Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

#TWER:BIOM --- 681.3*J3 --- Life and medical sciences (Computer applications) --- 681.3*J3 Life and medical sciences (Computer applications)

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

dataprocessing --- databanken --- Information systems --- ziekenhuizen --- geneeskunde --- informatica --- 681.3*J3 --- Life and medical sciences (Computer applications) --- 681.3*J3 Life and medical sciences (Computer applications)

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Normalisatie van microroosterdata: schatten van absolute expressiewaardes Microroosters zijn een relatief complexe technologie, die toelaten de mRNA-expressieniveaus van duizenden genen tegelijkertijd te meten. Normalisatie van de metingen is de eerste stap in de analyse van microroosterdata. De bedoeling ervan is het verwijderen van consistente en systematische bronnen van variatie, zodat metingen van verschillende microroosters en biologische condities onderling vergeleken kunnen worden. Normalisatie van de data heeft een substantiële invloed op de resultaten van alle daaropvolgende analyses en de biologische interpretatie ervan. Gedurende de voorbije jaren zijn verscheidene methodes voor de normalisatie van microroosterdata ontwikkeld die als standaard kunnen beschouwd worden. Hoewel sommige van deze aanpakken inherent werken met absolute intensiteiten, is het verwerken van microroosterdata grotendeels gebaseerd op het berekenen van log-ratio’svan de gemeten intensiteiten. Daarnaast vertonen deze normalisatietechnieken weinig interesse in de onderliggende oorzaken van de geobserveerde systematische en willekeurige variaties van de gemeten intensiteiten. De normalisatiestrategieën die in deze thesis uitgewerkt zijn, zijn anders in opzet. De achterliggende idee is om rekening te houden met de fysische en biologische realiteit van het proces en om het normalisatieprobleem aan te pakken vertrekkende van absolute intensiteiten. De gemeten intensiteiten worden gemodelleerd op een fysisch en experimenteel betekenisvolle manier, om het zodoende mogelijk te maken om absolute waarden van genexpressie te schatten, in plaats van beperkt te zijn door de relatieve aard van intensiteitsratio’s. Initieel onderzoek bestond uit de evaluatie van procedures voor microroosternormalisatie steunend op ANOVA-modellen, en een vergelijkende studie met op ratio’s gebaseerde technieken. Verder onderzoek was gericht op de ontwikkeling van generische (toepasbaar op elk experimenteel design) ANOVA-modellen voor normalisatie van microroosterdata. Deze aanpak vertoonde echter verschillende tekortkomingen en daarom werd een geheel nieuwe methode ontwikkeld gebaseerd op een fysisch gemotiveerd calibratiemodel. Externe controles zijn een centraal onderdeel van deze methode aangezien ze toelaten de parameters van het calibratiemodel te schatten, dewelke op hun beurt kunnen gebruikt worden om absolute expressiewaarden voor de overige genen te berekenen. Normalizing microarray data: estimating absolute expression levels The microarray platform is a relatively complex technology that permits the simultaneous assessment of mRNA expression levels of thousands of genes in a single hybridization assay. Normalization of spotted microarray measurements, the first step in a microarray analysis trajectory, aims at removing consistent and systematic sources of variations to allow mutual comparison of measurements acquired from different slides and experimental settings. Data normalization largely influences the results of all subsequent analyses and the biological interpretation of these results, and is therefore a crucial phase in the analysis of microarray data. Over the past years, the field of microarray analysis finally seems to have adapted a few generally applied methodologies for data normalization. Although some approaches inherently work with absolute intensities, in general, normalization of spotted microarrays largely revolves around the calculation of the log-ratios of the measured intensities. Moreover, these techniques generally show little interest in the underlying causes of the observed systematic and random variation in microarray data. The normalization methods we pursue in this thesis differ in spirit from standard log-ratio approaches. The basic premise is to acknowledge the physical and biological reality of the process and address the normalization problem starting fromunits of absolute intensities. These measured intensities are to be modelled as a function of systematic sources of variation in a physically and experimentally meaningful way, and should allow for the calculation of an absolute value of expression instead of being limited to the relative nature of intensity ratios. During the initial research stage, the use of ANOVA for microarray normalization, at the time the only available method that allowed for calculation of absolute expression values, was evaluated and compared to ratio based approaches. Based on these results, further research was conducted towards the development and deployment of generic (applicable to any experimental setup) ANOVA models for microarray normalization. ANOVA approaches nevertheless suffer from several shortcomings. To circumvent these issues we developed a novel normalizing method for spotted microarray data, using external control spikes to fit a calibration model. External control spikes serve to estimate the model parameters. The obtained parameters values are then employed to estimate absolute levels of expression for the remaining genes. We illustrate the workings and principles of this method by applying it to a publicly available benchmark data set.

681.3*J3 <043> --- Academic collection --- Life and medical sciences (Computer applications)--Dissertaties --- Theses --- 681.3*J3 <043> Life and medical sciences (Computer applications)--Dissertaties

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

Bacteriën zijn dynamische organismen die in staat zijn zich aan te passen aan uiteenlopende omgevingsomstandigheden. Om in staat te zijn hun cellulaire systeem voortdurend aan te passen aan de wisselende omgevingsomstandigheden, zijn deze organismen uitgerust met flexibele regulatorische netwerken. In bacteriën wordt de expressie van een gen in sterke mate bepaald door transcriptiesnelheid. Daarom leggen we in deze thesis de nadruk op regulatorische systemen die deze transcriptie controleren. De belangrijkste bouwsteen van een transcriptioneel regulatorisch netwerk is de promoterregio van een gen. Dit gebied bevat immers de bindingsplaatsen voor regulatorproteïnen die de expressie van het overeenkomstige gen controleren. De voorbije jaren zijn reeds heel wat inspanningen geleverd m.b.t. de computationele identificatie van dergelijke regulatorische bindingsplaatsen, wat leidde tot een uiteenlopende aanbod van motiefdetectie-algoritmen. De beschikbaarheid van de volledige genoomsequenties van diverse species biedt echter nieuwe mogelijkheden voor motiefdetectie. Vertrekkend van de hypothese dat regulatorische motieven biologisch functionele sequenties zijn en dus in de evolutie bij voorkeur bewaard blijven, biedt dit de mogelijkheid om motieven te identificeren via vergelijking van orthologe promoterregio's uit verschillende species ("phylogenetic footprinting"). In deze thesis gebruiken we het idee van "phylogenetic footprinting" om een duidelijker beeld te krijgen van twee regulatiesystemen die van belang zijn voor het infectiemechanisme van Salmonella typhimurium. Via een bio-informatica analyse identificeerden we nieuwe biologisch relevante genen die betrokken zijn in het PmrAB regulatie systeem. Het PhoPQ regulatie systeem werd verder ontrafeld door gebruik te maken van een combinatie van expressie en motiefdata. Uit een vergelijking van de samenstelling van het PhoPQ regulatiesysteem tussen S. typhimurium and Escherichia coli concludeerden we dat de samenstelling van dit regulatiesysteem erg flexibel is. Deze waarneming geeft een mogelijke verklaring voor de uiteenlopende fenotypes die geobserveerd worden voor twee evolutionair nauw verwante species. Voor beide bovenvermelde regulatorische systemen beschikken we over een beperkte hoeveelheid prior informatie. Indien men echter dergelijke motieven wil identificeren zonder prior informatie kan statistische overrepresentatie van motieven in promoterregio's gebruikt worden voor hun identificatie. In bovenstaande gevallen zouden de beide motieven echter niet gedetecteerd worden met bestaande motief detectie algoritmen, enerzijds omdat de betrokken species evolutionair te nauw gerelateerd zijn, anderzijds omdat deze motieven slechts aanwezig zijn in een beperkt aantal promoterregio's. Daarom ontwikkelde we een aangepaste versie van het MotifSampler algoritme dat in staat is om niche- of species specifieke regulatorische motieven te identificeren. De methoden ontwikkeld tijdens dit doctoraat zijn allen toegespitst op de identificatie van regulatorische motieven. Vermits dergelijke motieven gedegenereerd zijn en aanwezig zijn in een beperkt aantal genen, kunnen de ontwikkelde methoden ook toegepast worden voor biologische vraagstukken die dezelfde beperkingen vertonen. We illustreren het ruime toepassingsgebied van onze methoden door de detectie van doelwitgenen van regulatorisch RNA enerzijds en de identificatie van kleine signaalpeptiden anderzijds. Bacteria are dynamic organisms, able to survive in different environmental conditions. In order to adapt their cellular machinery to continuously changing conditions, bacteria are equipped with flexible regulatory networks. As in bacteria the rate of transcriptional initiation is an important check point for control of gene expression, we focus in this thesis on unraveling the regulatory mechanism responsible for the transcriptional control. The basic functional element of a transcriptional regulatory network is the gene's promoter region which contains the regulatory binding sites for the transcription factors that regulate its expression. Over the past years considerable effort has been put in the in silico identification of these regulatory binding sites, which resulted in a diverse range of motif detection methods. With the availability of entire genomes new opportunities opened up for comparative genomics and motif detection. Motif detection methods based on comparative genomics (phylogenetic footprinting) exploit the conservation of motifs in orthologous promoter regions based on the idea that evolutionary forces tend to preferentially retain the biologically functional DNA sequences. In this PhD we used the concept of phylogenetic footprinting to extend the information on two poorly characterized regulons involved in the pathogenicity of Salmonella typhimurium. For the PmrAB regulatory system, several novel targets were detected by our in silico analysis, a few of which were validated by experimental wet lab analysis. The PhoPQ systems, a sensor for magnesium ions and an important regulator of virulence genes in some pathogenic bacteria, were further characterised by combining microarray data with in silico motif prediction. By comparing to what extent this regulon overlapped between Salmonella typhimurium and its close relative Escherichia coli we could show that the PhoPQ two-component system seemingly quickly adopted novel targets during evolution, possibly giving rise to the difference in phenotypes between the two related species. The fact that both regulons mentioned above were already partially characterized facilitated their analysis. However, if one wants to identify regulatory motifs without any prior information, one has to rely on the mere property of "statistical overrepresentation". In these cases, the existing motif detection tools will fail if the involved species are evolutionary too related or if the regulatory motifs are present only in a limited subset of genes. For this reason, we developed an adapted version of MotifSampler that allows detection of niche- or species-specific regulatory motifs or motifs that belong to sparsely connected hubs in the regulatory network. The tools developed in this PhD study all apply to the identification of regulatory motifs. As the detection of regulatory motifs is complicated because they are short, degenerated and only present in a limited number of promoter regions, we can apply theses tools to biological questions facing the same limitations. We illustrate the wide application area of our tools by detecting potential targets of regulatory RNA and by detecting small signalling peptides.

681.3*J3 <043> --- Academic collection --- Life and medical sciences (Computer applications)--Dissertaties --- Theses --- 681.3*J3 <043> Life and medical sciences (Computer applications)--Dissertaties

Choose an application

• Reference Manager
• EndNote
• RefWorks (Direct export to RefWorks)

#TCPW P7.3 --- #TCPW P4.2 --- 681.3*J3 --- Life and medical sciences (Computer applications) --- 681.3*J3 Life and medical sciences (Computer applications)