ISBN 978-3-8439-1116-0

978-3-8439-1116-0, Reihe Informatik

Clemens Wrzodek
Inference and integration of biochemical networks with multilayered omics data

163 Seiten, Dissertation Eberhard-Karls-Universität Tübingen (2013), Softcover, A5

Zusammenfassung / Abstract

Der technologische Fortschritt des letzten Jahrzehnts führte zu einer Vielzahl von Studien, welche sich auf genomweite Expressionsänderungen im Transkriptom konzentrieren. Dennoch sind die spezifischen Ursachen für diese Änderungen häufig unbekannt. In der Krebsforschung, beispielsweise, wurden inzwischen bestimmte Änderungen im Epigenom als Ursache für eine veränderte Expression von vielen krebsassoziierten Genen identifiziert. Die Integration der beiden omics-Ebenen, Transkriptom und Epigenom (englisch Transcriptomics und Epigenomics), führte zu einem wichtigen Einblick in die molekularen Mechanismen bei Krebszellen. Trotz dieser vielversprechenden Ergebnisse steht die Entwicklung von automatisierten Methoden für die integrierte Analyse mehrerer unterschiedlicher omics-Daten immer noch am Anfang.

Damit verschiedene omics-Daten einfacher in einen gemeinsamen Kontext gebracht werden können, werden systembiologische Ansätze verwendet, welche biologische Zusammenhänge als Gesamtsystem interpretieren und dabei helfen, komplexe Interaktionen zu identifizieren. Jedoch müssen die biochemischen Netze, welche diesen Systemen zugrundeliegen, zunächst rekonstruiert werden, bevor systembiologische Ansätze angewandt oder Interaktionen identifiziert werden können.

Deshalb werden in dem Vortrag zunächst neu entwickelte Ansätze für die Rekonstruktion biochemischer Netze vorgestellt. Die so erzeugten Netze werden später für eine gemeinsame Visualisierung von mehrschichtigen omics-Daten genutzt. Dafür wird zunächst erläutert, wie verschiedene Ebenen von omics-Daten in einem einzelnen Datensatz zusammengefasst werden können. Anschließend wird auf Basis dieser Ergebnisse eine neu entwickelte Methode vorgestellt, welche mRNA, microRNA, Protein und DNA-Methylierungsdaten gemeinsam in einem einzelnen Netzwerk darstellen kann. Neben dieser gemeinsamen Visualisierung werden noch weitere Integrationsmethoden präsentiert. Beispielsweise eine Anpassung der bekannten gene set enrichment Analysemethode für die Anwendung auf mehrschichtige omics-Daten und Ansätze, welche die gemeinsame, tabellarische Betrachtung von mehrschichtigen omics-Daten vereinfachen. Abschließend wird ein maschinelles Lernverfahren beschrieben, welches epigenetische Profile mit genetischen Merkmalen verknüpft, um herausfinden zu können, welche Mechanismen oder Merkmale Änderungen im Epigenom hervorrufen.