Diese Dissertation befasst sich mit der Analyse zweier biologischer Systeme, die eine wichtige Rolle im Zusammenhang mit nichtübertragbaren Krankheiten wie Diabetes oder Krebs spielen: dem menschlichen Mikrobiom, d.h. den Mikroorganismen, die unseren Körper besiedeln, und dem p53-Netzwerk, einem komplexen Protein- und Genregulationsnetzwerk rund um das als „Wächter des Genoms“ bekannte Tumorsupressorprotein p53. Trotz intensiver Forschungsbemühungen sind diese medizinisch höchst relevanten Systeme noch immer nicht vollständig verstanden. Sie sollen daher im Rahmen dieser Arbeit mithilfe von Methoden aus der statistischen Physik, genauer gesagt durch die Modellierung als dynamische Netzwerke, untersucht werden.

Eine große Herausforderung zum besseren Verständnis des menschlichen Mikrobioms besteht darin, ausgehend von Mikrobiomproben, wie z.B. Speichel- oder Stuhlproben, auf die zugrunde liegenden mikrobiellen Interaktionsnetzwerke zu schließen. Eine mögliche Vorgehensweise für diese sog. Netzwerkinferenz ist die von Claussen et al. entwickelte Entropy-Shifts-of-Abundance-vectors-under-Boolean-Operations (ESABO)-Methode [34], bei der die binarisierten Mikrobiomdaten als Attraktoren eines Booleschen Netzwerks interpretiert werden. Die ESABO-Methode weist jedoch einige signifikante Schwachpunkte auf: Zum einen werden mutualistische Interaktionen zwischen häufig vorkommenden Spezies aufgrund der Gestalt der verwendeten Entropiefunktion oft als antagonistische Interaktionen rekonstruiert, zum anderen ist die Methode insofern inkonsistent, als dass die mit der ESABO-Methode inferierten Netzwerke im Allgemeinen nicht die zur Inferenz genutzten mikrobiellen An- und Abwesenheitsmuster reproduzieren. Der erste Schwachpunkt konnte in dieser Arbeit durch zwei simple Modifikation der ESABO-Methode, nämlich durch eine analytischen Berechnung der ESABO-Scores und dem Vertauschen von Nullen und Einsen in Abundanzvektoren mit einer hohen relativen Häufigkeit von Einsen, behoben werden. Zur Behebung des zweiten Schwachpunkts wurde die ESABO-Methode um einen evolutionären Algorithmus erweitert bzw. in diesen eingebettet. Hierbei zeigte sich, dass die Kombination aus evolutionärem Algorithmus und ESABO-Methode, die im Folgenden als ESABO-gestützte Evolution bezeichnet wird, signifikant bessere Rekonstruktionsergebnisse liefert als die ESABO-Methode allein oder ein evolutionärer Algorithmus mit zufällig gewählten Mutationen, d.h. ohne Unterstützung der ESABO-Methode. Die Untersuchung der ESABO-gestützten Evolution bei unvollständiger Kenntnis der Attraktoren (d.h. einer begrenzten Menge an Mikrobiomproben, wie es auch in der Realität zu erwarten ist) ermöglichte es uns zudem, eine Beziehung zwischen dem Prozentsatz der bekannten Attraktoren und der durchschnittlichen Fitness, die durch die Inferenzmethode erreicht wurde, zu finden. Mithilfe dieser Beziehung konnte schließlich bei der Anwendung der ESABO-gestützten Evolution auf echte, empirische Speichelmikrobiomdaten die Vollständigkeit des betrachteten Datensatzes abgeschätzt werden. Hierbei ergab sich, dass die verwendeten Daten weniger als 50% der Attraktoren des Systems abdeckten.

Im zweiten Teil der Arbeit wird mithilfe der dynamischen Netzwerkmodellierung eine wichtige Komponente des p53-Netzwerks, nämlich die Regulation des Proteins p21 durch das Protein p53 infolge von DNA-Doppelstrangbrüchen untersucht. Experimentelle Untersuchungen der Dynamik von p53 und p21 in einzelnen Brustepithelzellen zeigten, dass trotz einer relativ homogenen p53-Dynamik nach dem Auftreten von DNA-Doppelstrangbrüchen der Zeitpunkt und die Geschwindigkeit der p21-Induktion heterogen sind, wobei die Zellzyklusphase eine entscheidende Rolle zu spielen scheint. Zellen, die den Schaden in der S-Phase erfahren, zeigen eine verzögerte p21-Akkumulation, während Zellen, die in der G1-Phase bestrahlt werden und anschließend in die S-Phase übergehen, eine prompte pulsartige p21-Dynamik aufweisen. Das Ziel der Modellierung war es daher, den zellzyklusabhängigen molekularen Mechanismus zu identifizieren, der für diese Heterogenität verantwortlich ist. Durch den Vergleich von zwei minimalistischen Modellen mit den experimentellen p21-Daten und weiteren von Caibin Sheng durchgeführten Experimenten konnte gezeigt werden, dass eine erhöhte p21-Abbaurate während der S-Phase in Kombination mit der Aktivierung von p21 durch p53 bereits ausreicht, um die auf Einzelzellebene beobachtete heterogene p21-Dynamik nach dem Auftreten von DNA-Doppelstrangbrüchen zu reproduzieren.