Benedikt Christoph Venn

• Living systems incessantly engage in the regulation of their cellular processes to fulfill their biological functions. Beyond development-related adjustments or cell cycle oscillations, environmental fluctuations compel the system to reorganize metabolic pathways, structural components, or molecular repair and reconstitution mechanisms. These responses manifest across diverse temporal scales, necessitating an intricate regulatory orchestration. Time series experiments have become increasingly popular for charting the chronological order and elucidating the underlying mechanisms. In the era of high-throughput technologies, the majority of cellular molecules can be analyzed in one fell swoop, generating a comprehensive snapshot of the status quo of most present molecules. Methodological advancements also permit the monitoring not only of molecular abundances but also the functional status of transcripts and proteins. However, due to the still high efforts associated with such experiments, the number of measured time points and the replication of measurements remains limited. Resulting datasets contain signals from thousands of molecules, yet they are sparse in temporal resolution and are often imprecise due to biological variability and technical measurement inaccuracies. This thesis explores the complexities arising from the examination of short time series data and introduces pioneering tools that offer fresh insights into the realm of biological time series analysis. The broad spectrum of analytic possibilities ranges from a molecule-centric investigation of individual time courses to a holistic aggregation of the system’s response to its main characteristics. By creating a modeling framework that applies domain-specific constraints, time-course signals can be transformed from a series of discrete data points into a continuous curve. These curves align with current biological conjectures about molecule kinetics being smooth and devoid of superfluous oscillations. Noise present at individual time points is judiciously accounted for during curve fitting, mitigating the impact of time points with high variance on the curve. Subsequent classification is based on the features of these curves (extreme points and inflection points) and ensures a reduction in data amount and complexity. Succinct labels assigned to each molecule's kinetics encapsulate the signal's most notable features. Besides this modeling approach, an innovative enrichment strategy is introduced, that is independent of prior data partitioning and capable of segregating the temporal response into its thermodynamically relevant components. This approach allows for a continuous assessment of each molecule's contribution to these components, obviating the need for exclusive allocation. The application of various analytical approaches to heat acclimation experiments in Chlamydomonas highlights the relevance and potential of time series experiments and specifically tailored analysis techniques. The integration of different system levels has led to the identification of regulatory peculiarities, such as an increased correlation between transcripts and corresponding proteins during acclimation responses. These and other insights may herald new avenues of research that could ultimately enhance plant robustness in the face of increasing environmental perturbations. The growing popularity of time series experiments necessitates dedicated analytical approaches that empower researchers and analysts to decipher patterns, discern trends, and unravel the underlying structures within the data, facilitating predictions and the derivation of meaningful conclusions that could potentially build bridges between the interweaved systems levels.
• Ein biologisches System, sei es eine einzelne Zelle, ein Gewebe, Organ oder Organismus, beschäftigt sich unermüdlich mit der Regulierung zellulärer Prozesse, um seine biologischen Funktionen zu erfüllen. Über Anpassungen während der Entwicklung und Zellzyklus-Oszillationen hinaus, zwingen Schwankungen von Umweltfaktoren das System dazu, Stoffwechselwege, strukturelle Komponenten oder Reparationsmechanismen neu zu organisieren. Diese Reaktionen verlaufen in unterschiedlichen zeitlichen Abfolgen und Laufzeiten und erfordern dadurch eine komplexe regulatorische Orchestrierung. Zeitreihenexperimente erfreuen sich zunehmender Beliebtheit, um diese Reihenfolgen zu erfassen und die zugrunde liegenden Mechanismen aufzuklären. Die Ära der Hochdurchsatztechnologien ermöglicht Wissenschaftlern, einen Großteil der zellulären Moleküle in einem einzigen Durchgang zu quantifizieren, was eine umfassende Momentaufnahme des zellulären Zustands liefert. Methodische Fortschritte ermöglichen neben der Messung der Molekülabundanz auch eine Schätzung ihrer biologischen Aktivität. Aufgrund des nach wie vor hohen Aufwands solcher Experimente ist die Anzahl von vermessenen Zeitpunkten sowie die Replikatanzahl von Zeitserienexperimenten vergleichsweise gering. Die resultierenden Datensätze enthalten die Messwerte von Tausenden von Molekülen, sind jedoch in ihrer zeitlichen Auflösung spärlich und aufgrund biologischer Variabilität und technischer Messungenauigkeiten oftmals ungenau. Diese Arbeit befasst sich mit den Herausforderungen, die sich mit der Analyse kurzen, verrauschten Zeitreihen ergeben, und präsentiert die Entwicklung innovativer Methoden, die neue Perspektiven in der biologischen Zeitreihenanalyse eröffnen. Das Spektrum der Analysemöglichkeiten reicht von einer molekül-zentrischen Untersuchung einzelner Zeitverläufe bis hin zu einer ganzheitlichen Aggregation der Reaktion des Systems auf seine Hauptcharakteristiken. Durch die Entwicklung einer Modellierungsstrategie, die domänenspezifische Annahmen durchsetzt, können Zeitseriensignale aus einer Reihe diskreter Datenpunkte in einen kontinuierlichen Abundanz-Verlauf umgewandelt werden. Die entstehenden Kurven entsprechen aktuell gültigen Annahmen über die Kinetik von biologischen Molekülen, indem ihr Verlauf glatt ist und keine unnötigen Oszillationen aufweisen. Vorhandenes Rauschen an einzelnen Zeitpunkten wird bei der Modellierung berücksichtigt, um die Auswirkungen von Zeitpunkten mit hoher Varianz auf die Kurve zu mildern. Eine anschließende Klassifizierung, die auf den Merkmalen dieser Kurven beruht (Lage und Beschaffenheit von Extrem- und Wendepunkten), ermöglicht eine Reduktion der Datenmenge und -komplexität. Jedem Molekül kann so eine Kennzeichnung seiner Kinetik zugewiesen werden, die die auffälligsten Merkmale des Signals zusammenfasst. Neben dieser Zeitserien-Modellierung wird außerdem eine Label-Enrichment-Strategie vorgestellt, die von einer vorherigen Aufspaltung des Datensatzes unabhängig ist und außerdem die biologischen Reaktionen in ihre markantesten Komponenten unterteilt. Diese Methodik ermöglicht eine gewichtete Zuordnung der Molekülrelevanz zu diesen Komponenten. Die Anwendung verschiedener analytischer Strategien auf Hitzeakklimatisierungs-Experimente in Chlamydomonas soll die Relevanz und das Potenzial von Zeitreihenexperimenten und speziell darauf zugeschnittenen Analysetechniken unterstreichen. Durch die Integration verschiedener Systemebenen konnten regulatorische Besonderheiten unter Hitze ermittelt werden, wie beispielsweise eine erhöhte Korrelation zwischen Transkripten und ihren entsprechenden Protein-Abundanzen. Diese und weitere Einblicke eröffnen neue Forschungsansätze, die angesichts zunehmender klimatischer Veränderungen letztendlich die Widerstandsfähigkeit von Pflanzen steigern könnten. Die wachsende Popularität von Zeitreihenexperimenten erfordert spezielle analytische Methoden, die Forschende dazu befähigen, zugrunde liegende Muster und Strukturen in den Daten zu entschlüsseln. Dies trägt dazu bei, Vorhersagen zu ermöglichen und Schlussfolgerungen abzuleiten, die potenziell unerkannte Verbindungen zwischen miteinander verflochtenen Systemebenen sichtbar machen.