Detailansicht
Mapping of differential gene expression data on protein networks
Irmgard Mühlberger
Art der Arbeit
Diplomarbeit
Universität
Universität Wien
Fakultät
Zentrum für Molekulare Biologie
Betreuer*in
Bernd Mayer
DOI
10.25365/thesis.707
URN
urn:nbn:at:at-ubw:1-29394.71669.791261-7
Link zu u:search
(Print-Exemplar eventuell in Bibliothek verfügbar)
Abstracts
Abstract
(Deutsch)
Hintergrund: Das Erstellen von umfangreichen Genexpressionsprofilen lieferte
einen wesentlichen Beitrag zu erweiterten Analysen von zellulären Prozessen. Die
Interpretation dieser Daten zielt auf ein funktionales Verständnis der biologischen
Prozesse ab und ist nach wie vor, insbesondere in Hinsicht auf eine systembiologische Analyse, eine große Herausforderung. Diesem Konzept folgend verspricht eine Interpretation der Expressionsprofile unter Einbeziehen von vorhandenen ’omics’ Daten einen guten Ansatz für verbesserte Analysen.
Ziele: Diese Diplomarbeit erläutert zwei Arbeitsabläufe aus dem Bereich der computerunterstützten Systembiologie, welche auf Genexpressionsdaten zur Charakterisierung der molekularen Prozesse in Nierenerkrankungen angewandt wurden. Einer der Abläufe ist eine sequentielle Analyse Prozedur, die sich mit differential regulierten Genen aus einem rein statistischen Ansatz beschäftigt.
Im Gegensatz dazu verwendet der zweite Ablauf Prozeduren basierend auf Interaktionsnetzwerken.
Resultate: Die sequentielle Analyse der Genexpressionsdaten, welche membranöse
Nephritis charakterisieren, führte zur Identifikation von 235 differential regulierten
Genen. Eine funktionale Analyse der Gene zeigte, dass Veränderungen in der
Zellstruktur, im Zellzyklus und auch in der Immunabwehr mit der Krankheit in
Verbindung stehen. Die Subgraphen, die basierend auf den Genexpressionsprofil der Nierentransplantate identifiziert werden konnten, waren stark mit Prozessen der Immunabwehr und im speziellen, mit Komponenten des Komplementsystems, assoziiert.
Schlussfolgerungen: Die großen Herausforderungen die sich mit ’omics’ basierenden
Prozeduren entwickelten, haben sich von Generation der Daten hin zu deren
funktionaler Interpretationen verschoben. Momentan entwickeln sich unterschiedliche
Analysekonzepte aber auch die schon vorhandenen Daten zeigen, dass die computerunterstützte Systembiologie das Potential besitzt, das Verständnis komplexer biologischer Prozesse voranzutreiben.
Abstract
(Englisch)
Background: Large scale differential gene expression profiling has provided a major
contribution to an extended analysis of cellular processes. However, interpretation
of such data for reaching a functional understanding of ongoing processes is a major
challenge, in particular when thinking in terms of a systems biology-driven analysis.
Following this concept, an integrated interpretation of expression profiles utilizing
broadly available additional ’omics’ sources promises a route for improved analysis
procedures.
Goals: This thesis exemplifies two workflows within the scope of computational
systems biology, applied on gene expression data characterizing the molecular basis of diseases of the kidney. One workflow follows a sequential analysis procedure, centered around a core set of differentially regulated genes derived on a purely statistical basis. The second workflow in contrast uses an interaction network-based procedure.
Results: For gene expression data characterizing membraneous nephropathy the
sequential analysis workflow was applied leading to the identification of 235 differentially expressed genes. A functional classification of these features indicated the disease associated involvement of changes in cell structure, cell cycle, as well as in immunity and defense. For expression profiles linked to kidney transplant failure protein sub-networks linked to immunity and defense, and here in particular members of the complement cascade were found as key players.
Conclusions: Major challenges along ’omics’ based procedures have moved from experimental data generation to their functional interpretation. Diverse analysis workflow concepts are presently under development; their first data, however, clearly indicate the potential of computational systems biology for providing an understanding of complex cellular processes.
Schlagwörter
Schlagwörter
(Englisch)
gene-expression analysis protein networks kidney diseases systems biology bioinformatics
Schlagwörter
(Deutsch)
Genexpressionsanalyse Proteinnetzwerke Nierenerkrankungen Systembiologie Bioinformatik
Autor*innen
Irmgard Mühlberger
Haupttitel (Englisch)
Mapping of differential gene expression data on protein networks
Paralleltitel (Deutsch)
Abbildung von Genexpressionsdaten auf Proteinnetzwerke
Publikationsjahr
2008
Umfangsangabe
2, 78 S. : graph. Darst.
Sprache
Englisch
Beurteiler*in
Bernd Mayer
Klassifikation
42 Biologie > 42.13 Molekularbiologie
AC Nummer
AC07146931
Utheses ID
541
Studienkennzahl
UA | 490 | | |