dc.contributor.author
Häupl, Thomas
dc.date.accessioned
2018-06-07T15:39:02Z
dc.date.available
2009-11-04T09:09:14.102Z
dc.identifier.uri
https://refubium.fu-berlin.de/handle/fub188/1397
dc.identifier.uri
http://dx.doi.org/10.17169/refubium-5599
dc.description.abstract
Die Microarray-Technologie hat die Erforschung molekularer Mechanismen in der
Medizin revolutioniert. In der Rheumatologie mit zahlreichen ätiologisch
ungeklärten Krankheitsbildern ist die Möglichkeit entstanden, eine Übersicht
über alle bekannten molekularen Mechanismen von Entzündungsvorgängen zu
erstellen. Mit der Generierung umfangreicher Datensätze sind aber auch die
Anforderungen an die bioinformatische Aufarbeitung und an die Planung dieser
Experimente gestiegen. Die vorliegende Arbeit zeigt schrittweise die
Strategien der Datenerhebung und die Entwicklung neuer Konzepte zur Daten-
Auswertung. Am Beispiel der Synovitis wird verdeutlicht, mit welchem
Informationsgehalt aus konventionellen Analysen, wie der Histopathologie, die
Interpretation der molekularen Daten eines Microarray Experiments zu
konkurrieren hat. Die gezielte Untersuchung einer Gengruppe wie der „bone
morphogenetic proteins“ verdeutlicht, dass Microarrays verlässliche
Expressionsdaten liefern. Der einfache Vergleich zwischen „gesund“ und „krank“
benötigt jedoch umfangreiche Validierungsexperimente. Eine systematische
Analyse mit dieser Vorgehensweise ist jedoch nicht zielführend. Vielmehr ist
erforderlich, Grundbausteine in Form von charakteristischen
Expressionssignaturen zu erstellen und diese in ein komplexes
Auswertungssystem einfließen zu lassen. Es wurden deshalb an definierten
Zellen Vergleiche zwischen „krank“ und „gesund“ durchgeführt, der Einfluss von
Medikamenten getestet, Wechselwirkungen zwischen Zellen durch Stimulation von
definierten Zellen mit Kulturüberständen untersucht, sowie Referenzsignaturen
von Immunzellen im Normalzustand als Vergleichsgrößen für die Abschätzung der
Zellzusammensetzung bei der Untersuchung von Blut getestet. Schließlich wurde
eine neue bioinformatische Analysestrategie, die funktionelle
Profilkomponenten-Analyse (FPCA) entwickelt, die mit Hilfe von
Referenzsignaturen eine systematische Aufschlüsselung in funktionelle
Bestandteile ermöglicht. Diese Methode wurde mit entzündetem Synovialgewebe
von Patienten mit rheumatoider Arthritis überprüft, um Änderungen der
zellulären Zusammensetzung eines Gewebes, also die Infiltration von
Immunzellen, qualitativ und quantitativ zu beurteilen. Zusätzlich konnten in
einem zweiten Schritt diese Änderung der Zellzusammensetzung berechnet werden.
Durch den Vergleich des tatsächlich gemessenen Profils mit einem für jede
Probe individuell berechneten virtuellen Mischprofil auf der Basis von
Normalzuständen für jeden Zelltyp kann die tatsächlich stattfindende
Genregulation und damit die molekulare Pathophysiologie herausgefiltert
werden. Das neu entwickelte Konzept der Analyse ist für alle
Untersuchungsproben, die Zellmischungen beinhalten, hilfreich. Insbesondere
gilt dies für Gewebe, die entzündlichen Veränderungen unterliegen, da in
diesen Vergleichen zu Normalgewebe eine Vielzahl zelltypspezifischer
Transkripte erkannt werden, die nicht unmittelbar an den Pathomechanismen
beteiligt sind. Dies trifft nicht nur für Entzündungserkrankungen, sondern
beispielsweise auch für Tumorgewebe zu, bei dem häufig Begleitentzündungen
angetroffen werden. Das Konzept der Bestimmung von Signaturanteilen über
Markergene ist ferner erweiterbar für die Quantifizierung von
Zytokinsignaturen und damit pathophysiologisch relevante Profilkomponenten.
Zusammenfassend konnte gezeigt werden, dass der schrittweise Aufbau von
Referenzsignaturen ein elementarer Baustein für die funktionelle
Interpretation von Microarray-Daten darstellt. Eine bioinformatische Analyse,
die diese Referenzsignaturen berücksichtigt, kann nicht nur dazu beitragen,
Biomarker effizienter zu erkennen, sondern kann auch funktionelle Komponenten
in einem Expressionsprofil quantifizieren und damit eine ganzheitliche
systembiologische Betrachtung ermöglichen.
de
dc.description.abstract
Microarray technology has revolutionized research on molecular mechanisms in
medicine. In rheumatology with its many etiologically unclear diseases the
possibility arises to generate an overview of all known mechanisms of
inflammatory processes. In addition, extensive sets of data have also
increased the requirements for adequate bioinformatic processing and
experimental design. This work demonstrates stepwise the strategies for
generating a framework of data sets as well as new concepts of data analysis.
Using synovitis, conventional analysis like histopathology illustrates the
expectations against which interpretation of molecular data from microarray
experiments has to compete. Focussing on a defined group of genes, the bone
morphogenetic proteins, demonstrates that microarrays provide reliable data.
However, plain comparison between the diseased and healthy status requires
extensive validation experiments. Such an approach for systematic analysis is
not accomplishable. It is more important to generate basic modules of
characteristic expression signatures and to integrate these in complex
algorithms of analysis. Thus, investigation concentrated on differences
between disease and control in defined cell types, on effects of drugs, on
cross-talk between cells by stimulation of defined cells with culture
supernatant and on cellular composition of blood using reference signatures of
normal purified immune cells. Finally, a new strategy for analysis was
developed, the functional profile component analysis (FPCA) that enables a
systematic breakdown into functional components using reference signatures.
This algorithm was tested using synovial tissue from patients with rheumatoid
arthritis to evaluate in a qualitative and quantitative manner the cellular
composition and thus the infiltration of immune cells. In a second step,
changes of cellular composition were calculated and used to generate a sample
specific virtual expression profile based on the mixture of normal cells. The
real synovial expression profile was compared to this virtual profile to
identify effectively regulated genes and thus to extract the molecular
pathophysiology. This new concept is applicable to all samples that are
composed of different cell types. It is of particular importance for inflamed
tissue, as plain comparison with healthy control tissue reveals a multitude of
cell type specific transcripts which are not directly involved in the
pathomechanisms. Furthermore, it may be important also for tumor tissue which
may frequently present with concomitant inflammation. The concept of
calculating signature components based on marker genes can be extended to
quantify cytokine signatures and thus pathophysiologically relevant profile
components. In summary, it was demonstrated that stepwise generation of
reference signatures is a basic module for functional interpretation of
microarray data. Bioinformatic analysis that accounts for reference signatures
does not only improve identification of biomarkers but may also quantify
functional components and thus enable an integral view on the biological
system.
en
dc.rights.uri
http://www.fu-berlin.de/sites/refubium/rechtliches/Nutzungsbedingungen
dc.subject.ddc
600 Technik, Medizin, angewandte Wissenschaften::610 Medizin und Gesundheit
dc.title
Microarrays zur Erforschung rheumatischer Erkrankungen
dc.contributor.contact
thomas.haeupl@charite.de
dc.contributor.firstReferee
Prof. Dr. Steffen Gay, Universitätsspital Zürich
dc.contributor.furtherReferee
Prof. Dr. Thomas Pap, Universitätsklinikum Münster
dc.date.accepted
2009-07-16
dc.identifier.urn
urn:nbn:de:kobv:188-fudissthesis000000012741-5
dc.title.subtitle
vom Einzelmarker zur systembiologischen Betrachtung
dc.title.translated
Microarrays for research in rheumatic diseases
en
dc.title.translatedsubtitle
from single markers to the analysis of the biological system
en
refubium.affiliation
Charité - Universitätsmedizin Berlin
de
refubium.mycore.fudocsId
FUDISS_thesis_000000012741
refubium.mycore.derivateId
FUDISS_derivate_000000006313
dcterms.accessRights.dnb
free
dcterms.accessRights.openaire
open access