TY  - THES
A1  - Mubeen, Umarah
T1  - Regulation of central carbon and nitrogen metabolism by Target of Rapamycin (TOR) kinase in Chlamydomonas reinhardtii
T1  - Regulation des zentralen Kohlen- und Stickstoff Stoffwechsels durch die Target of Rapamycin Kinase in der Grünalge Chlamydomonas reinhardtii
N2  - The highly conserved protein complex containing the Target of Rapamycin (TOR) kinase is known to integrate intra- and extra-cellular stimuli controlling nutrient allocation and cellular growth. This thesis describes three studies aimed to understand how TOR signaling pathway influences carbon and nitrogen metabolism in Chlamydomonas reinhardtii. The first study presents a time-resolved analysis of the molecular and physiological features across the diurnal cycle. The inhibition of TOR leads to 50% reduction in growth followed by nonlinear delays in the cell cycle progression. The metabolomics analysis showed that the growth repression is mainly driven by differential carbon partitioning between anabolic and catabolic processes. Furthermore, the high accumulation of nitrogen-containing compounds indicated that TOR kinase controls the carbon to nitrogen balance of the cell, which is responsible for biomass accumulation, growth and cell cycle progression. In the second study the cause of the high accumulation of amino acids is explained. For this purpose, the effect of TOR inhibition on Chlamydomonas was examined under different growth regimes using stable 13C- and 15N-isotope labeling.  The data clearly showed that an increased nitrogen uptake is induced within minutes after the inhibition of TOR. Interestingly, this increased N-influx is accompanied by increased activities of nitrogen assimilating enzymes. Accordingly, it was concluded that TOR inhibition induces de-novo amino acid synthesis in Chlamydomonas. The recognition of this novel process opened an array of questions regarding potential links between central metabolism and TOR signaling. Therefore a detailed phosphoproteomics study was conducted to identify the potential substrates of TOR pathway regulating central metabolism. Interestingly, some of the key enzymes involved in carbon metabolism as well as amino acid synthesis exhibited significant changes in the phosphosite intensities immediately after TOR inhibition. Altogether, these studies provide a) detailed insights to metabolic response of Chlamydomonas to TOR inhibition, b) identification of a novel process causing rapid upshifts in amino acid levels upon TOR inhibition and c) finally highlight potential targets of TOR signaling regulating changes in central metabolism. Further biochemical and molecular investigations could confirm these observations and advance the understanding of growth signaling in microalgae.
N2  - Target of Rapamycin (TOR) ist das Zentralprotein eines hochkonservierten Proteinkomplexes, welcher Nährstoff- und Energie Ressourcen für zelluläre Wachstumsprozesse kontengiert. Diese Doktorarbeit beschreibt anhand dreier Studien, wie TOR zu diesem Zweck, in der Grünalge Chlamydomonas reinhardtii, den zentralen Stoffwechsel reguliert. Die erste Studie untersucht dazu das zeitaufgelöste Verhalten von Biomolekülen im Tagesverlauf synchronisiert wachsender Algen. Dabei konnte gezeigt werden, das der TOR Inhibitor Rapamycin das Wachstum um 50% reduziert und den Zellzyklus verzögert. Die Zellzyklus Verzögerung scheint dabei hauptsächlich durch veränderte Stoffwechselprozesse erklärt zu sein. Hierbei konnte gezeigt werden, dass TOR vor allem stickstoffhaltige Stoffwechselprodukte (z.B. Aminosäuren) kontrolliert, welche die Grundlage für Biomasseproduktion, Wachstum und den Zellzyklus bilden. Im Rahmen der zweiten Studie konnte dann der molekulare Mechanismus der Akkumulation der zellulären Aminosäuren aufgeklärt werden. Zu diesem Zweck wurden Fütterungsstudien mit 13C- und 15N-Isotopen durchgeführt. Die Ergebnisse dieser Fütterung konnten klar zeigen, dass die Inhibition von TOR zur verstärkten Aufnahme von Stickstoff in die Zelle und dessen Assimilierung in Aminosäuren führt. Die Aufdeckung dieses neuen, von TOR gesteuerten Prozesses eröffnete somit die Frage, wie die Signalkaskade von TOR zu den Enzymen der Aminosäuresynthese verläuft. Detaillierte phosphoproteomische Studien sollten dieser Frage nachgehen und Zielprotein der TOR Kinase zu identifizieren und regulierte Stoffwechselprozesses zu finden. Dabei stellte sich heraus, dass sowohl verschiedene Enzyme der Aminosäuresynthese als auch Enzyme des zentralen Stoffwechsels innerhalb weniger Minuten stark verändert wurden. Zusammenfassend kann man festhalten das die vorliegende Arbeit detaillierte Stoffwechselanalysen des Stoffwechsels nach einer TOR Inhibition aufdeckt. Hierbei ein neuer Mechanismus zur Regulation der Aminosäuresynthese, nach TOR Inhibition gezeigt werden konnte, welche durch systemische Regulation der Phosphorylierungsmuster zellulärer Proteine kontrolliert wird. Zusätzliche molekulare und biochemische Studien konnten weiterhin zeigen, dass wie TOR das zelluläre Wachstum der photosynthetischen Grünalge kontrolliert und somit steuert.
KW  - Target of Rapamycin kinase
KW  - Growth signaling
KW  - metabolism
KW  - phosphoproteomics
KW  - Chlamydomonas
KW  - Target of Rapamycin kinase
KW  - Wachstumssignale
KW  - Stoffwechsel
KW  - Phosphoproteomik
KW  - Chlamydomonas
Y1  - 2018
ER  - 
TY  - THES
A1  - Küken, Anika
T1  - Predictions from constraint-based approaches including enzyme kinetics
N2  - The metabolic state of an organism reflects the entire phenotype that is jointly affected by genetic and environmental changes. Due to the complexity of metabolism, system-level modelling approaches have become indispensable tools to obtain new insights into biological functions. In particular, simulation and analysis of metabolic networks using constraint-based modelling approaches have helped the analysis of metabolic fluxes. However, despite ongoing improvements in prediction of reaction flux through a system, approaches to directly predict metabolite concentrations from large-scale metabolic networks remain elusive. In this thesis, we present a computational approach for inferring concentration ranges from genome-scale metabolic models endowed with mass action kinetics. The findings specify a molecular mechanism underling facile control of concentration ranges for components in large-scale metabolic networks. Most importantly, an extended version of the approach can be used to predict concentration ranges without knowledge of kinetic parameters, provided measurements of concentrations in a reference state. We show that the approach is applicable with large-scale kinetic and stoichiometric metabolic models of organisms from different kingdoms of life. By challenging the predictions of concentration ranges in the genome-scale metabolic network of Escherichia coli with real-world data sets, we further demonstrate the prediction power and limitations of the approach. To predict concentration ranges in other species, e.g. model plant species Arabidopsis thaliana, we would rely on estimates of kinetic parameters (i.e. enzyme catalytic rates) since plant-specific enzyme catalytic rates are poorly documented. Using the constraint-based approach of Davidi et al. for estimation of enzyme catalytic rates, we obtain values for 168 plant enzymes. The approach depends on quantitative proteomics data and flux estimates obtained from constraint-based model of plant leaf metabolism integrating maximal rates of selected enzymes, plant-specific constraints on fluxes through canonical pathways, and growth measurements from Arabidopsis thaliana rosette under ten conditions. We demonstrate a low degree of plant enzyme saturation, supported by the agreement between concentrations of nicotinamide adenine dinucleotide, adenosine triphosphate, and glyceraldehyde 3-phosphate, based on our maximal in vivo catalytic rates, and available quantitative metabolomics data. Hence, our results show genome-wide estimation for plant-specific enzyme catalytic rates is feasible. These can now be readily employed to study resource allocation, to predict enzyme and metabolite concentrations using recent constrained-based modelling approaches. Constraint-based methods do not directly account for kinetic mechanisms and corresponding parameters. Therefore, a number of workflows have already been proposed to approximate reaction kinetics and to parameterize genome-scale kinetic models. We present a systems biology strategy to build a fully parameterized large-scale model of Chlamydomonas reinhardtii accounting for microcompartmentalization in the chloroplast stroma. Eukaryotic algae comprise a microcompartment, the pyrenoid, essential for the carbon concentrating mechanism (CCM) that improves their photosynthetic performance. Since the experimental study of the effects of microcompartmentation on metabolic pathways is challenging, we employ our model to investigate compartmentation of fluxes through the Calvin-Benson cycle between pyrenoid and stroma. Our model predicts that ribulose-1,5-bisphosphate, the substrate of Rubisco, and 3-phosphoglycerate, its product, diffuse in and out of the pyrenoid. We also find that there is no major diffusional barrier to metabolic flux between the pyrenoid and stroma. Therefore, our computational approach represents a stepping stone towards understanding of microcompartmentalized CCM in other organisms. This thesis provides novel strategies to use genome-scale metabolic networks to predict and integrate metabolite concentrations. Therefore, the presented approaches represent an important step in broadening the applicability of large-scale metabolic models to a range of biotechnological and medical applications.
N2  - Der Stoffwechsel eines Organismus spiegelt den gesamten Phänotyp wieder, welcher durch genetische und umweltbedingte Veränderungen beeinflusst wird. Aufgrund der Komplexität des Stoffwechsels sind Modellierungsansätze, welche das ganzheitliches System betrachten, zu unverzichtbaren Instrumenten geworden, um neue Einblicke in biologische Funktionen zu erhalten. Insbesondere die Simulation und Analyse von Stoffwechselnetzwerken mithilfe von Constraint-basierten Modellierungsansätzen hat die Analyse von Stoffwechselflüssen erleichtert. Trotz kontinuierlicher Verbesserungen bei der Vorhersage des Reaktionsflusses durch ein System, sind Ansätze zur direkten Vorhersage von Metabolitkonzentrationen aus metabolischen Netzwerken kaum vorhanden. In dieser Arbeit stellen wir einen Ansatz vor, mit welchem Konzentrationsbereiche aus genomweiten metabolischen Netzwerken, die mit einer Massenwirkungskinetik ausgestattet sind, abgeleitet werden können. Die Ergebnisse zeigen einen molekularen Mechanismus auf, welcher der Steuerung von Konzentrationsbereichen für Komponenten in metabolischen Netzwerken zugrunde liegt. Eine erweiterte Version des Ansatzes kann verwendet werden, um Konzentrationsbereiche ohne Kenntnis der kinetischen Parameter vorherzusagen, vorausgesetzt, dass Messungen von Konzentrationen in einem Referenzzustand vorhanden sind. Wir zeigen, dass der Ansatz mit kinetischen und stöchiometrischen Stoffwechselmodellen von Organismen aus verschiedenen taxonomischen Reichen anwendbar ist. Indem wir die Vorhersagen von Konzentrationsbereichen im genomweiten Stoffwechselnetzwerk von Escherichia coli mit realen Datensätzen validieren, demonstrieren wir die Vorhersagekraft und die Grenzen des Ansatzes. Um Konzentrationsbereiche in anderen Spezies vorherzusagen, z.B. der Modellpflanzenspezies Arabidopsis thaliana, stützen wir uns auf Schätzungen der kinetischen Parameter (d.h. der katalytischen Enzymraten), da tatsächlich gemessene, pflanzenspezifische katalytische Enzymraten nur unzureichend dokumentiert sind. Unter Verwendung des Constraint-basierten Ansatzes von Davidi et al. zur Abschätzung der katalytischen Enzymraten erhalten wir Werte für 168 pflanzliche Enzyme. Der Ansatz hängt von quantitativen Proteomikdaten und Schätzungen des Reaktionsflusses ab, die aus einem Constraint-basierten Modell des Pflanzenblattmetabolismus unter Einbeziehung der maximalen Raten ausgewählter Enzyme, pflanzenspezifischen Einschränkungen des Flusses durch kanonische Pfade und Wachstumsmessungen aus Rosetten von Arabidopsis thaliana unter zehn Bedingungen erhalten wurden. Wir fanden einen niedrigen Grad an Sättigung der Pflanzenenzyme, der durch die Übereinstimmung zwischen den Konzentrationen von Nicotinamidadenindinukleotid, Adenosintriphosphat und Glycerinaldehyd-3-phosphat auf der Grundlage unserer maximalen in vivo katalytischen Raten und den verfügbaren quantitativen Metabolomikdaten gestützt wird. Daher zeigen unsere Ergebnisse, dass genomweite Schätzungen für pflanzenspezifische Enzymkatalyseraten möglich sind. Diese können nun leicht verwendet werden, um die Ressourcenzuweisung zu untersuchen und die Enzym- und Metabolitenkonzentrationen unter Verwendung neuerer Constraint-basierter Modellierungsansätze vorherzusagen. Constraint-basierte Methoden berücksichtigen kinetische Mechanismen und entsprechende Parameter nicht direkt. Daher wurden einige Methoden entwickelt, welche die Reaktionskinetik approximieren und systemumfassende kinetische Modelle zu parametrisieren. Wir präsentieren eine systembiologische Strategie zur Erstellung eines vollständig parametrisierten Modells von Chlamydomonas reinhardtii, welches die Mikrokompartimentierung im Chloroplaststroma berücksichtigt. Eukaryotische Algen besitzen ein Mikrokompartiment, den Pyrenoiden, der für den Kohlenstoffkonzentrationsmechanismus (KKM) unerlässlich ist und die Photosyntheseleistung verbessert. Die experimentelle Untersuchung der Auswirkungen der Mikrokompartimentierung auf Stoffwechselwege stellt eine Herausforderung dar. Daher verwenden wir unser Modell um die Kompartimentierung von Reaktionsflüssen durch den Calvin-Benson-Zyklus zwischen Pyrenoid und Stroma zu untersuchen. Unser Modell sagt voraus, dass Ribulose-1,5-Bisphosphat, das Substrat von Rubisco, und 3-Phosphoglycerat , das Produkt, in den Pyrenoid hinein und aus ihm heraus diffundieren. Weiter stellen wir fest, dass es keine wesentliche Diffusionsbarriere zwischen dem Pyrenoid und dem Stroma gibt. Somit bietet unser Ansatz eine Möglichkeit um ein Verständnis des mikrokompartimentierten KKM auch in anderen Organismen zu erlangen. Diese Dissertation zeigt neue Strategien um metabolische Netzwerke zur Vorhersage von Metabolitkonzentrationen zu nutzen und selbige zu integrieren. Daher stellen die Ansätze einen wichtigen Schritt zur Anwendbarkeit von genomweiten Stoffwechselmodellen auf eine Reihe von biotechnologischen und medizinischen Anwendungen dar.
KW  - constraint-based modeling
KW  - metabolism
KW  - metabolic networks
Y1  - 2020
ER  -