Cyanobakterien sind die einzig bekannten Prokaryoten, die in der Lage sind oxygene Photosynthese zu betreiben. Sie besitzen ein großes Potenzial als nachhaltige Ressourcen für die Herstellung zahlreicher industriell und medizinisch relevanter Wirkstoffe. Trotz ihrer essentiellen Bedeutung ist jedoch das Wachstum von Cyanobakterien bis jetzt nur unzureichend verstanden.
Im Rahmen dieser Arbeit habe ich daher ein mathematisches Modell entwickelt, das das Wachstum von Cyanobakterien auf der Grundlage von intrazellulärer Proteinverteilung beschreibt. Dabei wurde das Proteom in wenige relevante Protein-Klassen unterteilt, die an fundamentalen zellulären Prozessen beteiligt sind, darunter Kohlenstoffaufnahme, -fixierung und -stoffwechsel, sowie Photosynthese und Proteintranslation. Besonders interessant sind die aus dem Modell resultierenden sogenannten mikrobiellen Wachstumsgesetze, sprich die Korrelationen zwischen der Wachstumsrate und der Proteinverteilung, die im stationären Zustand des Wachstums beobachtet werden. Das Modell prognostiziert eine charakteristische Krümmung für die Wachstumsgesetze jener Proteine, welche mit Lichtabsorption und Proteintranslation assoziiert werden. Verursacht wird diese Krümmung durch hohe Lichtintensitäten, die eine Abnahme der Wachstumsrate zur Folge haben. Die prognostizierten Wachstumsgesetze werden durch Proteindaten, die mittels Massenspektrometrie erhoben wurden, vom Cyanobakterium Synechocystis sp. PCC 6803 gestützt.
Des Weiteren bietet das Modell einen geeigneten Ausgangspunkt für die Erweiterung von der Charakterisierung von Einzelzellen zu einer Population von Zellen in einem lichtlimitierten Chemostat. Das erweiterte Modell stellt einen Zusammenhang her zwischen intrazellulärer Proteinverteilung, Wachstum der Population und Kultivierungseigenschaften, und bietet somit einen neuartigen Ansatz zur Untersuchung und Verbesserung der Kultivierung von phototrophen Organismen und die Optimierung der photosynthetischen Produktivität. / Cyanobacteria are the only known prokaryotes that perform oxygenic photosynthesis, and therefore, hold significant potential as sustainable resources for the production of numerous industrially and medically relevant compounds. Despite their importance, however, the (molecular) limits and cellular economy of photoautotrophic growth are still insufficiently understood.
In this thesis, I present a mathematical model based on a coarse-grained description of cellular protein allocation to describe cyanobacterial growth. The model describes cellular trade-offs considering only proteins that are involved in key cellular processes (carbon uptake, fixation, and metabolism, as well as photosynthesis and protein translation). Of particular interest are the resulting microbial growth laws, i.e., correlations between the growth rate and the protein distribution observed during balanced growth. The model predicts a characteristic kink for the growth laws of the light harvesting components and the translational machinery induced by photoinhibition, a decrease in growth rate due to high light intensities. The resulting growth laws are supported by quantitative mass spectrometry-based proteomics data of the cyanobacterium Synechocystis sp. PCC 6803.
The proteomics data shows that the mathematical model has intrinsic predictive power, and thus, provides a suitable starting point for extending it from describing single cells to describe a growing population in a light-limited chemostat. The extended modeling framework goes beyond current models using phenomenological growth equations and establishes a mechanistic link between intracellular protein allocation, population growth and cultivation properties. The extended model provides a novel approach to study and guide phototrophic cultivation improvements that maximize photosynthetic productivity.
| Identifer | oai:union.ndltd.org:HUMBOLT/oai:edoc.hu-berlin.de:18452/21931 |
| Date | 24 February 2020 |
| Creators | Faizi, Marjan |
| Contributors | Steuer, Ralf, Bockmayr, Alexander, Klipp, Edda |
| Publisher | Humboldt-Universität zu Berlin |
| Source Sets | Humboldt University of Berlin |
| Language | English |
| Detected Language | English |
| Type | doctoralThesis, doc-type:doctoralThesis |
| Format | application/pdf |
| Rights | http://rightsstatements.org/vocab/InC/1.0/ |
| Relation | 10.1016/j.biosystems.2018.02.004, 10.7554/eLife.42508, 10.1186/s12934-019-1209-7 |
Page generated in 0.0025 seconds