Dokument: Computational methods to study phenotype evolution and feature selection techniques for biological data under evolutionary constraints

Titel:	Computational methods to study phenotype evolution and feature selection techniques for biological data under evolutionary constraints
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=32756
URN (NBN):	urn:nbn:de:hbz:061-20141128-142159-6
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Kratsch, Christina [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 20,25 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 24.11.2014 / geändert 24.11.2014
Beitragende:	Prof. Dr. McHardy, Alice [Betreuer/Doktorvater] Prof. Dr. Lercher, Martin [Gutachter] Prof. Dr. Beer, Martin [Gutachter]
Stichwörter:	computational biology, computational genomics, virology, influenza A, phenotype evolution, viral evolution, viral dynamics, evolutionary diseases, ancestral character state evolution, phylogenetics, phylodynamic methods, ridge recression, phylogenetic correlation, AdaPatch, AntiPatch, RidgeRace
Dewey Dezimal-Klassifikation:	000 Informatik, Informationswissenschaft, allgemeine Werke » 004 Datenverarbeitung; Informatik
Beschreibungen:	Virale Krankheitserreger wie Influenza A oder evolutionäre Krankheiten wie Krebs verursachen jedes Jahr Millionen Todesfälle. Derartige Krankheiten stellen eine ganz besondere Herausforderung dar, da sie ständig evolvieren, um Therapieansätzen oder der menschlichen Immunabwehr auszuweichen. Bioinformatische Methoden erlauben es, derartige genotypische und phänotypische Evolution zu studieren, was unser Verständnis dieser Erreger oder Krankheiten deutlich verbessern kann. Detaillierte Untersuchungen der evolutionären Dynamiken einer Krankheit machen es möglich, genotypische und phänotypische Entwicklungen zu vernetzen, die Auswirkungen von positiver Selektion zu verstehen, oder phänotypische Veränderungen zu rekonstruieren oder vorherzusagen. Diese Doktorarbeit präsentiert drei Methoden, welche genotypische und phänotypische Evolution vereinen. AdaPatch identifiziert Bereiche unter besonders hoher positivem Selektion auf einem Protein. Die Methode wurde verwendet, um Aminosäuremarker auf der Oberfläche von Influenza A Hämagglutinin vom Subtyp H1 und H3 zu finden. AntiPatch erweitert diesen Ansatz und wurde genutzt, um Bereiche mit besonders hohem antigenischen (d.h. phänotypischen) Einfluss für Influenza A Hämagglutinin vom Subtyp H3 zu beschreiben. Sowohl AdaPatch als auch AntiPatch lassen Rückschlüsse auf die genetische und antigenische Evolution von Influenzaviren zu, deren Implikationen für die fortschreitende Beobachtung des Virus und die Impfstoffentwicklung wir detailliert diskutieren. RidgeRace ist eine Methode zur Rekonstruktion kontinuierlicher Werte von Vorfahren in einer Phylogenie mit Hilfe von Ridge-Regression, und erlaubt die Inferenz phänotypischer Raten auf einzelnen Baumästen. Alle drei Methoden untersuchen die evolutionären Eigenschaften der zugrunde liegenden Daten und können leicht auf andere Anwendungsfälle angepasst werden. Sie wurden mit einem Fokus auf Influenzaviren entwickelt; wir zeigen jedoch, dass sie Teil einer Gruppe von Methoden sind, welche strukturelle Ähnlichkeiten zwischen Datenpunkten beachten und modellieren. Eine derartige Vorgehensweise kann insbesondere notwendig sein, wenn biomedizinische Daten von evolutionär verwandten Datenpunkten zu untersuchen sind. Wir argumentieren, dass derartige Methoden deshalb auch für das Studium von Krebsdaten geeignet sein können, und diskutieren Beispiele dafür. Viral pathogens like influenza A, or evolutionary diseases like cancer, are responsible for several millions of deaths every year. They pose an ongoing challenge to human health, because they continuously evolve and adapt to circumvent medical treatment and attacks from the human immune system. Computational genomics allows us to analyze the effects of genetic and phenotypic evolution, which can improve our understanding of such pathogens or medical conditions. The study of evolutionary dynamics may allow us to link genotypic to phenotypic evolution, to detect effects of positive selection or adaptation, and to reconstruct or predict changes in phenotypes. This thesis presents three methods for the joint investigation of genotype and phenotype evolution. AdaPatch finds dense patches of residues under positive selection on the surface of a protein, and was used to select amino acid markers of influenza A haemagglutinin of subtypes H1 and H3. AntiPatch extends the approach and detects patches of high antigenic (i.e., phenotypic) impact for influenza A haemagglutinin of subtype H3. Both AdaPatch and AntiPatch provided insights into the genetic and antigenic evolution of influenza A, and we will discuss their relevance for vaccine design and disease surveillance in detail. RidgeRace reconstructs continuous ancestral character states along a phylogenetic tree with the help of ridge regression, and allows to infer phenotypic rates for single branches. All three methods infer the evolutionary properties from the underlying data, and can easily be applied to other data sets. They were developed with a focus on influenza A evolution, and belong to a group of methods that take shared similarities into account. Such an approach is of particular importance when studying biomedical data sets of evolutionary closely related samples. We suggest that those methods may also be of help to study cancer data, and discuss example applications.
Lizenz:	Urheberrechtsschutz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät » WE Informatik » Bioinformatik Mathematisch- Naturwissenschaftliche Fakultät » WE Informatik » Algorithmen und ihre Anwendungen
Dokument erstellt am:	28.11.2014
Dateien geändert am:	28.11.2014
Promotionsantrag am:	04.04.2014
Datum der Promotion:	23.10.2014