Die Reprogrammierung somatischer Zellen hat sich kürlich als leistungsfähige Technik für die Herstellung von induzierten pluripotenten Stammzellen (iPS Zellen) aus terminal differenzierten Zellen bewährt. Trotz der großen Hoffnung, die sie speziell im Bezug auf patientenspezifische Stammzelltherapie darstellt, gibt es viele Hindernisse auf dem Weg zur Anwendung in der Humanmedizin, die sich von niedrigen Effizienzen bei der technischen Umsetzung bis hin zur unerwünschten Integration von Onkogenen in das menschliche Genom erstrecken. Aus diesem Grund ist es unabdingbar, unser Verständnis der zugrundeliegenden Prozesse und Mechanismen zu vertiefen. Durch neue Datengewinnungsmethoden und stetig wachsende biologische Komplexität hat sich der Denkansatz der Systembiologie in den letzten Jahrzehnten stark etabliert und erfährt eine fortwährende Entwicklung seiner Anwendbarkeit auf komplexe biologische und biochemische Zusammenhänge. Verschiedene mathematische Modellierungsmethoden werden auf den Reprogrammierungsprozess angewendet um Engpässe und mögliche Effizienz-Optimierungen zu erforschen. Es werden topologische Merkmale eines Pluripotenznetzwerkes untersucht, um Unterschiede zu zufällig generierten Netzen und so topologische Einschränkungen des biologisch relevanten Netzwerkes zu finden. Die Optimierung eines Booleschen Modells aus einem selbst kuratierten Netzwerk in Bezug auf Genexpressionsdaten aus Reprogrammierungsexperimenten gewährt tiefgreifende Einblicke in die ersten Schritte und wichtigsten Faktoren des Prozesses. Der Transkriptionsfaktor SP1 spielt hierbei eine wichtige Rolle zur Induktion eines intermediären, transkriptionell inaktiven Zustands. Ein probabilistisches Boole''sches Modell verdeutlicht das Zusammenspiel epigenetischer und transkriptioneller Kontrollprozesse zusammen, um Pluripotenz- und Zelllinien-Entscheidungen in Reprogrammierung und Differenzierung zu treffen. Erklärungen für die geringe Effizienz werden versucht. / Somatic Cell Reprogramming has emerged as a powerful technique for the generation of induced pluripotent stem cells (iPSCs) from terminally differentiated cells in recent years. Although holding great promises for future clinical development, especially in patient specific stem cell therapy, the barriers on the way to a human application are manifold ranging from low technical efficiencies to undesirable integration of oncogenes into the genome. It is thus indispensable to further our understanding of the underlying processes involved in this technique. With the advent of new data acquisition technologies and an ever-growing complexity of biological knowledge, the Systems Biology approach has seen an evolution of its applicability to the elaborate questions and problems of researchers. Using different mathematical modeling approaches the process of somatic cell reprogramming is examined to find out bottlenecks and possible enhancements of its efficiency. I analyze the topological characteristics of a pluripotency network in order to find differences to randomly generated networks and thus deduce constraints of the biologically relevant network. The optimization of a Boolean model from a curated network against early reprogramming gene expression profiles reveals profound insights into the first steps and most important factors of the process. The transcription factor SP1 emerges to play an important role in the induction of an intermediate, transcriptionally inactive state. A probabilistic Boolean network (PBN) illustrates the interplay of transcriptional and epigenetic regulatory processes in order to explain pluripotency and cell lineage decisions in reprogramming and differentiation. Explanations for the low reprogramming efficiencies are tried.
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/17708 |
| Date | 03 November 2014 |
| Creators | Scharp, Till |
| Contributors | Klipp, Edda, Mrowka, Ralf, Blüthgen, Nils |
| Publisher | Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät I |
| Source Sets | Humboldt University of Berlin |
| Language | English |
| Detected Language | English |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | Namensnennung, http://creativecommons.org/licenses/by/3.0/de/ |
Page generated in 0.0029 seconds