Die humorale Immunantwort eines Organismus auf ein Pathogen äußert sich in einer Veränderung des Antikörperrepertoires. Eine quantitative Untersuchung dieses Prozesses erfordert aufgrund der enormen Komplexität des Immunsystems, die Verwendung von Hochdurchsatztechniken, wie Peptid-Mikroarrays. Bisher gibt es nur wenige Studien, die die Verlässlichkeit von Mikroarray-Bindungsmessungen untersuchen. In dieser Arbeit werden Bewertungskriterien für die Qualität von Antikörper-Peptid-Bindungsstudien unter Verwendung der Peptid-Mikroarraytechnologie herausgearbeitet, mit dem Ziel, diese Hochdurchsatzmethode für qualitative und quantitative Antikörper-Peptid-Bindungsmessungen zu optimieren. Anhand eines Modellsystems, das aus dem monoklonalen anti-p24 (HIV-1) Antikörper CB4-1 und 26 verschiedenen Peptiden, die mit unterschiedlicher Affinität an CB4-1 binden, besteht, werden systematisch die Bindungsdissoziationskonstanten der jeweiligen Antikörper-Peptid-Komplexe mit den durch Peptid-Mikroarray-Bindungsmessungen erhaltenen Signalintensitäten verglichen. Darüber hinaus wird in dieser Arbeit die Messung von Serumantikörperbindungsprofilen gegenüber Zufallspeptidbibliotheken als Methode der serologischen Diagnostik verwendet. Anhand dreier Beispieldatensätze wird die serologische Diagnose von Infektionskrankheiten, Autoimmunkrankheiten und von Krebs mittels Zufallspeptid-Mikroarrays demonstriert. Mithilfe von Merkmalsselektion werden Peptide selektiert, die besonders geeignet sind, um zwischen gesunden und kranken Individuen zu unterscheiden. Besondere Bedeutung wird der Untersuchung der Robustheit der Methode gegenüber schwankenden experimentellen Bedingungen beigemessen. Die vorliegende Arbeit gibt Aufschluss über vorhandene Probleme der Mikroarray-Technologie, stellt Lösungsansätze vor und arbeitet bedeutende Weiterentwicklungen auf dem Weg hin zu einer minimal-invasiven serologischen Diagnostik heraus, die kein a priori Wissen über Antigene voraussetzt. / The humoral immune response to a pathogen is associated with specific changes in the antibody repertoire. Because of the enormous complexity of the immune system, a quantitative determination of this process requires high-throughput measuring tools, such as the peptide microarray technology. There are only few reports that determine the technological reliability of peptide microarray studies. By using a model system, composed of the anti-p24 (HIV-1) monoclonal antibody CB4-1 and an array of 26 different peptides for which the CB4-1 binding affinity has independently been measured, the dissociation constants of antibody-peptide complexes are systematically compared with obtained signal intensities. The assignment of serum-antibody binding profiles using random peptide microarrays for the purpose of serological diagnostics constitutes a major part of this work. By means of three sample data sets, the ability of random peptide microarrays to serve as method of serological diagnosing infectious diseases, autoimmune diseases and cancer is demonstrated. By means of feature selection, the peptides that are exceptionally appropriate to discriminate between the investigated groups are identified. This study attaches special importance to the reliability and robustness of extracted microarray data. This thesis indicates present problems of the peptide microarray technology and presents further developments on the way to minimal-invasive serological diagnostics that do not require any a priori knowledge about antigens, and thus about the investigated diseases.

Humorale Immunantworten gehen einher mit der Veränderung der Zusammensetzung und der Konzentration des Antikörper (AK)-Repertoires. Signalintensitäts-basierte AK-Bindungsprofile (ABP), gemessen mit Zufallspeptidmikroarrays, versuchen diese Veränderungen zu detektieren, um sie für serologische Diagnostik nutzbar zu machen. Gegenstand dieser Arbeit ist die Analyse des Einflusses des AK-Repertoires auf ABP mittels eines mathematischen Modells für AK-Peptidbindung. Das Modell basiert auf dem MWG und beinhaltet als Parameter (i) AK- und Peptidsequenzen sowie (ii) AK-Konzentrationen. Die Affinität simulierter monoklonaler AK hängt nichtlinear von den Aminosäurepositionen in den Peptidsequenzen ab. Das Modell wurde mathematisch analysiert und in silico implementiert. Simulationen ergaben, dass ABP von Mischungen hochdiverser, zufällig generierter AK-Sequenzen, welche nicht durch wenige AK konzentrationsdominiert sind, genannt ideale Mischungen, linear ausschließlich mit Hilfe der Aminosäurezusammensetzung der Peptidbibliothek vorhergesagt werden können. Dieser Zusammenhang führte zu der Formulierung eines linearen Regressionsmodells, aus welchem Aminosäure-assoziierte Gewichte (AAWS) hervorgehen, welche eine kompakte, verlustfreie Abbildung von ABP idealer Mischungen darstellen. Für niedrig-diverse Mischungen ist die Vorhersagekraft des Regressionsmodells eingeschränkt. Die in vitro-Relevanz der mathematisch vorhergesagten Ensembleeigenschaften von AK-Mischungen wurde durch Inkubationen monoklonaler AK und Serum-AK mit derselben Peptidbibliothek bestätigt. Diese Arbeit zeigt, dass Kenntnisse über die Zusammensetzung einer polyklonalen Mischung essentiell für die Interpretation von ABP in Bezug auf serologische Diagnostik und Epitopkartierung sind. Die Spezifität und damit auch die Klassifizierbarkeit von ABP ist sowohl eine Funktion der untersuchten AK-Mischung als auch technologischer Faktoren. / Humoral immune responses are associated with changes of both the composition and the concentration of serum antibodies. Signal intensity- based antibody binding profiles (ABP) measured with random-sequence peptide microarrays attempt to capture these changes to render them applicable to serological diagnostics. In this work, the antibody repertoire’s impact on ABP is studied. This model is based on the law of mass action and incorporates as parameters (i) antibody and peptide sequences and (ii) antibody concentrations. The binding affinity of simulated monoclonal antibodies depends non-linearly on amino acid positions in the peptide sequences. The model was both mathematically analyzed and implemented in silico. Mathematical analysis and simulations predicted that mixtures of highly diverse random antibodies which are not dominated concentration-wise by few antibodies, termed unbiased mixtures, could be linearly predicted based only on the amino acid composition of the peptide library used. This linear relationship led to the formulation of a linear regression model of which amino acid associated-weights (AAWS) emerge as a compact, lossless representation of unbiased mixtures’ ABP. For lowly diverse antibody mixtures, this linear regression model breaks down. In order to test the in vitro relevance of the mathematically predicted ensemble properties of antibody mixtures, monoclonal and serum antibodies were incubated with the same peptide library. In conclusion, this work shows that serum antibody ensemble properties impact the genesis of ABP measured with random-sequence peptide microarrays. This thesis indicates that a knowledge of both a polyclonal mixture’s diversity and composition is essential for the interpretation of ABP with respect to both serological diagnostics and B-cell epitope mapping. Specificity, and thus classifiability, of serum ABP is a function of both the investigated antibody mixtures and technological features.