Staphylococcus aureus (SA) causes nosocomial infections including life threatening sepsis by multi-resistant strains (MRSA). It has the ability to form biofilms to protect it from the host immune system and from anti staphylococcal drugs. Biofilm and planctonic life style is regulated by a complex Quorum-Sensing (QS) system with agr as a central regulator. To study biofilm formation and QS mechanisms in SA a Boolean network was build (94 nodes, 184 edges) including two different component systems such as agr, sae and arl. Important proteins such as Sar, Rot and SigB were included as further nodes in the model. System analysis showed there are only two stable states biofilm forming versus planctonic with clearly different subnetworks turned on. Validation according to gene expression data confirmed this. Network consistency was tested first according to previous knowledge and literature. Furthermore, the predicted node activity of different in silico knock-out strains agreed well with corresponding micro array experiments and data sets. Additional validation included the expression of further nodes (Northern blots) and biofilm production compared in different knock-out strains in biofilm adherence assays. The model faithfully reproduces the behaviour of QS signalling mutants. The integrated model allows also prediction of various other network mutations and is supported by experimental data from different strains. Furthermore, the well connected hub proteins elucidate how integration of different inputs is achieved by the QS network. For in silico as well as in vitro experiments it was found that the sae-locus is also a central modulator of biofilm production. Sae knock-out strains showed stronger biofilms. Wild type phenotype was rescued by sae complementation. To elucidate the way in which sae takes influence on biofilm formation the network was used and Venn-diagrams were made, revealing nodes regulated by sae and changed in biofilms. In these Venn-diagrams nucleases and extracellular proteins were found to be promising nodes. The network revealed DNAse to be of great importance. Therefore qualitatively the DNAse amount, produced by different SA mutants was measured, it was tried to dissolve biofilms with according amounts of DNAse and the concentration of nucleic acids, proteins and polysaccharides were measured in biofilms of different SA mutants.
With its thorough validation the network model provides a powerful tool to study QS and biofilm formation in SA, including successful predictions for different knock-out mutant behaviour, QS signalling and biofilm formation. This includes implications for the behaviour of MRSA strains and mutants. Key regulatory mutation combinations (agr–, sae–, sae–/agr–, sigB+, sigB+/sae–) were directly tested in the model but also in experiments. High connectivity was a good guide to identify master regulators, whose detailed behaviour was studied both in vitro and in the model. Together, both lines of evidence support in particular a refined regulatory role for sae and agr with involvement in biofilm repression and/or SA dissemination. With examination of the composition of different mutant biofilms as well as with the examination of the reaction cascade that connects sae to the biofilm forming ability of SA and also by postulating that nucleases might play an important role in that, first steps were taken in proving and explaining regulatory links leading from sae to biofilms. Furthermore differences in biofilms of different mutant SA strains were found leading us in perspective towards a new understanding of biofilms including knowledge how to better regulate, fight and use its different properties. / Staphylococcus aureus (SA) ist Auslöser nosocomialer Infektionen, darunter auch die, durch multiresistente Stämme (MRSA) verursachte, lebensbedrohliche Sepsis. Er hat die Fähigkeit Biofilme zu bilden, um sich vor dem Immunsystem des Wirtes und vor Antibiotika zu schützen. Biofilm und planktonische Lebensweise werden durch ein komplexes Quorum-Sensing (QS) System mit agr als zentralem Regulator gesteuert. Um die Biofilm Bildung und QS Mechanismen in SA zu untersuchen, wurde ein Boole´sches Netzwerk erstellt (94 Knoten, 184 Kanten) das verschiedene Zwei-Komponenten-Systeme wie agr, sae und arl mit einschließt. Wichtige Proteine wie Sar, Rot und SigB wurden als weitere Knoten im Modell eingefügt. Die Systemanalyse zeigte, dass es nur zwei stabile Zustände gibt, Biofilm bildend versus planktonisch, in denen deutlich unterschiedliche Subnetzwerke angeschaltet sind. Überprüfungen anhand von Gen-Expressions-Daten bestätigten dies. Die Netzwerkstabilität wurde zuerst an Hand von bestehendem Wissen und Literatur getestet. Zudem stimmte die vorhergesagte Aktivität der Knoten in verschiedenen in silico Knock-out Stämmen sehr gut mit den zugehörigen Micro-array Experimenten und Daten überein. Zusätzliche Validierungen schlossen die Expression weiterer Knoten (Northern Blots) und die Biofilm Produktion, verglichen durch Biofilm adherence assays, in verschiedenen Knock-out Stämmen mit ein. Das Modell spiegelt zuverlässig das Verhalten von QS-Signal Mutanten wieder. Das integrierte Modell erlaubt auch Vorhersagen von diversen anderen Netzwerk Mutationen und wird durch experimentelle Daten unterschiedlicher Stämme gestützt. Außerdem zeigen die gut vernetzten Hubproteine im Detail auf, wie die Verarbeitung unterschiedlicher Eingangssignale durch das QS-Netzwerk erreicht wird. Sowohl für in silico als auch für in vitro Experimente konnte gezeigt werden, dass der sae-Locus auch einen zentralen Modulator der Biofilm Produktion darstellt, sae Knock-out Stämme zeigten stärkere Biofilme. Der Wildtyp Phänotyp wurde durch sae Komplementierung wiederhergestellt. Um die Art und Weise, mit der sae Einfluss auf die Biofilm Bildung nimmt, aufzuklären wurde das Netzwerk genutzt und Venn-Diagramme angefertigt, welche Knoten aufzeigten, die durch sae reguliert- und in Biofilmen verändert sind. In den Venn-Diagrammen wurden Nucleasen und extrazelluläre Proteine als vielversprechende Knoten gefunden. Das Netzwerk zeigte, dass DNAse von großer Bedeutung ist. Deswegen wurde qualitativ die, durch unterschiedliche SA Mutanten produzierte, DNAse-Menge gemessen, es wurde versucht den Biofilm mit vergleichbaren DNAse-Mengen aufzulösen und die Konzentration von Nukleinsäuren, Proteinen und Polysacchariden wurde in Biofilmen unterschiedlicher SA Mutanten gemessen.
Aufgrund seiner sorgfältigen Überprüfung stellt das Netzwerk-Modell ein mächtiges Werkzeug zur Untersuchung von QS und Biofilm Bildung in SA dar, erfolgreiche Vorhersagen über das Verhalten unterschiedlicher Knock-out Mutanten, QS Signale und Biofilm Bildung eingeschlossen. Dies beinhaltet Prognosen für das Verhalten von MRSA Stämmen und Mutanten. Zentrale regulatorische Mutationskombinationen (agr–, sae–, sae–/agr–, sigB+, sigB+/sae–) wurden direkt im Model aber auch in Experimenten getestet. Hohe Konektivität war ein guter Anhaltspunkt, um Hauptregulatoren zu identifizieren, deren Verhalten in vitro und im Modell untersucht wurde. Zusammen unterstützen beide Beweisführungen im Besonderen eine präzise regulatorische Rolle von sae und agr in Bezug auf Biofilm Unterdrückung und/oder SA Ausbreitung. Mit der Untersuchung der Zusammensetzung von Biofilmen unterschiedlicher Mutanten, ebenso wie mit der Untersuchung der Reaktionskaskade die sae mit der Biofilm Bildungsfähigkeit von SA verbindet und auch dem Überprüfen der Annahme, dass Nukleasen eine bedeutende Rolle hierin spielen könnten, wurden erste Schritte unternommen, um regulatoische Interaktionen zwischen sae und Biofilmen zu belegen und zu untersuchen. Des Weiteren wurden Unterschiede in Biofilmen verschiedener mutierter SA Stämme gefunden, die uns voraussichtlich zu einem neuem Verständnis von Biofilmen und damit zu Wissen führen, wie ihre Eigenschaften reguliert, bekämpft und genutzt werden können.
| Identifer | oai:union.ndltd.org:uni-wuerzburg.de/oai:opus.bibliothek.uni-wuerzburg.de:9218 |
| Date | January 2013 |
| Creators | Audretsch, Christof |
| Source Sets | University of Würzburg |
| Language | English |
| Detected Language | German |
| Type | doctoralthesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | https://creativecommons.org/licenses/by-nc-sa/3.0/de/deed.de, info:eu-repo/semantics/openAccess |
Page generated in 0.0038 seconds