MDCK-MRP2 - Dkfz
MDCK-MRP2 - Dkfz
MDCK-MRP2 - Dkfz
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
146<br />
Forschungsschwerpunkt B<br />
Funktionelle und Strukturelle Genomforschung<br />
Die Methodenentwicklung umfasst die folgenden Gebiete:<br />
• Objektsegmentierung durch deformierbare Modelle [6,<br />
8]<br />
• Objektverfolgung und Visualisierung von Trajektorien<br />
• Schätzung und Analyse von Bewegung und Deformation<br />
durch Registrierung aufeinanderfolgender Bilddatenstapel<br />
• Statistische Bildanalyse<br />
• Vergleich der extrahierten Bewegungen mit gegebenen<br />
Bewegungsmodellen<br />
Diese Methoden wurden erfolgreich angewandt zur:<br />
• Quantifizierung der Erhaltung von Chromosomenterritorien<br />
anhand von FISH Anfärbung zweier verschiedener<br />
Chromosomen [3]<br />
• Untersuchung des Zusammenbruchs des Zellkerns und<br />
der Bildung von Porenkomplexe<br />
• Charakterisierung und Quantifizierung von Zelldeformation<br />
und -migration<br />
• Kompensierung von rigiden, affinen und nicht-affinen<br />
Deformationen während der Teilchenverfolgung<br />
4.4. Modellierung Metabolischer und<br />
Signaltransduktionsnetzwerke<br />
M. Bentele, D. Camacho, R. König, M. Ulrich,<br />
M. Weismüller, R. Eils<br />
Kooperationen: Inna Lavrik, Peter Krammer, Abteilung<br />
Immungenetik, DKFZ; Sabine Westphal, Holger Kalthoff,<br />
Molekulare Onkologie, Universität Kiel; Biobase, Braunschweig<br />
Biologische Systeme werden auf der Ebene biochemischer<br />
Substrate in Metabolischen Netzwerken und Signalübertragungen<br />
in Signaltransduktionsnetzwerken modelliert.<br />
Die Signaltransduktion hat einen besonderen Stellenwert<br />
in der Krebsforschung, denn eine fehlerhafte Signalweitergabe<br />
ist wesentlich beteiligt an der Entstehung maligner<br />
Zellfunktionen. Wir modellieren Signaltransduktionsnetzwerke<br />
digital (in silico) und nutzen einen semiqualitativen sowie<br />
objektorientierten Ansatz. Als Basis dienen die Signaltransduktionsdatenbank<br />
Transpath (www.biobase.com) und die<br />
Simulationsumgebung Swarm [7].<br />
Das Hauptproblem der mathematischen Modellierung und<br />
Simulation großer Signaltransduktionsnetzwerke liegt einerseits<br />
in der Größe der Netzwerke, andererseits in der Menge<br />
noch nicht experimentell bestimmter biochemischer Parameter.<br />
Wir wenden hier wir einen Daten-basierten Ansatz<br />
an: Durch Sensitivitätsanalyse über einen größeren Bereich<br />
im hochdimensionalen Parameterraum werden zunächst die<br />
kritischen Parameter und unabhängige Netzwerkmodule<br />
identifiziert, die als Basis für eine effiziente, modularisierte<br />
und hierarchische Parameterschätzung dienen. Die experimentelle<br />
Grundlage bilden quantitative Zeitserien der wichtigen<br />
Proteinkonzentrationen. Als erstes Ergebnis konnte<br />
durch das Modell ein Schwellwert-Verhalten in der CD95induzierten<br />
Apoptose vorhergesagt und erklärt werden.<br />
Ein weiteres Projekt umfasst die raumzeitliche Simulation<br />
von gekoppelten Diffusions-Reaktions-Mechanismen im<br />
Apoptose-Signaltransduktionsnetzwerk. Der Apoptosepfad<br />
wird über ein Gleichungssystem aus partiellen Differentialgleichungen<br />
(Diffusions-Reaktions-Gleichungen) beschrieben,<br />
die mittels finiter Differenzen und/oder finiter Volumen/<br />
Elemente Methode integriert und simuliert werden. Die<br />
simulierten Daten werden durch in vivo Messungen , FCS<br />
(Fluoreszenz-Kreuzkorrekations-Spektroskopie) und FRET<br />
Abteilung B080<br />
Theoretische Bioinformatik<br />
DKFZ 2004: Wissenschaftlicher Ergebnisbericht 2002 - 2003<br />
(Fluoreszenz-Resonanz-Energie Transfer) am konfokalen<br />
Laserscanning-Mikroskop, verifiziert.<br />
Metabolische Netzwerke standen außerdem im Mittelpunkt<br />
unseres Interesses. Sie wurden der EcoCyc Datenbank<br />
entnommen sowie aufbereitet. Ein alternierender Graph<br />
wurde aus den Enzymen und Metaboliten erzeugt. Öffentlich<br />
zugängliche Genexpressiondaten, z.B. von der Stanford<br />
Datenbank, wurden benutzt, um Abstände zu bestimmen.<br />
Die Netzwerktopologie wurde mit einer Auswahl verschiedener<br />
Lernalgorithmen untersucht. Das Verhalten des Netzwerks<br />
wurde unter verschiedenen Einwirkungen, wie Hitze-<br />
oder Hungerstress, und Medikamenteinwirkungen beobachtet<br />
[19].<br />
Publikationen (* = externer Koautor)<br />
[1] M. Muratani*, D. Gerlich*, S. M. Janicki, M. Gebhard, R.<br />
Eils, D. L. Spector (2002) Energy-Dependent Movement of PML<br />
Bodies within the Mammalian Cell Nucleus. Nature Cell Biology 4,<br />
106 - 110.<br />
[2] J. Beaudouin, D. Gerlich, T. Klee, N. Daigle, R. Eils, J.<br />
Ellenberg (2002) Nuclear envelope breakdown results from microtubule<br />
induced tearing and leads to diffusion of inner nuclear<br />
membrane proteins into the ER. Cell 108, 83-96.<br />
[3] J. Brown, Mays Jawad, S.R.F. Twigg, R. J. Jaju, K.<br />
Saracoglu, A. E. Thomas, R. Eils, J. Harbott and L. Kearney<br />
(2002) A cryptic t(5;11)(q35;p15.5) in two AML children with apparently<br />
normal karyotypes, identified by a multiplex FISH telomere<br />
assay (M-TEL). Blood 99, 2526-2531.<br />
[4] B. Fritz, F. Schubert, G. Wrobel, C. Schwaenen, S.<br />
Wessendorf, M. Nessling, C. Korz, R. J. Rieker, K. Montgomery,<br />
G. Mechtersheimer, R. Eils, S. Joos, and P. Lichter (2002)<br />
Microarray-based copy number and expression profiling in dedifferentiated<br />
and pleomorphic liposarcoma. Cancer Research,<br />
62:2993-2998.<br />
[5] C. Schoch, A. Kohlmann, S. Schnittger, B. Brors, M. Dugas,<br />
S. Mergenthaler, W. Kern, W. Hiddemann, R. Eils, T. Haferlach<br />
(2002) Acute myeloid leukemias with reciprocal rearrangements<br />
can be distinguished by specific gene expression profiles. PNAS<br />
99:10008-13.<br />
[6] M. Gebhard, R. Eils and J. Mattes (2002) Segmentation of<br />
3D objects using NURBS surfaces for quantification of surface<br />
and volume dynamics. Proceedings of the ICDIA ’02 conference,<br />
Shanghai, China.<br />
[7] M. Weismüller, R. König and R. Eils (2002) Modelling of information<br />
flow in cells. Proceedings of the 16th European Simulation<br />
Multiconference, Darmstadt, June 3-5, 2002, pp 413-417.<br />
[8] J. Mattes, J. Fieres, R. Eils (2002). A shape adapted motion<br />
model for non-rigid registration. In: SPIE Medical Imaging<br />
2002: Image Processing, San Diego, 23.-28. Feb. 2002, Proceedings<br />
of SPIE 4684, 518-527<br />
[9] K. Fellenberg, N.C. Hauser, B. Brors, J.D. Hoheisel, M.<br />
Vingron (2002) Microarray data warehouse allowing for inclusion<br />
of experiment annotations in statistical analysis. Bioinformatics<br />
18:423-433.<br />
[10] Marhold, J., M. Zbylut, D.-H. Lankenau, M. Li, D. Gerlich, E.<br />
Ballestar, B.M. Mechler, and F. Lyko (2002). Stage-specific chromosomal<br />
association of Drosophila dMBD2/3 during genome activation.<br />
Chromosoma 111:13-21.<br />
[11] Gerlich, D., Kalbfuss, B., Beaudouin, J., Daigle, N., Eils,<br />
R.*, Ellenberg, J. (2003) Inheritance of chromosome topology<br />
throughout mitosis. Cell 112, 751-764.<br />
[12] D. Gerlich, J. Mattes, R. Eils (2003). Quantitative motion<br />
analysis and visualization of cellular structures. Methods 29, 3-<br />
13.<br />
[13] Barz T, Ackermann K, Dubois G, Eils R, Pyerin W (2003) Genome-wide<br />
expression screens indicate a global role for protein<br />
kinase CK2 in chromatin remodeling. J Cell Sci. 116:1563-77.<br />
[14] R. Eils and C. Athale (2003) Computational imaging in cell<br />
biology. J Cell Biol 161, 477-481.