Projekt T1: Modellierung der Morphologie von Arabidopsis thaliana mit relationalen Wachstums- grammatiken unter GroIMP Erstellung eines morphologischen Architekturmodells mit biometri- schen Parametern (Grundlage: Artikel von Mündermann et al., 2005) Verknüpfung biometrischer Parameter mit genetischer Information Arabidopsis thaliana ist DIE Modellpflanze der Genetiker: Morphologie vieler Mutanten beschrieben, sowie Verknüpfung mit den sie verursachenden Genen Modellierung von Dominanz und Rezessivität

Projekt T1: Modellierung der Morphologie von Arabidopsis thaliana mit relationalen Wachstums- grammatiken unter GroIMP topologisches Modell: Geometrie der Blattform:

Projekt T1: Modellierung der Morphologie von Arabidopsis thaliana mit relationalen Wachstums- grammatiken unter GroIMP Simulation der Entwicklung von Arabidopsis mit einem parametrischen L-System:

Projekt T1: Modellierung der Morphologie von Arabidopsis thaliana mit relationalen Wachstums- grammatiken unter GroIMP XL-Modell der Gerste: Genom besteht aus einem Satz von zwei Chromosomen mit explizit lokalisierten Genen --> jedes Gen deklariert als zwei Allele (Zustände, Formen) des gleichen Genlokus (z.B. Wildtyp, Mutante a, b,...) Dominanz: Allel d am Lokus a bestimmt den Phänotyp gegenüber allen anderen Allelen (z.B. r) am gleichen Lokus: d ist dominant gegenüber r r ist rezessiv gegenüber d (Es gibt auch Übergänge, wenn Penetranz nicht gleich 100%) Epistasis: Allel de am Lokus a dominiert Allel re am Lokus b

Projekt T1: Modellierung der Morphologie von Arabidopsis thaliana mit relationalen Wachstums- grammatiken unter GroIMP XL-Modell der Gerste: Verknüpfung von Genetik, Morphologie und Physiologie:

Projekt T2: Zellbiologisches Modell von Blumeria graminis (Mehltau) Wirt-Parasiten-System Gersten-Mehltau (Blumeria graminis hordei - Bgh) – Gerstenblattoberfläche (Hordeum vulgare) Visualisiert werden soll der Entwicklungszyklus der Konidien (asexuellen Sporen) von Blumeria graminis hordei. Erweiterung eines XL-Modells des Lebenszyklus des Mehltaupilzes der Gerste in der GroIMP-Plattform Erwünschte Eigenschaften des Modells: Eignung für die Erklärung von Methoden und Hypothesen v.a. im zellbiologischen Bereich im Rahmen von Präsentationen. Erstellung biologischer Grundobjekte (Spore, Hyphe, Haustorium, Epidermis- Zelle) als computergrafische 3D-Objekte in GroIMP Das XL-Modell soll die Entwicklung des Pilzes von der Keimung der Spore bis zur Bildung neuer Sporen darstellen. Implementierung des Transports von Assimilaten aus der Epidermiszelle in den Parasiten als Wachstumsmotor.

Blumeria graminis...eine wichtige Getreide- krankheit. anamorph teleomorph

24 h nach Inokulation

72 h nach Inokulation

teleomorph Simulation der Entwicklung in GroIMP:

Projekt T3: Topologische Analyse biochemischer Reaktionsnetzwerke biochemische Netzwerke haben eine Topologie:

Projekt T3: Topologische Analyse eines biochemischen Reaktionsnetzwerkes Konnektivität von Knoten; kann dargestellt werden durch die Wahrscheinlichkeit P(k), daß ein Knoten k Kanten aufweist: Für ein zufälliges Netzwerk (a) weist P(k) einen starken Peak k = auf; bei großen k nimmt P(k) exponentiell ab. In einem skalenfreien Netzwerk (c) weisen die meisten Knoten nur wenige Kanten (Links) auf, einige Knoten (Hubs) jedoch eine sehr große Anzahl von Links. Ein solches Netzwerk hat keinen Peak für P(k), für große k ist P(k) k - (Steigung - in der logarithmischen Darstellung)

Projekt T3: Topologische Analyse eines biochemischen Reaktionsnetzwerkes Aufgabe: ein Tool (in GroIMP) zur topologischen Analyse eines biochemischen Netzwerkes Eingabe: Netzwerkspezifikation (XML-Format) Ausgabe: Anzahl Knoten/Kanten, Konnektivität, zentraler Knoten, Clustering coefficient, mittlere Pfadlänge, Netzwerktyp (Kategorie, z.B. skalenfrei), Dimensionalität

Projekt T4: 3D-Biomorphe mit Insektenformen, unter Verwendung von XL und von NURBS-Flächen in GroIMP Biomorphs: von Richard Dawkins (engl. Zoologe) geschaffene, virtuelle Kreaturen Prinzip: iterative Erzeugung einer Strichgrafik (Baum), gesteuert durch einen simplen Genotyp, bestehend aus 9 Genen: Gene: 1) Orientierung und Länge der Striche (8): 19 Allele (-9, -8,..., 0,..., 8, 9), 2) Rekursionstiefe des Baumes (1): 10 Allele (0..9) ==> riesiger multidimensionaler Parameterraum: zu groß, um vollständig durchschritten zu werden. Allelwert steuert direkt über Entwicklungsregeln Orientierung und Länge eines Striches Population: 15 Biomorphe, Nutzer wählt interaktiv einen Biomorphen aus, dieser reproduziert sich in der nächsten Generation. Reproduktion: Mutation des parentalen Genotyps (zufällige Verschiebung jedes Genwertes um ±1) und Erzeugung 15 neuer Individuen, deren Genotyp sich vom parentalen Genotyp geringfügig unterscheidet.

Projekt T4: 3D-Biomorphe mit Insektenformen, unter Verwendung von XL und von NURBS-Flächen in GroIMP

Umsetzung als XL-Modell: Nutzerinteraktion: Auswahl von 1 oder 2 Biomorphen (asexuelle oder sexuelle Reproduktion) sexuelle Reproduktion: Mutation und genetische Rekombination (crossing-over):

Projekt T4: 3D-Biomorphe mit Insektenformen, unter Verwendung von XL und von NURBS-Flächen in GroIMP BAMZOOKI: ein Lern-/Spielprojekt von Children's BBC: Aufgabe: Erstellung insektenartiger Biomorphe Ersetzung der Strichgrafiken durch NURBS-Flächen

Projekt T5: Erstellung taxonomischer Bäume auf Basis von Sequenzdaten in GroIMP Taxonomische Bäume dienen der Visualisierung von Verwandt- schaftsverhältnissen zwischen "Taxa" (Familien, Gattungen, Arten, Sorten, Populationen) in der Tier- und Pflanzenwelt Datenquellen: Merkmale, die zwischen den Taxa eine erhebliche Variation aufweisen, d.h. sich unterscheiden. Je weniger Unterschiede......desto größer die Verwandtschaft...desto jünger die Abspaltung der Taxa voneinander...desto näher die Taxa zueinander im Baum morphologische Merkmale (Blütenfarbe, Blattlänge,...) kurze ( Basenpaare) DNA-Sequenzen (Kern-DNA, Chloroplasten-DNA) oft verwendete DNA-Bereiche: nicht-kodierende Sequenzen ausserhalb eines Gens: größere Variabilität, da hier Mutationen 'gesammelt' werden, z.B. trnL-trnF intergenic spacer (Sequenz aus der Chloroplasten-DNA)

Projekt T5: Erstellung taxonomischer Bäume auf Basis von Sequenzdaten in GroIMP Aufgabe: Nachbau eines Teils der Funktionalität des Programms ClustalW ( in GroIMP: Eingabe: Multiple Sequenzen (Fasta) bzw. ClustalW-Ausgabeformat (DND) Ausgabe: verschiedene Baumdiagramme rooted tree: unrooted tree:

Projekt T5: Erstellung taxonomischer Bäume auf Basis von Sequenzdaten in GroIMP slanted cladogram:rectangle cladogram:

Projekt T6: Ontologische Visualisierung von Genexpressionsdaten aus Makroarray-Experimenten Als Transkriptom wird die Gesamtheit aller mRNA-Spezies einer Zelle unter jeweils bestimmten Bedingungen definiert. Die Transkriptomanalyse ermöglicht die vollständige, "globale" Erfassung des Genexpressionsstatus eines Organismus unter definierten Bedingungen. Wesentliche Voraussetzung dafür: (vollständige/partielle) Sequenzierung des Genoms. Auf der Grundlage der so ermittelten (Total)sequenz ist es möglich, sogenannte DNA-Arrays ("DNA-Chips") für die Transkriptomanalyse herzustellen. Proteomanalyse: Globale Analyse des Protein-Pools einer Zelle unter definierten Bedingungen. Noch wichtiger als Untersuchung des Transkriptoms, da Proteine die eigentlichen Akteure im zellulären Geschehen sind. Nachteile: Feinauflösung der Proteomanalyse aus technischen Gründen erheblich unter derjenigen des Transkriptoms. Proteomanalyse erfasst stets nur einen Teil der Proteine Die globale Charakterisierung der Genomexpression mittels Transkriptom- und Proteomanalyse wird unter dem Oberbegriff "Funktionelle Genomanalyse" (functional genomics) zusammengefasst.

Projekt T6: Ontologische Visualisierung von Genexpressionsdaten aus Makroarray-Experimenten Makroarrays erlauben die gleichzeitige Bestimmung der Genexpression (d.h. Genaktivität) eines Organismus ==> sogenannte Transkriptomanalyse Ein Makroarray besteht aus einer Trägermatrix (Nylon), auf der in einem definierten zweidimensionalen Koordinatensystem DNA-Fragmente fixiert sind. Diese entsprechen identifizierten Genen. Ein Makroarray repräsentiert also (oft) das gesamte bekannte Genom eines Organismus. 3 Subarrays, bestehend aus jeweils 16 x 24 Sub-Subarrays: Sub-Subarray: 5 x 5 spots 2 background spots: mögliche Anzahl überprüfbarer Gene: 3 x 16 x 24 x 11 =

Projekt T6: Ontologische Visualisierung von Genexpressionsdaten aus Makroarray-Experimenten Methodik der Transkriptomanalyse: 1) RNA-Präparation: Kultur des Organismus unter verschiedenen Bedingungen, die verglichen werden sollen. Anschließende Isolation der Total-RNA aus den Kulturen. 2) Reverse Transkription: Umschreibung der mRNA in DNA durch reverse Transkription ==> cDNA (copy-DNA); letztere wird dabei gleichzeitig radioaktiv markiert. Entfernung der RNA. Verbliebene cDNA repräsentiert den mRNA-Pool = Transkriptom, zum Zeitpunkt der Probenentnahme. 3) Sukzessive Hybridisierung: Nacheinander Inkubation des Makroarrays mit beiden cDNAs, dabei Entfernung der ersten cDNA-Präparation vor dem Einsatz der zweiten. cDNA- Moleküle binden dabei an ihre komplementären Gegenstücke auf dem Macroarray. Signalstärke auf dem Array ist Funktion der Menge an genspezifischer RNA = gebundener cDNA. Nach Beendigung einer Hybridisierung: Exponierung des radioaktiv markierten Makroarrays auf speziellen Signalerfassungsschirmen. Speicherung der Signale als digitale Bilder. 4) Datenauswertung: Vergleichende Analyse der erhaltenen zweidimensionalen Signalpunktmuster mit Computerprogrammen. Muster repräsentieren unterschiedliche Zustände des Transkriptoms.

Projekt T6: Ontologische Visualisierung von Genexpressionsdaten aus Makroarray-Experimenten Experimente an Nutzpflanzen unter verschiedenen Bedingungen (Stress: Parasiten, Trockenheit) (IPK) Genaktivität unter solchen Bedingungen (wie reagiert die Pflanze?) Rückschlüsse auf zugrunde liegende genetische Funktions-/ Regelungsnetzwerke Ausgangslage: sehr viele Meßwerte (ca pro Experiment) Herausforderung: Abbildung der exprimierten Gene auf die zugrundeliegenden biologischen Vorgänge (Stoffwechselweg, Proteinsynthese) Expressionsprofil: z.B. Aktivität eines bestimmten Stoffwechselwegs in Bezug auf verschiedene Entwicklungsstadien der Pflanze Erfassung von Expressionsdaten: DB-Informationssystem FLAREX (IPK) Funktionsklassifikation der gemessenen Gene: DB-Integrationssoftware DBOra. Quellen der Funktionsklassifikation: öffentliche Datenbanken (Gene Ontology, KEGG).

Projekt T6: Ontologische Visualisierung von Genexpressionsdaten aus Makroarray- Experimenten Vorarbeiten am IPK: JAVA-Anwendung GOV (GeneOntology- Visualisierung)

Projekt T6: Ontologische Visualisierung von Genexpressionsdaten aus Makroarray- Experimenten Aufgabe: Visualisierung der Expressionsprofile bezgl. von Funktionsklassen 2D,3D-Liniendiagramme (siehe GOV) Expressionsdaten liegen in einer relationalen ORACLE-Datenbank vor, Abfrage möglich mittels SOAP-WebServices (SOAP = Simple Object Access Protocol; erlaubt Austausch von Objekten zwischen Client und Server; auf verschiedenen Betriebssystemen laufende Programme können so über eine Art XML miteinander kommunizieren). Umsetzung als Java-Plugin für GroIMP vom Nutzer frei w ä hlbar: Gene, jeweilige Funktionsklasse ( z. B. bestimmter Stoffwechselweg oder Klasse von Stoffwechselwegen), Experimentreihe

Projektarbeit?? Six Phases of a Project 1 Enthusiasm 2 Disillusionment 3 Panic 4 A Search for the Guilty 5 The Punishment of the Innocent 6Praise and Honor for the Non- Participants

Projektarbeit!! 1.Vorstellung der Projektthemen 2.Bildung der Gruppen 3.Formale Strukturierung der Gruppen ("Postenvergabe") 4.Formulierung des Projektthemas durch jede Gruppe (bis ½ Seite) 5.Abgleich des Themas mit dem Betreuer 6.Gliederung der Projektarbeit in Etappen oder 'Milestones' 7.Verteilung der Aufgaben innerhalb der Gruppe a.Literatur-, Web-Recherche b.Vorformulierung von Teilen des Berichts bzw. der Präsentation (früh damit anfangen!!) c.Programmieraufgaben d.Informationsbeschaffung/-austausch durch Kontakte zu anderen Gruppen, zum Berater, oder zu entsprechenden Experten im In- und Ausland (über Diskussionsforen etc.) n. Präsentation, Projektbericht

Projekt T7: OrganicBuilder 3D - ein Werkzeug zur räumlichen Darstellung biochemischer Reaktionen Artificial Chemistry: Simulation (bio)chemischer Reaktionen Atome/Moleküle in Simulationen meist dargestellt als Kugeln, die sich in einem abgegrenzten Raum (Quadrat: 2D, Kubus: 3D) zufällig (Brown'sche Bewegung) fortbewegen und bei entsprechender Nähe zueinander miteinander eine chemische Reaktion eingehen: Graphische Darstellung der chemischen Reaktion: Ausbildung einer Verbindungskante zwischen den beteiligten Knoten Veränderung des Molekül(Atom)zustandes: z.B. Reaktionsfreudigkeit nimmt ab, wird Null,... Anregungen unter:

Projekt T7: OrganicBuilder 3D - ein Werkzeug zur räumlichen Darstellung biochemischer Reaktionen

Projekt T8: Implementierung des Wurzelmodells Root Typ in XL Wurzelarchitekturmodell RootTyp: (Loic Pagès, INRA Avignon, Frankreich). Simuliert das Wachstum und die Verzweigung von Wurzeln verschiedener botanischer Arten (Getreide, Unkräuter...) unter Berücksichtigung eines eindimensionalen Bodenprofils. Simulierte Prozesse: Wurzelbildung, axiales und radiales (Dicken)Wachstum, sequentielle Verzweigung, Reiteration, Übergang, Verfaulen und Abwurf. Aufgabe: Übersetzung des Programms von C in ein durch GroIMP darstellbares kompaktes RGG-Regelsystem mit entsprechender Visualisierung

Graphische Ausgabe des Modells RootTyp: links Original (Zeichnung), rechts Simulation

Projekt T9: Integration eines Werkzeugs zur fraktalen Analyse von virtuellen Pflanzen in GroIMP Bestimmung der Box-counting-Dimension eines Objekts: Man überzieht das Objekt A mit Gittern abnehmender Maschenweite s und zählt jedesmal die Gitterzellen, die geschnitten werden ( = Teile von A enthalten). Die resultierenden Anzahlen N werden in einem doppelt- logarithmischen Diagramm gegen s aufgetragen Wenn A fraktale Struktur hat, sollte sich näherungsweise eine Gerade ergeben. Ihre Steigung, mit umgekehrtem Vorzeichen, ist dann die Box-counting-Dimension von A.

Projekt T9 Beispiel Koch-Kurve: Überdeckung mit verschiedenen Quadratgittern Koch-Kurve (selbstähnliches Objekt)

Projekt T9 Resultierendes Seitenlänge-Anzahl- Diagramm (beachte: beide Achsen logarithmisch): resultierende Steigung: ca. –1,26, entspricht der Box-counting- Dimension mit negativem Vorzeichen. die Koch-Kurve ist "mehr als eine Linie" (Dimension > 1), aber "weniger als eine Fläche" (Dimension < 2).

Probleme bei der Bestimmung der Box-Dimension "realer" Objekte (Pflanzen, Pflanzenorgane...): es ergibt sich im log-log-Plot nicht immer eine Gerade (Vorschlag von Rigaut 1987: "Semifraktale" bei nichtlinearen, aber gesetzmäßigen Verläufen) es existieren obere und untere Skalengrenzen, wo sich das Raumfüllungsverhalten der Struktur ändert: "inner cutoff" c i und "outer cutoff" c o wie bestimmt man diese kritischen Schranken? bei Bestimmung der Box-Dim. als Geradensteigung kommt als weiterer Parameter noch ein Interzept a hinzu man kann N nur für endlich viele Gitter-Maschenweiten bestimmen: für welche? statistische Probleme, da die Messungen für die einzelnen Maschenweiten nicht stochastisch unabhängig voneinander sind weiterer Parameter: Korrelationskoeffizient (mit anzugeben!) Projekt T9

iterative Bestimmung von "inner cutoff" und "outer cutoff": Bestimme für unterschiedliche Paare (c i, c o ) den Korrelations- koeffizienten der dazwischenliegenden Datenpunkte, bestimme das Maximum (des Absolutbetrages) log N δ (A) log δ cici coco

Projekt T10: Visualisierung von Proteinstrukturen Visualisierung von Proteinstrukturen aus einer Proteinstruktur- Datenbank mittels GroIMP. Eingabeformat: PDB (Protein Data Bank, Gibt Topologie und Geometrie (u.a.) aller beteiligten Atome vor. Direkte Visualisierung in GroIMP durch Interpretation der vor- gegebenen Strukturinformation. Ausgabe: interaktives Makromolekülmodell als 'C-Backbone', Cartoon, Kalottenmodell oder "Ball and Stick".

Projekt T10: Beispiel PDB-Format

Projekt T10: Beispiele für graphische Ausgaben backbone (Kohlenstoff- skelett) stick cartoon Kalotten- modell