FAQ
© 2017 Staats- und Universitätsbibliothek
Hamburg, Carl von Ossietzky

Öffnungszeiten heute09.00 bis 24.00 Uhr alle Öffnungszeiten

Eingang zum Volltext in OPUS

Hinweis zum Urheberrecht

Dissertation zugänglich unter
URN: urn:nbn:de:gbv:18-86591
URL: http://ediss.sub.uni-hamburg.de/volltexte/2017/8659/


Development of Computational Methods for Systematic Analysis of Lipids and Lipidomes

Entwicklung von Berechnungsmethoden zur systematischen Analyse von Lipiden und Lipidomen

Marella, Chakravarthy

pdf-Format:
 Dokument 1.pdf (8.239 KB) 


Freie Schlagwörter (Englisch): Informatics , Biology , Chemistry
Basisklassifikation: 35.78
Institut: Chemie
DDC-Sachgruppe: Chemie
Dokumentart: Dissertation
Hauptberichter: Andrew Torda (Prof. Dr.)
Sprache: Englisch
Tag der mündlichen Prüfung: 09.06.2017
Erstellungsjahr: 2017
Publikationsdatum: 03.08.2017
Kurzfassung auf Englisch: Lipids are important biomolecules. They are signal messengers, energy storage molecules and a major structural component of biological membranes, e.g. cholesterol, vitamin A,ω-3-fatty acid, sphingomyelin etc. Given that lipids play these diverse roles, it is no surprise they are disrupted in many diseases, including Alzheimer’s and cancer. Organisms such as yeast, fruit fly are used as models to understand disease metabolism but their lipid structures are different from humans.

Lipidomics is the study of the structure and function of the complete set of lipids (the lipidome) produced in a given cell or organism as well as their interactions with other lipids, proteins and metabolites. The advances in mass spectrometry based lipidomics has led to an increase in the number of cataloged lipids, which is reflected in the expanded LIPID MAPS Structure Database, but computational methods for analyzing this high-throughput data are limited. Expecially, there are no methods that use lipid structure differences to compare lipidomes of model organisms and humans. Statistical methods such as correlation coefficient and multi variate regression models are increasingly used to find patterns in lipidomics datasets, but the problem is that only lipid abundances (rather than structures) were used for comparison and clustering.

The aim of this study is to provide computational methods that offer better insights into the lipidomics data. A metric space model of lipids and lipidomes was developed in this study, which was achieved in three steps. First, a string representation of lipids, SMILES is throughly examined. Second, methods to determine structural similarity from lipid SMILES were tested. Third, strategies to visualize and juxtapose lipidomes are presented. Lipidome juxtaposition (LUX) score that was developed in this study is aimed at global comparison of lipid profiles, especially between model organisms and humans. This study complements the existing down stream data analysis techniques by suggesting LUX score as a new measure of lipidome divergence.
Kurzfassung auf Deutsch: Lipide sind Botenstoffe, Energiespeicher-Moleküle und eine strukturelle Komponente von biologischen Membranen; gehören somit zu den wichtigsten Biomolekülen. Bekannte Vertreter sind z.B. Cholesterin, Vitamin A, Omega-3-Fettsäure, Sphingomyelin. Angesichts der Tatsache, dass Lipide diese vielfältigen Rollen spielen, ist es keine Überraschung, dass sie bei vielen Krankheiten, einschließlich Alzheimern und Krebs, verändert sind. Organismen wie Hefe, Fruchtfliege werden als Modelle verwendet, um den Stoffwechsel zu verstehen, aber ihre Lipidstrukturen unterscheiden sich von denen des Menschen.

Lipide können durch eine Reihe biochemischer Techniken bestimmt (oder gemessen) werden, die als "Lipidomik" zusammengefasst werden. Die hohe Durchsatzrate der aktuellen Lipidomik-Plattformen erlaubt zur Identifizierung von Hunderten von Lipiden aus einem gegebenen biologischen Material, das als Lipidom bezeichnet wird. Die Fortschritte in der Massenspektrometrie-Instrumentierung führten zu einer Erhöhung der Anzahl katalogisierter Lipide, was sich in der erweiterten LIPID-MAPS-Strukturdatenbank widerspiegelt, aber Berechnungsmethoden zur Analyse dieser Hochdurchsatzdaten sind begrenzt. Vor allem gibt es keine Methoden, die Lipidstrukturunterschiede verwenden, um Lipidome von Modellorganismen und Menschen zu vergleichen.

Ziel dieser Studie ist es, rechnerische Methoden zur Verfügung zu stellen, die einen besseren Einblick in die Lipidomik-Daten bieten. In dieser Studie wurde ein metrisches Raummodell von Lipiden und Lipidomen entwickelt, das aus drei Schritten besteht. Zuerst wird eine Stringdarstellung von Lipiden, SMILES, untersucht. Zweitens wurden Methoden zur Bestimmung der strukturellen Ähnlichkeit von Lipid-SMILES getestet. Drittens werden Strategien zur Visualisierung und Gegenüberstellung von Lipidomen vorgestellt. Lipidom-Nebeneinanderstellung (LUX), die als Teil dieser Studie entwickelt wurde, zielt auf den globalen Vergleich von Lipidprofilen, insbesondere zwischen Modellorganismen und Menschen, ab. Diese Studie ergänzt die vorhandenen Downstream-Datenanalyse-Techniken, indem sie LUX-Score als eine neue Maßnahme der Lipidom-Divergenz vorschlägt.

Zugriffsstatistik

keine Statistikdaten vorhanden
Legende