@phdthesis{AbdAllahSalem2018,
  author    = {Abd Allah Salem, Mohamed},
  title     = {Comparative and systemic metabolomic analysis of the model plant Arabidopsis thaliana after perturbing the essential Target of Rapamycin (TOR) pathway},
  school      = {Universit{\"a}t Potsdam},
  pages     = {113},
  year      = {2018},
  language  = {en}
}
@phdthesis{AbdelHaliem2003,
  author    = {Abdel-Haliem, Mahmoud E. F.},
  title     = {Molecular-physiological analysis of two novel isoforms of phosphoinositide kinases from Arabidopisis thaliana (L.) Heynh.},
  pages     = {122 S.},
  year      = {2003},
  language  = {en}
}
@article{AbdirashidLenhard2020,
  author    = {Abdirashid, Hashim and Lenhard, Michael},
  title     = {Say it with double flowers},
  series = {Journal of experimental botany},
  volume    = {71},
  journal   = {Journal of experimental botany},
  number    = {9},
  publisher = {Oxford Univ. Press},
  address   = {Oxford},
  issn      = {0022-0957},
  doi       = {10.1093/jxb/eraa109},
  pages     = {2469 -- 2471},
  year      = {2020},
  abstract  = {Every year, lovers world-wide rely on mutants to show their feelings on Valentine's Day. This is because many of the most popular ornamental flowering plants have been selected to form extra petals at the expense of reproductive organs to enhance their attractiveness and aesthetic value to humans. This so-called 'double flower' (DF) phenotype, first described more than 2000 years ago (Meyerowitz et al., 1989) is present, for example, in many modern roses, carnations, peonies, and camellias. Gattolin et al. (2020) now identify a unifying explanation for the molecular basis of many of these DF cultivars.},
  language  = {en}
}
@book{AbelHolschneider2009,
  author    = {Abel, Markus and Holschneider, Matthias},
  title     = {Modellierung und Datenbankanalyse komplexer Systeme Teil 8 : Vorlesung 2009-06-25},
  publisher = {Univ.-Bibl.},
  address   = {Potsdam},
  year      = {2009},
  abstract  = {Komplexe Systeme reichen von "harten", physikalischen, wie Klimaphysik, Turbulenz in Fluiden oder Plasmen bis zu so genannten "weichen", wie man sie in der Biologie, der Physik weicher Materie, Soziologie oder {\"O}konomie findet. Die Ausbildung von Verst{\"a}ndnis zu einem solchen System beinhaltet eine Beschreibung in Form von Statistiken und schlussendlich mathematischen Gleichungen. Moderne Datenanalyse stellt eine große Menge von Werkzeugen zur Analyse von Komplexit{\"a}t auf verschiedenen Beschreibungsebenen bereit. In diesem Kurs werden statistische Methoden mit einem Schwerpunkt auf dynamischen Systemen diskutiert und einge{\"u}bt. Auf der methodischen Seite werden lineare und nichtlineare Ans{\"a}tze behandelt, inklusive der Standard-Werkzeuge der deskriptiven und schlussfolgernden Statistik, Wavelet Analyse, Nichtparametrische Regression und der Sch{\"a}tzung nichtlinearer Maße wie fraktaler Dimensionen, Entropien und Komplexit{\"a}tsmaßen. Auf der Modellierungsseite werden deterministische und stochastische Systeme, Chaos, Skalierung und das Entstehen von Komplexit{\"a}t durch Wechselwirkung diskutiert - sowohl f{\"u}r diskrete als auch f{\"u}r ausgedehnte Systeme. Die beiden Ans{\"a}tze werden durch Systemanalyse jeweils passender Beispiele vereint.},
  language  = {de}
}
@book{AbelHolschneider2009,
  author    = {Abel, Markus and Holschneider, Matthias},
  title     = {Modellierung und Datenbankanalyse komplexer Systeme Teil 9 : Vorlesung 2009-07-02},
  publisher = {Univ.-Bibl.},
  address   = {Potsdam},
  year      = {2009},
  abstract  = {Komplexe Systeme reichen von "harten", physikalischen, wie Klimaphysik, Turbulenz in Fluiden oder Plasmen bis zu so genannten "weichen", wie man sie in der Biologie, der Physik weicher Materie, Soziologie oder {\"O}konomie findet. Die Ausbildung von Verst{\"a}ndnis zu einem solchen System beinhaltet eine Beschreibung in Form von Statistiken und schlussendlich mathematischen Gleichungen. Moderne Datenanalyse stellt eine große Menge von Werkzeugen zur Analyse von Komplexit{\"a}t auf verschiedenen Beschreibungsebenen bereit. In diesem Kurs werden statistische Methoden mit einem Schwerpunkt auf dynamischen Systemen diskutiert und einge{\"u}bt. Auf der methodischen Seite werden lineare und nichtlineare Ans{\"a}tze behandelt, inklusive der Standard-Werkzeuge der deskriptiven und schlussfolgernden Statistik, Wavelet Analyse, Nichtparametrische Regression und der Sch{\"a}tzung nichtlinearer Maße wie fraktaler Dimensionen, Entropien und Komplexit{\"a}tsmaßen. Auf der Modellierungsseite werden deterministische und stochastische Systeme, Chaos, Skalierung und das Entstehen von Komplexit{\"a}t durch Wechselwirkung diskutiert - sowohl f{\"u}r diskrete als auch f{\"u}r ausgedehnte Systeme. Die beiden Ans{\"a}tze werden durch Systemanalyse jeweils passender Beispiele vereint.},
  language  = {de}
}
@book{AbelHolschneider2009,
  author    = {Abel, Markus and Holschneider, Matthias},
  title     = {Modellierung und Datenbankanalyse komplexer Systeme Teil 7 : Vorlesung 2009-06-18},
  publisher = {Univ.-Bibl.},
  address   = {Potsdam},
  year      = {2009},
  abstract  = {Komplexe Systeme reichen von "harten", physikalischen, wie Klimaphysik, Turbulenz in Fluiden oder Plasmen bis zu so genannten "weichen", wie man sie in der Biologie, der Physik weicher Materie, Soziologie oder {\"O}konomie findet. Die Ausbildung von Verst{\"a}ndnis zu einem solchen System beinhaltet eine Beschreibung in Form von Statistiken und schlussendlich mathematischen Gleichungen. Moderne Datenanalyse stellt eine große Menge von Werkzeugen zur Analyse von Komplexit{\"a}t auf verschiedenen Beschreibungsebenen bereit. In diesem Kurs werden statistische Methoden mit einem Schwerpunkt auf dynamischen Systemen diskutiert und einge{\"u}bt. Auf der methodischen Seite werden lineare und nichtlineare Ans{\"a}tze behandelt, inklusive der Standard-Werkzeuge der deskriptiven und schlussfolgernden Statistik, Wavelet Analyse, Nichtparametrische Regression und der Sch{\"a}tzung nichtlinearer Maße wie fraktaler Dimensionen, Entropien und Komplexit{\"a}tsmaßen. Auf der Modellierungsseite werden deterministische und stochastische Systeme, Chaos, Skalierung und das Entstehen von Komplexit{\"a}t durch Wechselwirkung diskutiert - sowohl f{\"u}r diskrete als auch f{\"u}r ausgedehnte Systeme. Die beiden Ans{\"a}tze werden durch Systemanalyse jeweils passender Beispiele vereint.},
  language  = {de}
}
@book{AbelHolschneider2009,
  author    = {Abel, Markus and Holschneider, Matthias},
  title     = {Modellierung und Datenbankanalyse komplexer Systeme Teil 6 : Vorlesung 2009-06-11},
  publisher = {Univ.-Bibl.},
  address   = {Potsdam},
  year      = {2009},
  abstract  = {Komplexe Systeme reichen von "harten", physikalischen, wie Klimaphysik, Turbulenz in Fluiden oder Plasmen bis zu so genannten "weichen", wie man sie in der Biologie, der Physik weicher Materie, Soziologie oder {\"O}konomie findet. Die Ausbildung von Verst{\"a}ndnis zu einem solchen System beinhaltet eine Beschreibung in Form von Statistiken und schlussendlich mathematischen Gleichungen. Moderne Datenanalyse stellt eine große Menge von Werkzeugen zur Analyse von Komplexit{\"a}t auf verschiedenen Beschreibungsebenen bereit. In diesem Kurs werden statistische Methoden mit einem Schwerpunkt auf dynamischen Systemen diskutiert und einge{\"u}bt. Auf der methodischen Seite werden lineare und nichtlineare Ans{\"a}tze behandelt, inklusive der Standard-Werkzeuge der deskriptiven und schlussfolgernden Statistik, Wavelet Analyse, Nichtparametrische Regression und der Sch{\"a}tzung nichtlinearer Maße wie fraktaler Dimensionen, Entropien und Komplexit{\"a}tsmaßen. Auf der Modellierungsseite werden deterministische und stochastische Systeme, Chaos, Skalierung und das Entstehen von Komplexit{\"a}t durch Wechselwirkung diskutiert - sowohl f{\"u}r diskrete als auch f{\"u}r ausgedehnte Systeme. Die beiden Ans{\"a}tze werden durch Systemanalyse jeweils passender Beispiele vereint.},
  language  = {de}
}
@book{AbelHolschneider2009,
  author    = {Abel, Markus and Holschneider, Matthias},
  title     = {Modellierung und Datenbankanalyse komplexer Systeme Teil 10 : Vorlesung 2009-07-09},
  publisher = {Univ.-Bibl.},
  address   = {Potsdam},
  year      = {2009},
  abstract  = {Komplexe Systeme reichen von "harten", physikalischen, wie Klimaphysik, Turbulenz in Fluiden oder Plasmen bis zu so genannten "weichen", wie man sie in der Biologie, der Physik weicher Materie, Soziologie oder {\"O}konomie findet. Die Ausbildung von Verst{\"a}ndnis zu einem solchen System beinhaltet eine Beschreibung in Form von Statistiken und schlussendlich mathematischen Gleichungen. Moderne Datenanalyse stellt eine große Menge von Werkzeugen zur Analyse von Komplexit{\"a}t auf verschiedenen Beschreibungsebenen bereit. In diesem Kurs werden statistische Methoden mit einem Schwerpunkt auf dynamischen Systemen diskutiert und einge{\"u}bt. Auf der methodischen Seite werden lineare und nichtlineare Ans{\"a}tze behandelt, inklusive der Standard-Werkzeuge der deskriptiven und schlussfolgernden Statistik, Wavelet Analyse, Nichtparametrische Regression und der Sch{\"a}tzung nichtlinearer Maße wie fraktaler Dimensionen, Entropien und Komplexit{\"a}tsmaßen. Auf der Modellierungsseite werden deterministische und stochastische Systeme, Chaos, Skalierung und das Entstehen von Komplexit{\"a}t durch Wechselwirkung diskutiert - sowohl f{\"u}r diskrete als auch f{\"u}r ausgedehnte Systeme. Die beiden Ans{\"a}tze werden durch Systemanalyse jeweils passender Beispiele vereint.},
  language  = {de}
}
@article{AbercrombieAndersonBaldwinetal.2009,
  author    = {Abercrombie, Laura Good and Anderson, Cynthia M. and Baldwin, Bruce G. and Bang, In-Chul and Beldade, Ricardo and Bernardi, Giacomo and Boubou, Angham and Branca, Antoine and Bretagnolle, Francois and Bruford, Michael W. and Buonamici, Anna and Burnett, Robert K. and Canal, D. and Cardenas, H. and Caullet, Coraline and Chen, S. Y. and Chun, Y. J. and Cossu, C. and Crane, Charles F. and Cros-Arteil, Sandrine and Cudney-Bueno, Richard and Danti, Roberto and Davila, Jos{\´e} Antonio and Della Rocca, Gianni and Dobata, Shigeto and Dunkle, Larry D. and Dupas, Stephane and others},
  title     = {Permanent genetic resources added to molecular ecology resources database 1 January 2009-30 April 2009},
  issn      = {1755-098X},
  doi       = {10.1111/j.1755-0998.2009.02746.x},
  year      = {2009},
  abstract  = {This article documents the addition of 283 microsatellite marker loci to the Molecular Ecology Resources Database. Loci were developed for the following species: Agalinis acuta; Ambrosia artemisiifolia; Berula erecta; Casuarius casuarius; Cercospora zeae-maydis; Chorthippus parallelus; Conyza canadensis; Cotesia sesamiae; Epinephelus acanthistius; Ficedula hypoleuca; Grindelia hirsutula; Guadua angustifolia; Leucadendron rubrum; Maritrema novaezealandensis; Meretrix meretrix; Nilaparvata lugens; Oxyeleotris marmoratus; Phoxinus neogaeus; Pristomyrmex punctatus; Pseudobagrus brevicorpus; Seiridium cardinale; Stenopsyche marmorata; Tetranychus evansi and Xerus inauris. These loci were cross-tested on the following species: Agalinis decemloba; Agalinis tenella; Agalinis obtusifolia; Agalinis setacea; Agalinis skinneriana; Cercospora zeina; Cercospora kikuchii; Cercospora sorghi; Mycosphaerella graminicola; Setosphaeria turcica; Magnaporthe oryzae; Cotesia flavipes; Cotesia marginiventris; Grindelia Xpaludosa; Grindelia chiloensis; Grindelia fastigiata; Grindelia lanceolata; Grindelia squarrosa; Leucadendron coniferum; Leucadendron salicifolium; Leucadendron tinctum; Leucadendron meridianum; Laodelphax striatellus; Sogatella furcifera; Phoxinus eos; Phoxinus rigidus; Phoxinus brevispinosus; Phoxinus bicolor; Tetranychus urticae; Tetranychus turkestani; Tetranychus ludeni; Tetranychus neocaledonicus; Tetranychus amicus; Amphitetranychus viennensis; Eotetranychus rubiphilus; Eotetranychus tiliarium; Oligonychus perseae; Panonychus citri; Bryobia rubrioculus; Schizonobia bundi; Petrobia harti; Xerus princeps; Spermophilus tridecemlineatus and Sciurus carolinensis.},
  language  = {en}
}
@article{AberleMalzahnBauerLewandowskaetal.2012,
  author    = {Aberle-Malzahn, Nicole and Bauer, Barbara and Lewandowska, A. and Gaedke, Ursula and Sommer, U.},
  title     = {Warming induces shifts in microzooplankton phenology and reduces time-lags between phytoplankton and protozoan production},
  series = {Marine biology : international journal on life in oceans and coastal waters},
  volume    = {159},
  journal   = {Marine biology : international journal on life in oceans and coastal waters},
  number    = {11},
  publisher = {Springer},
  address   = {New York},
  issn      = {0025-3162},
  doi       = {10.1007/s00227-012-1947-0},
  pages     = {2441 -- 2453},
  year      = {2012},
  abstract  = {Indoor mesocosm experiments were conducted to test for potential climate change effects on the spring succession of Baltic Sea plankton. Two different temperature (Delta 0 A degrees C and Delta 6 A degrees C) and three light scenarios (62, 57 and 49 \% of the natural surface light intensity on sunny days), mimicking increasing cloudiness as predicted for warmer winters in the Baltic Sea region, were simulated. By combining experimental and modeling approaches, we were able to test for a potential dietary mismatch between phytoplankton and zooplankton. Two general predator-prey models, one representing the community as a tri-trophic food chain and one as a 5-guild food web were applied to test for the consequences of different temperature sensitivities of heterotrophic components of the plankton. During the experiments, we observed reduced time-lags between the peaks of phytoplankton and protozoan biomass in response to warming. Microzooplankton peak biomass was reached by 2.5 day A degrees C-1 earlier and occurred almost synchronously with biomass peaks of phytoplankton in the warm mesocosms (Delta 6 A degrees C). The peak magnitudes of microzooplankton biomass remained unaffected by temperature, and growth rates of microzooplankton were higher at Delta 6 A degrees C (mu(a dagger 0 A degrees C) = 0.12 day(-1) and mu(a dagger 6 A degrees C) = 0.25 day(-1)). Furthermore, warming induced a shift in microzooplankton phenology leading to a faster species turnover and a shorter window of microzooplankton occurrence. Moderate differences in the light levels had no significant effect on the time-lags between autotrophic and heterotrophic biomass and on the timing, biomass maxima and growth rate of microzooplankton biomass. Both models predicted reduced time-lags between the biomass peaks of phytoplankton and its predators (both microzooplankton and copepods) with warming. The reduction of time-lags increased with increasing Q(10) values of copepods and protozoans in the tritrophic food chain. Indirect trophic effects modified this pattern in the 5-guild food web. Our study shows that instead of a mismatch, warming might lead to a stronger match between protist grazers and their prey altering in turn the transfer of matter and energy toward higher trophic levels.},
  language  = {en}
}