Genomic data integration & gene expression analysis of single cells

URN to cite this document:: urn:nbn:de:bvb:355-epub-234893

Maneck, Matthias

Preview

License: Publishing license for publications excluding print on demand
PDF
(5MB)

Date of publication of this fulltext: 02 Mar 2012 09:11

Details

Item type:	Thesis of the University of Regensburg (PhD)
Date:	2 March 2012
Referee:	Prof. Dr. Rainer Spang and Prof. Dr. Wolfram Gronwald
Date of exam:	1 February 2012
Institutions:	Biology, Preclinical Medicine
Keywords:	dataintegration, clustering, gene expression, microarray, embryogenesis
Dewey Decimal Classification:	500 Science > 570 Life sciences 600 Technology > 610 Medical sciences Medicine
Status:	Published
Refereed:	Yes, this version has been refereed
Created at the University of Regensburg:	Yes
Item ID:	23489

Preview

Export bibliographical data

Abstract (English)

Abstract (English)

Today microarray gene expression profiling has become a routine high throughput method in modern molecular biology laboratories. Gene expression data is used to characterize and distinguish tissues, cells or tumors. However, the regulation and interaction of genes is still not fully understood. In this context combination of gene expression data with other per gene measurements like transcription factor binding or response to a certain stimulus can improve the understanding of the underlying regulatory mechanisms. Further, this approach enables us to categorize gene expression profiles according to the additional information like the presence of a transcription factor. In this thesis a novel data integration algorithm has been developed and proven to work properly in the desired data setting. Guided clustering complements existing standard approaches and even outperforms them. The application of guided clustering to a lymphoma cancer data set discovered a novel independent factor for survival and supported the hypothesis of Toll-like receptor signaling mediating BCL6 induced gene regulation.

Another trend in the field of gene expression profiling is the analysis of single cells. The employment of microarray technology for single cell analysis is rather new, but applications range from the analysis of rare cell populations, like disseminated tumor cells, to fertility medicine or embryogenesis, where single cells are of major importance. This thesis evaluates the prospects of single cell gene expression analysis using the Operon GeneChip platform. Further, this platform is applied to a data set from developmental biology. This analysis investigates two questions: (i) How is cellular pluripotency established within the zygote? (ii) Is there an asymmetric mRNA distribution present in the early mammalian development, like it is observed in other species like Drosophila or Xenopus? In summary, transcriptomic prepatterning during the first two mitotic divisions is either to subtle or not-existent. Hence, if there exists maternal prepatterning it is more likely to be mediated post translationally. However, transcriptomic differences were identified between spindle and oocyte as well as between Pb2 and zygote profiles.

Translation of the abstract (German)

Genexpressionsanalyse mittels Microarrays ist heutzutage eine Routinemethode in modernen molekularbiologischen Laboratorien. Basierend auf Genexpressionsdaten lassen sich Gewebe, Zellen oder Tumore sowohl charakterisieren als auch unterscheiden. Die Regulation und Interaktion von Genen untereinander ist jedoch noch nicht vollständig erforscht. In diesem Zusammenhang ist die Kombination von Genexpressionsdaten mit zusätzlichen Geneigenschaften, wie z.B. die Bindungsaffinität eines Transkriptionsfaktors oder die Expressionsantwort auf einen bestimmten Stimulus, ein vielversprechender Ansatz um das Verständnis der zugrundeliegenden regulatorischen Mechanismen zu verbessern. Weiterhin erlaubt ein solcher Ansatz Genexpressionsprofile nach zusätzlichen Informationen, wie der Bindung eines Transkriptionsfaktors, zu kategorisieren. In dieser Dissertation wurde ein neuer Algorithmus für die Datenintegration in dem beschriebenen Setting entwickelt und untersucht. Guided clustering erweitert bestehende Ansätze und übertrifft diese sogar. Die Anwendung von guided clustering auf einen Lymphom Datensatz führte zur Entdeckung einer neuen unabhängigen prognostischen Expressionssignatur. Die Ergebnisse unterstützen außerdem die Hypothese, dass der regulatorische Einfluss von BCL6 auf das Transkriptom durch den Toll-like Rezeptor Signalweg vermittelt wird.

Ein weiterer Trend im Bereich der Genexpressionsforschung ist die Analyse von Einzelzellen. Zwar ist der Einsatz von Microarrays zur Analyse einzelner Zellen ziemlich neu, aber die Anwendungsmöglichkeiten reichen von der Analyse seltener Zellpopulationen, wie disseminierter Tumorzellen, bis hin zur Reproduktionsmedizin oder Embryogenese, wo einzelne Zellen von größter Bedeutung sind. Diese Dissertation untersucht die Möglichkeiten der Genexpressionsanalyse von Einzelzellen mit Hilfe der Operon GeneChip-Plattform. Weiterhin wurde ein Datensatz dieser Plattform aus dem Bereich der Entwicklungsbiologie analysiert. In diesem Zusammenhang wurden zwei Fragen untersucht: (i) Wie wird die zelluläre Pluripotenz innerhalb der Zygote hergestellt? (ii) Gibt es eine asymmetrische Verteilung der mRNA in den frühen Entwicklungsstadien von Säugetieren, wie man es bei anderen Spezies wie Drosophila oder Xenopus beobachten kann? Die Analyse ergab, dass transkriptomisches prepatterning während der ersten beiden mitotischen Teilungen entweder nicht existent oder zu subtil ist, um beobachtet zu werden. Wenn überhaupt entsteht maternales prepatterning daher eher posttranslational. Allerdings wurden Unterschiede zwischen den Transkriptomen von Spindel und Eizelle sowie zwischen Pb2- und Zygoten identifiziert.

Owner only: item control page

Download Statistics

More literature (via CORE)

Details

Preview

Export bibliographical data

Abstract (English)

Abstract (English)

Translation of the abstract (German)

Translation of the abstract (German)

Download Statistics

Downloads

More literature (via CORE)

University Library