• Treffer 1 von 0
Zurück zur Trefferliste

Integrative Analyse experimenteller Metabolitzeitreihen unter Verwendung von theoretischen Netzwerktopologien und Transkriptomdaten. Eine Studie im systembiologischen Kontext von Corynebacterium glutamicum.

Integrative analysis of experimental metabolome time-series data utilizing theoretical network topologies and transcriptome data. A study carried out on Corynebacterium glutamicum.

  • Der Forschungsbereich der Systembiologie hat sich in den letzten Jahren mit unvergleichlicher Dynamik entwickelt und sich als interdisziplinäres Feld in den Biowissenschaften etabliert. Die Systembiologie verfolgt hierbei unter anderem das Ziel, biologische Systeme als Ganzes zu betrachten. Die analytische Erfassung der Stoffwechselzwischenprodukte, auch Metaboliten genannt, eröffnet hierbei neue Möglichkeiten. Metaboliten stellen Zwischenprodukte in vivo ablaufender biochemischer Reaktionen dar und stehen in enger Abhängigkeit zu Vorgängen, welche auf der Ebene von Transkriptom und Proteom gesteuert und ermöglicht werden. In dieser Arbeit wurden Zeitreihen von Metabolitkonzentrationen untersucht, welche im Rahmen von Fermentationsexperimenten mit dem nicht-pathogenen Bodenbakterium Corynebacterium glutamicum erfasst worden sind. Die Fermentationsexperimente wurden auf unterschiedlichen Ausgangssubstraten durchgeführt, wobei die Erfassung der Metabolitkonzentration in äquidistanten zeitlichen Abständen gehandhabt wurde. Zur Korrektur von Messfehlern und zur optimalen Vorverarbeitung der Daten wurde ein maßgeschneidertes System der Datenprozessierung entwickelt. Eine unüberwachte Datenstrukturanalyse ergab, dass sich die Metaboliten ihrer zeitlichen Ausprägung nicht uniform oder gar zufällig verhalten, sondern sich in Gruppen unterschiedlichen Prozessverhaltens einordnen lassen. Diese unüberwachte Eingruppierung anhand der in den Zeitreihen vorhandenen Strukturen erlaubte eine erste grundlegende funktionelle Zuordnung der Metaboliten. Weiterhin konnten in den Konzentrationsdaten Strukturen gefunden werden, welche deutliche Übereinstimmungen mit den physiologischen Phasen des bakteriellen Wachstums zeigten. Die Analyse der Metabolomdaten wurde in einem nächsten Schritt durch eine theoretische Betrachtungsweise erweitert. Hierzu wurde der Stoffwechsel von C. glutamicum rechnergestützt modelliert. Zu diesem Zweck wurde eine Genomannotation durchgeführt, mit dem Ziel einen möglichst umfangreichen und qualitativ hochwertigen Katalog über das enzymatische Repertoire von C. glutamicum aus Sequenzinformation abzuleiten. Generiertes Wissen über vorhandene Enzyme wurde in biochemische Reaktionen übersetzt, welche zu Reaktionsnetzwerken zusammengefügt wurden. Die erzeugten Reaktionsnetzwerke wurden unter Verwendung graphentheoretischer Ansätze analysiert. Die integrative Analyse experimenteller und theoretischer Daten ergab, dass sich Eigenschaften von Metabolitzeitreihen deutlich topologischen Merkmalen zuordnen lassen. So zeigt sich beispielsweise, dass ein auffälliger Zusammenhang zwischen der experimentell erfassten Sensitivität im Konzentrationsverlauf eines Metaboliten und seinem theoretischen Verknüpfungsgrad existiert. Weiterhin konnte gezeigt werden, dass eine hochsignifikante Prozessähnlichkeit zwischen Metaboliten sowohl in direkter Nachbarschaft als auch in größeren Reaktionsabständen auftreten kann, jedoch vorzugsweise dann existiert, wenn beide Metaboliten ihrerseits wenige Reaktionspartner haben. Die integrative Datenanalyse wurde in einem weiteren Schritt abermals erweitert, indem Transkriptominformation weiterer Studien integriert wurde. Im Detail wurde in dieser Analyse die Prozessähnlichkeit theoretisch benachbarter Metaboliten des Zentralstoffwechsels in Zusammenschau mit der Transkription enzymkodierender Gene untersucht. Die Ergebnisse zeigten deutlich, dass eine erhöhte Prozessähnlichkeit benachbarter Metaboliten dann existiert, wenn die entsprechenden enzymkodierenden Gene in Abhängigkeit des verwendeten Ausgangssubstrates signifikant exprimiert waren. Somit konnte ein Zusammenhang zwischen der Prozessähnlichkeit benachbarter Metaboliten in Abhängigkeit zur Genexpression als Resultat substratinduzierter Anpassungsvorgänge gezeigt werden. Es konnte folglich im systembiologischen Kontext belegt werden, dass auf der Ebene des Transkriptoms stattfindende Vorgänge sich deutlich bis in die Zeitreiheneigenschaften erfasster Metabolitkonzentrationen durchpausen können. Darüber hinaus zeigte sich, dass die Berechnung paarweiser Prozessähnlichkeiten das Potenzial zur Charakterisierung der zugrundeliegenden Systemeigenschaften besitzt. So ermöglichte die Betrachtung paarweiser Prozessähnlichkeiten aus allen untersuchten Fermentationsexperimenten, signifikante substrat-induzierte Veränderungen als auch invariante Merkmale im Stoffwechsel von C. glutamicum zu detektieren.
  • Systems biology has emerged as a tremendously dynamic and interdisciplinary field within biological sciences. It aims at understanding biological systems as a whole instead of investigating well-defined compartments within. The discipline dealing with the identification of metabolites present within biological systems (on the scale of individual cells, tissues or whole multi-cellular organisms), also known as metabolomics now opens the possibility to gain a deeper insight on a system-level. Metabolites are defined as low-molecular weight compounds, representing the intermediates of chemical reactions actually taking place within the system observed. The chemical reactions are often catalyzed by enzymes, which represent the most specialized form of proteins. Enzymatic activity however, is a result of transcriptional and (post-) translational processes. This clarifies the importance of metabolites within the system-wide investigation of biological systems: metabolites - in a certain sense - represent end-products of gene regulation and protein activity. This thesis investigated metabolite concentration time-series acquired during fermentation experiments using the non-pathogen organism Corynebacterium glutamicum. Fermentation experiments were carried out on different substrates and metabolites were measured in equidistant intervals, resulting in individual time-series of metabolite concentration. A tailored data pre-processing scheme was developed to curate for measurement errors and to enhance the information content of the time-series under investigation. In-depth unsupervised statistical analysis revealed, that metabolites are not behaving uniformly or randomly across time, but instead can be clearly clustered into groups of different temporal behaviour. This finding - solely derived from structures inherent in experimental data - facilitated a first explanation for the position and functional role of metabolites within their metabolic network. Moreover it could be demonstrated that global metabolism is clearly subjected to temporal variations, almost exactly reflecting the physiological phases of bacterial growth. The analysis of metabolite time-series properties was extended utilizing a theoretical representation of the organism. Therefore the metabolism of C. glutamicum was reconstructed in silicio. The annotation of the organisms" genome utilizing up-to-date versions of sequence databases served as a starting point for the computer-based reconstruction. The goal of this approach was to derive a comprehensive and qualitative catalogue on enzymes present in C. glutamicum. Subsequently, enzyme information was translated into biochemical reactions, which were merged to reaction networks. The reaction networks created were analyzed using graph-theory based approaches and topology-related descriptors were inferred from the data set. A software system was developed to facilitate the integrative analysis of both experimental and theoretical data. Results revealed, that metabolite time-series properties could clearly be linked to network topologies. For example it could be demonstrated, that the time-series sensitivity is contingent upon the connectivity of the observed metabolite within the theoretical network. Furthermore it showed, that highly significant process similarity between metabolite time-series emerges in immediate vicinity as well as across large reaction distances within the network, but - remarkably - is constrained to low mutual connectivity. The integrative data analysis was extended in a second step by incorporating information on transcriptional activity. In this context, the process-similarities of neighbouring metabolites within the central metabolism were thoroughly investigated alongside information on transcriptional activity of the corresponding enzyme-coding genes. This analysis was conducted under different substrate conditions, which force the organism to utilize different metabolic pathways for substrate assimilation. Results impressively revealed, that process-similarity between neighbouring metabolites is increased, when the transcription of the corresponding enzyme-coding gene is significantly elevated under the given substrate-induced conditions. Two major findings were inferred: firstly, mutual metabolite time-series properties could clearly be linked to the underlying transcriptional activity. Secondly, the analysis of pair-wise process-similarities is able to serve as a fingerprint for the underlying system characteristics. In a subsequent step, mutual time-series properties from all fermentation experiments available were analyzed in a combined analysis. This approach clearly unravelled significant substrate-induced alterations as well as conserved features within the metabolism of C. glutamicum.

Volltext Dateien herunterladen

Metadaten exportieren

Weitere Dienste

Teilen auf Twitter Suche bei Google Scholar
Metadaten
Verfasserangaben:Michael Eiden
URN:urn:nbn:de:hbz:385-5713
DOI:https://doi.org/10.25353/ubtr-xxxx-710a-f952
Gutachter:Brunhilde Blömeke
Betreuer:Wolfhard Symader
Dokumentart:Dissertation
Sprache:Deutsch
Datum der Fertigstellung:20.04.2010
Veröffentlichende Institution:Universität Trier
Titel verleihende Institution:Universität Trier, Fachbereich 6
Datum der Abschlussprüfung:15.05.2009
Datum der Freischaltung:20.04.2010
Freies Schlagwort / Tag:Integrative Analysis; Metabolomics; Multivariate Statistics; Time Series
GND-Schlagwort:Explorative Datenanalyse; Metabolom; Multivariate Analyse; Netzwerkanalyse; Transkriptom; Zeitreihe
Institute:Fachbereich 6 / Raum- und Umweltwissenschaften
DDC-Klassifikation:5 Naturwissenschaften und Mathematik / 57 Biowissenschaften; Biologie / 570 Biowissenschaften; Biologie

$Rev: 13581 $