogeneity and functionality of the individual cells is yet to be established and this work is a major advance in this effort. Thanks to the recent developments in single cell genomics technologies, we are now able to profile transcriptomes from individual cells of complex tissues at unprecedented scale. In the first step of such an experiment, the single cells and nuclei need to be liberated from the tissue. Heart tissue presents a unique set of challenges in this regard, including the scarcity of healthy human cardiac tissue for research, large cardiomyocytes that do not fit into the standard droplet-based instruments, multinucleation of cardiomyocytes that might skew the proportions of the recovered nuclei as well as potential bias of tissue dissociation methods. Here I present a cell atlas of the free walls, apex and septum of the healthy adult human heart. I start with methods development for the isolation of single cells and single nuclei from mouse heart. Next, I move to the building of the atlas of the human cells and nuclei, where I describe the dataset of close to half a million single cells and nuclei sampled from 14 organ donors, defining 11 major cell types and 62 cell states of the heart. A deeper focus on the cardiac vasculature defined the cells of the arterio-venous axis as well as their interactions and potential functionality. Overall, this thesis presents a joined dataset of single cells and single nuclei from human cardiac tissues and provides new insights into cardiac biology in heath with implications for cardiovascular disease.

Bakterien haben eine Vielzahl an Strategien entwickelt, um sich an ständig wechselnde Umweltbedingungen anzupassen, darunter auch post-transkriptionelle regulatorische Mechanismen. Die Genexpression kann hierbei durch gezielten Abbau oder Stabilisierung von RNA durch Ribonukleasen (RNasen) reguliert werden. RNasen weisen je nach Spezies allerdings unterschiedliche Effekte auf Genexpression und bakterielle Physiologie, sowie verschiedene Strategien der Substraterkennung auf. Dies zeigt, dass unser Verständnis des RNA-Abbaus bei weitem nicht vollständig ist. Ziel dieser Arbeit ist es, die Eigenschaften und Funktionen der endoRNase Y des humanpathogenen Bakteriums Streptococcus pyogenes zu studieren. Um Einblick in Funktion und Spezifität dieser RNase zu gewinnen, wurden deren genomweite Schnittpositionen (“targetome”) mit Hilfe von RNA-Sequenzierung identifiziert. Zur weiteren Analyse des RNase Y-abhängigen RNA-Abbaus wurde dieses Ergebnis mit dem “targetome” der drei 3′-5′-Exoribonukleasen (ExoRNasen) PNPase, YhaM und RNase R verglichen. Schließlich wurden die Anforderungen für die Prozessierung durch RNase Y und deren Rolle in der Regulation von Virulenzgenen in vivo anhand der speB mRNA, die einen wichtigen Virulenzfaktor codiert, untersucht. Wir konnten in dieser Arbeit zeigen, dass RNase Y Substrate bevorzugt nach einem Guanosin schneidet und dieses Nukleosid essenziell für die Prozessierung der speB mRNA in vivo ist. Obwohl RNase Y die speB mRNA schneidet, unterstützen die Daten ein Modell nach dem RNase Y die Expression von speB auf transkriptioneller Ebene reguliert. Mit Hilfe des “targetome”-Vergleichs konnten wir ferner zeigen, dass RNase Y den RNA-Abbau in S. pyogenes initiiert und die dabei generierten 3′-Enden der RNA hauptsächlich von den 3′-5′-exoRNasen PNPase und/oder YhaM prozessiert werden. Zusammenfassend erweitern diese Erkenntnisse unser Verständnis der Funktionalität von RNase Y und des RNA-Abbaus in Gram-positiven Bakterien. / Bacteria have developed a plethora of strategies to cope with constantly changing environmental conditions, including post-transcriptional regulatory mechanisms. With this regard, regulation of gene expression can be achieved by either the rapid removal or stabilization of RNA molecules by ribonucleases (RNases). RNases exhibit species-specific effects on gene expression, bacterial physiology and different strategies of target recognition, indicating that our understanding of the RNA degradation machinery is not yet complete. The aim of this thesis was to investigate the features and functions of endoRNase Y from the strict human pathogen Streptococcus pyogenes. To gain insight into the role and specificity of this RNase, we identified RNase Y cleavage positions (i.e. targetome) genome-wide by RNA sequencing. Next, to investigate the RNA degradation pathway depending on RNase Y, we compared the RNase Y targetome with the ones of the three 3′-to-5′ exoribonuclease (exoRNases), namely PNPase, YhaM and RNase R. Finally, to dissect the requirements for RNase Y processing and to decipher the role of RNase Y in virulence gene regulation, we studied the impact of RNase Y on speB mRNA, encoding a major virulence factor. This study reveals that RNase Y preferentially cleaves RNAs downstream of a guanosine and for the first time we were able to show that the presence of a guanosine residue is essential for the processing of speB mRNA, in vivo. Although RNase Y cleaves the speB mRNA, our data underpin a model in which RNase Y-mediated regulation of speB expression occurs at the transcriptional level. Using the targetome comparative approach, we demonstrated that RNase Y initiates RNA decay in S. pyogenes and that the RNase Y-generated RNA 3′ ends are usually further trimmed by PNPase and/or YhaM. Overall, these findings increase our understanding of RNase Y functionality and RNA degradation in Gram-positive bacteria.

Im Vergleich zu anderen Krebsentitäten, konnten Patienten mit PDAC bisher kaum von Therapieerfolgen der Präzisionsmedizin profitieren. Um diese Problematik zu adressieren, habe ich eine umfassende molekularbiologische Studie durchgeführt, um prädiktive Biomarker zu identifizieren und die Risikostratifizierung der Patienten zu verfeinern. Mittels gen-spezifischer Sequenzierung und gezielter RNA-Expressionsanalyse wurden 293 R0-resezierte Patienten aus einer multizentrischen Phase-III-Studie untersucht. Ziel der klinischen Studie war der Vergleich von adjuvanter Chemotherapie mit Gemcitabin entweder mit oder ohne Zusatz von Erlotinib. Für meine Arbeit wurden die Patientenproben unter Verwendung einer nicht-negativen Matrixfaktorisierung (NMF) basierend auf ihren Einzelnukleotidvarianten (SNV) und ihren Kopienzahlveränderungen (CNA) gruppiert und auf klinische und molekularbiologische Unterschiede untersucht. Um die biologischen Hintergründe der identifizierten genetischen Besonderheiten zu verstehen, wurden anschließend Zelllinien genetisch modifiziert und in vitro modelliert. Es wurden 1086 SNVs und 4157 CNAs identifiziert. Dabei wiesen 99% aller Patienten mindestens eine genetische Veränderung auf, mit durchschnittlich 18 Aberrationen pro Patient. In Übereinstimmung mit früheren Berichten waren KRAS, TP53, CDKN2A und SMAD4 die am häufigsten betroffenen Gene. Alterationen in diesen Genen konnten in 63-93 % der Fälle nachgewiesen werden. Basierend darauf konnte ich fünf Patientengruppen identifizieren die sich in ihren biologischen Charakteristika unterscheiden und Angriffspunkte für gezielte Therapien bieten. Mittels NMF wurden zudem SMAD4alt MAPK9low als prognostische Biomarker für Erlotinib identifiziert. Anschließende in vitro Experimente zeigten, dass dies nicht auf eine Erhöhung der Erlotinib-Zelltoxizität zurückzuführen ist. Zuletzt definiere ich einen prognostischen Score der genutzt werden kann um das Überleben von R0-resizierten PDAC Patienten abzuschätzen. / In contrast to other cancer entities, PDAC patients have not benefited from recent improvements in precision medicine. To address this gap, I embarked on a comprehensive molecular study to identify predictive biomarkers and refine risk stratification. I performed targeted sequencing and targeted RNA expression analysis of 293 R0-resected patients from a multicenter phase III trial comparing adjuvant chemotherapy of gemcitabine with or without erlotinib. Patients were clustered using non-negative matrix factorization (NMF) based on their single nucleotide variant (SNV) and copy number alteration (CNA) statuses. Overall (OS) and disease-free survival (DFS) were analysed with the multivariate cox hazard and log rank tests. Finally, using a method based on CRISPR/Cas, findings from the patient cohort where modeled in vitro to assess their biological backgrounds. A total of 1,086 SNVs and 4,157 CNAs were found with at least one genetic alteration in 99% of all patients, and an average of 18 aberrations per patient. In line with previous reports, KRAS, TP53, CDKN2A, and SMAD4 were the most frequently affected genes, detected in 63–93 % of cases. In this thesis, I identified five biologically distinct patient subgroups with different actionable lesions that may serve for refined PDAC classification and tailored treatment approaches. NMF based clustering and subsequent differential expression analysis revealed SMAD4alt (SNV and/or CAN in SMAD4) MAPK9low (MAPK9 expression below median) as prognostic erlotinib biomarker. Modeling of SMAD4alt MAPK9low status in vitro showed that the effect is not based on increased erlotinib toxicity. Finally, I proposed a genetic risk score for prognostic evaluation of newly diagnosed R0-resected PDAC patients.

Der eukaryotische Zellzyklus ist ein streng regulierter Prozess, für dessen zeitlichen Ablauf unter anderem oszillierende Genexpression notwendig ist. Die Regulation und die zeitliche Koordination des Zellzyklus sind nach wie vor fundamentale Fragen der Zellbiologie. Spezifische Ereignisse, wie DNA Replikation und Zellkernteilung, können vier Zellzyklusphasen zugeordnet werden, welche durch Cyclin-abhängige Kinasen, Cycline und deren Inhibitoren reguliert werden. Während in Saccharomyces cerevisiae Cyclin-abhängige Kinasen (Cdc28, Pho85) über den gesamten Zellzyklus zu Verfügung stehen, werden Cycline und ihre Inhibitoren nur in spezifischen Phasen exprimiert. In S. cerevisiae sind drei wichtige G1-Cycline (Cln1-Cln3) in die oszillierende Genexpression involviert. In dieser Arbeit wurde die zeitaufgelöste, transkriptomweite Genexpression im Wildtyp und in Cyclindeletionsmutanten gemessen. Um die Rolle der G1-Cycline für die Feinabstimmung des Zellzykluses zu verstehen, wurden Gene nach charakteristischen Expressionsprofilen geclustert, Expressionsmaxima detektiert, ein Transkriptionsfaktornetzwerk integriert und Zellzyklusphasendauern bestimmt. Um Unterschiede zwischen der Rolle der Cycline zu verstehen, wurden die Zellen zusätzlich Osmostress ausgesetzt. Des Weiteren wurde mit Hilfe von RNA-Fluorescence In Situ Hybridization (FISH) die Expression zweier Cycline (PCL1 und PCL9), die an Pho85 binden, auf Einzelzellniveau gemessen. Um die Expression in spezifischen Zellzyklusphasen zu quantifizieren, wurden einzelne Zellen mithilfe von Zellzyklusmarkern spezifischen Zellzyklusphasen zugeordnet. Nachdem die Expression unter normalen Wachstumsbedingungen gemessen wurde, wurde zusätzlich Osmostress angewandt. Durch die Kombination einer Einzelzellquantifizierung und einer transkriptomweiten Methode konnten spezifische Aufgaben der Cycline, Cln1, Cln2 und Cln3, erforscht werden. Zusätzlich konnten backup Mechanismen für die Zellzyklusregulation entschlüsselt werden. / The eukaryotic cell cycle is a highly ordered process. For its timing and progression, oscillating gene expression is crucial. The stability of cell cycle regulation and the exact timing is still a fundamental question in cell biology. Specific events, like DNA replication and nuclear division can be assigned to four distinct phases. These events are regulated by cyclin-dependent kinases, cyclins and their inhibitors. In Saccharomyces cerevisiae cyclin-dependent kinases (Cdc28, Pho85) are present throughout the cell cycle, while cyclins and their inhibitors are only expressed and active during specific phases. The G1 cyclins Cln1-3 are essential players to induce oscillating gene expression and are thereby involved in the fine-tuning of the cell cycle. To understand the role of the G1 cyclins for exact cell cycle timing and oscillating gene expression, time-resolved, transcriptome-wide gene expression in wild type and cyclin deletion mutants were measured. Characteristic expression profiles were clustered, precise peak times for each gene were estimated, a transcription factor network was integrated and cell cycle phase durations were defined. To further understand the role and differences of each cyclin osmostress was applied. Furthermore the expression of two cyclins (PCL1 and PCL9) corresponding to the cyclin-dependent kinase Pho85 was measured in single cells. Using RNA-Fluorescence In Situ Hybridization (FISH) and cell cycle progression markers, high and low expression phases and absolute numbers of mRNAs were obtained. Gene expression was quantified under normal and osmostressed growth conditions to understand the necessity of the cyclins for osmostress adaptation in different cell cycle phases. By the combination of a single cell and a transcriptome-wide approach distinct roles of G1 cyclins Cln1, Cln2 and Cln3 were deciphered and an insight in the backup mechanisms during cell cycle progression for normal and osmostressed growth conditions were proposed.

Der Ribonukleinsäure (RNS) Stoffwechsel umfasst verschiedene Schritte, beginnend mit der Transkription der RNS über die Translation bis zum RNA Abbau. Poly(A) Schwänze befinden sich am Ende der meisten der Boten-RNS, schützen die RNA vor Abbau und stimulieren Translation. Die Deadenylierung von Poly(A) Schwänzen limitiert den Abbau von RNS. Bisher wurde RNS Abbau meist im Kontext von cytoplasmatischen Prozessen untersucht, ob und wie RNS Deadenylierung und Abbau in Nukleus erfolgen ist bisher unklar. Es wurde daher eine neue Methode zur genomweiten Bestimmung von Poly(A) Schwanzlänge entwickelt, welche FLAM-Seq genannt wurde. FLAM-Seq wurde verwendet um Zelllinien, Organoide und C. elegans RNS zu analysieren und es wurde eine signifikante Korrelation zwischen 3’-UTR und Poly(A) Länge gefunden, sowie für viele Gene ein Zusammenhang von alternativen 3‘-UTR Isoformen und Poly(A) Länge. Die Untersuchung von Poly(A) Schwänzen von nicht-gespleißten RNS Molekülen zeige, dass deren Poly(A) Schwänze eine Länge von mehr als 200 nt hatten. Die Analyse wurde durch eine Inhibition des Spleiß-Prozesses validiert. Die Verwendung von Methoden zur Markierung von RNS, welche die zeitliche Auflösung der RNS Prozessierung ermöglicht, deutete auf eine Deadenylierung der Poly(A) Schwänze schon wenige Minuten nach deren Synthesis hin. Die Analyse von subzellulären Fraktionen zeigte, dass diese initiale Deadenylierung ein Prozess im Nukleus ist. Dieser Prozess ist gen-spezifisch und Poly(A) Schwänze von bestimmten Typen von Transkripten, wie nuklearen langen nicht-kodierende RNS Molekülen waren nicht deadenyliert. Um Enzyme zu identifizieren, welche die Deadenylierung im Zellkern katalysieren, wurden verschiedene Methoden wie RNS-abbauende Cas Systeme, siRNAs oder shRNA Zelllinien verwendet. Trotz einer effizienten Reduktion der RNS Expression entsprechender Enzymkomplexe konnten keine molekularen Phänotypen identifiziert werden welche die Poly(A) Länge im Zellkern beeinflussen. / The RNA metabolism involves different steps from transcription to translation and decay of messenger RNAs (mRNAs). Most mRNAs have a poly(A) tail attached to their 3’-end, which protects them from degradation and stimulates translation. Removal of the poly(A) tail is the rate-limiting step in RNA decay controlling stability and translation. It is yet unclear if and to what extent RNA deadenylation occurs in the mammalian nucleus. A novel method for genome-wide determination of poly(A) tail length, termed FLAM-Seq, was developed to overcome current challenges in sequencing mRNAs, enabling genome-wide analysis of complete RNAs, including their poly(A) tail sequence. FLAM-Seq analysis of different model systems uncovered a strong correlation between poly(A) tail and 3’-UTR length or alternative polyadenylation. Cytosine nucleotides were further significantly enriched in poly(A) tails. Analyzing poly(A) tails of unspliced RNAs from FLAM-Seq data revealed the genome-wide synthesis of poly(A) tails with a length of more than 200 nt. This could be validated by splicing inhibition experiments which uncovered potential links between the completion of splicing and poly(A) tail shortening. Measuring RNA deadenylation kinetics using metabolic labeling experiments hinted at a rapid shortening of tails within minutes. The analysis of subcellular fractions obtained from HeLa cells and a mouse brain showed that initial deadenylation is a nuclear process. Nuclear deadenylation is gene specific and poly(A) tails of lncRNAs retained in the nucleus were not shortened. To identify enzymes responsible for nuclear deadenylation, RNA targeting Cas-systems, siRNAs and shRNA cell lines were used to different deadenylase complexes. Despite efficient mRNA knockdown, subcellular analysis of poly(A) tail length by did not yield molecular phenotypes of changing nuclear poly(A) tail length.

Artenübergreifende Interaktionen helfen uns, Krankheitsmechanismen zu verstehen und Targets für Therapien zu finden. Die Koexpression von Genen, gemessen an der mRNA-Häufigkeit, kann Interaktionen zwischen Wirt und Pathogen aufzeigen. Die RNA-Sequenzierung von Wirt und Pathogen wird als "duale RNA-Sequenzierung" bezeichnet. Malaria ist eine der am besten untersuchten parasitären Krankheiten, so dass eine Fülle von RNA-seq-Datensätzen öffentlich zugänglich ist. Die Autoren führen entweder duale RNA-seq durch, um den Wirt und den Parasiten gleichzeitig zu untersuchen, oder sie erhalten kontaminierende Sequenzierungs-Reads aus dem Nicht-Zielorganismus. Ich habe eine Meta-Analyse durchgeführt, bei diese beiden Arten von RNA-seq-Studien verwendet wurden, um über korrelierte Genexpression auf Wirt-Parasit-Interaktionen zu schließen. Ich habe Studien mit Homo sapiens, Mus musculus und Macaca mulatta als Wirte und ihre Plasmodium-Parasiten einbezogen. Ich benutzte orthologe Einzelkopien von Genen, um ein Repertoire von Interaktionen bei Malaria und in diesen Modellsystemen zu erstellen. Ich verknüpfte die Daten von 63 Plasmodium-Phasen-spezifischen Studien und reduzierte die Zahl der Interaktionen von potenziell 56 Millionen auf eine kleinere, relevantere Menge. Die Zentralität in den Netzwerken der Blutphasen konnte die Essentialität der Plasmodium-Gene erklären. Das aus den verketteten Daten sagte die Genessenzialität besser vor als die einzelnen Studien - ein Vorteil der Meta-Analyse. Neutrophile und Monozyten Immunmarkergene waren überrepräsentiert, was auf eine Fülle von phagozytären und respiratorischen Reaktionen hindeutet. Die Analyse der Leberphase ergab Wirts- und Parasitenprozesse in frühen und späten Entwicklungsphasen. Ich fand bekannte Wirt-Parasit-Interaktionen, die für beide Phasen gleich sind, sowie bisher unbekannte Interaktionen. Dieses Prinzip lässt sich auch auf andere Krankheiten anwenden, um Mechanismen und therapeutische Ziele zu verstehen. / Cross-species interactions help us understand disease mechanisms and find targets for therapy. Gene co-expression, measured by mRNA abundance, can identify host-pathogen interactions. The RNA-sequencing of host and pathogen is termed “dual RNA-sequencing”. Malaria is one of the most studied eukayotic parasitic diseases, making an abundance of RNA-seq data sets publicly available. Authors either perform dual RNA-seq to study the host and parasite simultaneously or acquire contaminant sequencing reads from the non-target organism. I performed a meta-analysis using these two kinds of RNA-seq studies to infer host-parasite interactions using correlated gene expression. I included studies of Homo sapiens, Mus musculus and Macaca mulatta as hosts and their corresponding Plasmodium parasites. I used single-copy orthologous genes to generate a repertoire of interactions in human malaria and in these model systems. I found 63 malaria RNA-seq studies. I concatenated sequencing runs from Plasmodium stage-specific studies and reduced the number of interactions from a potential 56 million to a smaller, more relevant set. Centrality in the blood stage networks was able to explain Plasmodium gene essentiality. The network from the concatenated data predicted gene essentiality better than the individual studies, indicating a benefit of the meta-analysis. Immune marker genes for neutrophils and monocytes were over-represented, suggesting an abundance of phagocytic and respiratory burst-related responses. The liver stage analysis revealed linked host and parasite processes at early stages until late developmental stages. I found linked host and parasite processes that are common to the two stages, e.g. parasite cell gliding and invasion and host response to hypoxia and immune response. I showed that existing data can be explored for new information. This principle can be applied to other diseases to understand mechanisms and therapeutic targets.

Über die letzten Jahre haben sich Einzelzelldaten als Trend in der Bioinformatik etabliert, was zu umfangreichen Datensätzen führte. Die Entwicklung von Analysemethoden für solche Daten hat jedoch nicht mit deren Produktion Schritt gehalten. Diese Arbeit befasst sich mit einigen Problemen, die beim Analysieren von Einzelzelldaten auftreten. Das zweite Kapitel enthält eine Analyse von scRNA-seq-Daten von Darmkrebspatienten und Organoiden. Es werden Entwicklungstrajektorien des Darms beschrieben. Anschließend werden Signalgradienten dieser Achsen charakterisiert, insbesondere MAPK- und WNT-Signale. Weiter wird gezeigt, wie RNA velocity basierend auf metabolischen labeling ähnliche Trajektorien in Organoiden aufzeigen kann. Schließlich werden Auswirkungen von Signalwegenhemmung auf die Entwicklungstrajektorien im Detail beschrieben. Das dritte Kapitel bietet einen noch nie dagewesenen Einblick in frühe Stadien von COVID-19 in der Lunge. Verwendete scRNA-seq Daten stammen aus Lungengewebeproben etablierter Hamstermodelle, die mehrere Spezies, SARS-CoV-2-Dosen und Zeitpunkte umfassen, und die ich mit entsprechenden Daten von menschlichen Patienten vergleiche. Für die Analyse zentraler Zelltypen, die den unterschiedlichen Krankheitsverläufen zugrunde liegen, wende ich post-hoc Interpretation auf sonst unzugängliche latent spaces von diffusionmaps an, die neue Einblicke in die zelluläre Pathogenese von COVID-19 bieten. Im letzten Kapitel stelle ich scperturb vor, die größte Sammlung von perturbierten Einzelzelldaten. Ich zeige, wie E-Statistik verwendet werden kann, um solche Daten auf statistisch fundierte Weise zu analysieren. Verzerrungen werden mittels eines neuen Term zur Korrektur der E-Distanz beseitigt. Anschließlich untersuche ich Robustheit der E-Statistiken für einige Analyseszenarien, wie die COVID-19 Daten aus vorherigen Kapitel. Schließlich leite ich Richtlinien für die experimentelle Planung von Einzelzell-Perturbationsstudien mit robuster Statistik ab. / In recent years, single-cell data has emerged as leading trend in bioinformatics, resulting in the generation of substantial datasets. However, development of analysis methods for single-cell data has not kept pace with its production, presenting challenges for analysts. This thesis addresses some of the most pressing issues encountered during the analysis of single-cell data. After a short introductory chapter, the second chapter deals with the problem of arranging single-cell transcriptomes based on biological trajectories, and how these correlate with signaling pathways, specifically those relevant as targets for potential treatments. This thesis demonstrates how RNA velocity based on metabolic labeling can recover similar trajectories in organoids, identifying WNT and MAPK as underlying signaling pathways for development in normal and colon cancer organoids. The third chapter provides an unprecedented view into early stages of COVID-19 in the lungs. For the analysis of key cell types underlying divergent COVID-19 outcomes I apply post-hoc interpretation methods to otherwise inaccessible latent spaces of diffusion maps, revealing new insights into the cellular pathogenesis of COVID-19. Used scRNA-seq data is derived from lung tissue samples of established hamster models, encompassing multiple species, varying SARS-CoV-2 doses, and time points, which I then compare to data from human patients. In the fourth chapter, I present scperturb, the largest collection of single-cell perturbation data. I show how E-statistics can be used to analyze such data in a statistically sound way. After introducing a new bias-correction term to the calculation of E-distances, I investigate the robustness of resulting E-statistics for various analysis scenarios, such as the COVID-19 data from the previous chapter. Finally, I derive guidelines for the experimental design of single-cell perturbation studies such that robust statistics can be achieved.

Cellular function and physiology are largely established through regulated gene expression. The first step in gene expression, transcription of the genomic DNA into RNA, is a process that is highly aligned at the levels of initiation, elongation and termination. In eukaryotes, protein-coding genes are exclusively transcribed by RNA polymerase II (Pol II). Upon transcription of the first 15-20 nucleotides (nt), the emerging nascent RNA 5’ end is modified with a 7-methylguanosyl cap. This is one of several RNA modifications and processing steps that take place during transcription, i.e. co-transcriptionally. For example, protein-coding sequences (exons) are often disrupted by non-coding sequences (introns) that are removed by RNA splicing. The two transesterification reactions required for RNA splicing are catalyzed through the action of a large macromolecular machine, the spliceosome. Several non-coding small nuclear RNAs (snRNAs) and proteins form functional spliceosomal subcomplexes, termed snRNPs. Sequentially with intron synthesis different snRNPs recognize sequence elements within introns, first the 5’ splice site (5‘ SS) at the intron start, then the branchpoint and at the end the 3’ splice site (3‘ SS). Multiple conformational changes and concerted assembly steps lead to formation of the active spliceosome, cleavage of the exon-intron junction, intron lariat formation and finally exon-exon ligation with cleavage of the 3’ intron-exon junction. Estimates on pre-mRNA splicing duration range from 15 sec to several minutes or, in terms of distance relative to the 3‘ SS, the earliest detected splicing events were 500 nt downstream of the 3‘ SS. However, the use of indirect assays, model genes and transcription induction/blocking leave the question of when pre-mRNA splicing of endogenous transcripts occurs unanswered. In recent years, global studies concluded that the majority of introns are removed during the course of transcription. In principal, co-transcriptional splicing reduces the need for post-transcriptional processing of the pre-mRNA. This could allow for quicker transcriptional responses to stimuli and optimal coordination between the different steps. In order to gain insight into how pre-mRNA splicing might be functionally linked to transcription, I wanted to determine when co-transcriptional splicing occurs, how transcripts with multiple introns are spliced and if and how the transcription termination process is influenced by pre-mRNA splicing. I chose two yeast species, S. cerevisiae and S. pombe, to study co-transcriptional splicing. Small genomes, short genes and introns, but very different number of intron-containing genes and multi-intron genes in S. pombe, made the combination of both model organisms a promising system to study by next-generation sequencing and to learn about co-transcriptional splicing in a broad context with applicability to other species. I used nascent RNA-Seq to characterize co-transcriptional splicing in S. pombe and developed two strategies to obtain single-molecule information on co-transcriptional splicing of endogenous genes: (1) with paired-end short read sequencing, I obtained the 3’ nascent transcript ends, which reflect the position of Pol II molecules during transcription, and the splicing status of the nascent RNAs. This is detected by sequencing the exon-intron or exon-exon junctions of the transcripts. Thus, this strategy links Pol II position with intron splicing of nascent RNA. The increase in the fraction of spliced transcripts with further distance from the intron end provides valuable information on when co-transcriptional splicing occurs. (2) with Pacific Biosciences sequencing (PacBio) of full-length nascent RNA, it is possible to determine the splicing pattern of transcripts with multiple introns, e.g. sequentially with transcription or also non-sequentially. Part of transcription termination is cleavage of the nascent transcript at the polyA site. The splicing status of cleaved and non-cleaved transcripts can provide insights into links between splicing and transcription termination and can be obtained from PacBio data. I found that co-transcriptional splicing in S. pombe is similarly prevalent to other species and that most introns are removed co-transcriptionally. Co-transcriptional splicing levels are dependent on intron position, adjacent exon length, and GC-content, but not splice site sequence. A high level of co-transcriptional splicing is correlated with high gene expression. In addition, I identified low abundance circular RNAs in intron-containing, as well as intronless genes, which could be side-products of RNA transcription and splicing. The analysis of co-transcriptional splicing patterns of 88 endogenous S. cerevisiae genes showed that the majority of intron splicing occurs within 100 nt downstream of the 3‘ SS. Saturation levels vary, and confirm results of a previous study. The onset of splicing is very close to the transcribing polymerase (within 27 nt) and implies that spliceosome assembly and conformational rearrangements must be completed immediately upon synthesis of the 3‘ SS. For S. pombe genes with multiple introns, most detected transcripts were completely spliced or completely unspliced. A smaller fraction showed partial splicing with the first intron being most often not spliced. Close to the polyA site, most transcripts were spliced, however uncleaved transcripts were often completely unspliced. This suggests a beneficial influence of pre-mRNA splicing for efficient transcript termination. Overall, sequencing of nascent RNA with the two strategies developed in this work offers significant potential for the analysis of co-transcriptional splicing, transcription termination and also RNA polymerase pausing by profiling nascent 3’ ends. I could define the position of pre-mRNA splicing during the process of transcription and provide evidence for fast and efficient co-transcriptional splicing in S. cerevisiae and S. pombe, which is associated with highly expressed genes in both organisms. Differences in S. pombe co-transcriptional splicing could be linked to gene architecture features, like intron position, GC-content and exon length.

DNA methylation is an essential epigenetic feature for the regulation and maintenance of heterochromatin. Satellite DNA is a repetitive sequence component that often occurs in large arrays in heterochromatin of subtelomeric, intercalary and centromeric regions. Knowledge about the methylation status of satellite DNA is important for understanding the role of repetitive DNA in heterochromatization. In this study, we investigated the cytosine methylation of the ancient satellite family pEV in the wild beet Beta procumbens. The pEV satellite is widespread in species-specific pEV subfamilies in the genus Beta and most likely originated before the radiation of the Betoideae and Chenopodioideae. In B. procumbens , the pEV subfamily occurs abundantly and spans intercalary and centromeric regions. To uncover its cytosine methylation, we performed chromosome-wide immunostaining and bisulfite sequencing of pEV satellite repeats. We found that CG and CHG sites are highly methylated while CHH sites show only low levels of methylation. As a consequence of the low frequency of CG and CHG sites and the preferential occurrence of most cytosines in the CHH motif in pEV monomers, this satellite family displays only low levels of total cytosine methylation.