Biologische Funktionsanalyse und Identifizierung neuer Substrate der Methyltransferase Dnmt2

Obwohl die DNA Methyltransferase 2 (Dnmt2) hoch konserviert ist und zu der am weitesten verbreiteten eukaryotischen MTase-Familie gehört, ist ihre biologische Funktion nach wie vor unklar. Nachdem lange Zeit keine DNA Methylierungsaktivität nachgewiesen werden konnte, wurde vor einigen Jahren über geringe Mengen an 5-Methylcytosin (5mC) in Retroelementen der “Dnmt2-only”-Organismen D. melanogaster, D. discoideum und E. histolytica berichtet (Kunert et al. 2003; Fisher et al. 2004; Kuhlmann et al. 2005; Phalke et al. 2009). Als kurze Zeit später robuste Methylierung der tRNAAsp durch humane Dnmt2 gezeigt wurde (Goll et al. 2006), wurde zunächst eine Dualspezifität des Enzyms vorgeschlagen (Jeltsch et al. 2006). Neuere Daten zum 5mC-Status verschiedener „Dnmt2-only“-Organismen bilden Anlass für kontroverse Diskussionen über Ausmaß und Bedeutung der DNA Methyltransferaseaktivität von Dnmt2 (Schaefer et al. 2010a; Krauss et al. 2011). Die vorliegende Arbeit konzentriert sich auf die Identifizierung neuer RNA Substrate des Dnmt2-Homologs DnmA aus D. discoideum sowie die biologische Bedeutung der tRNA-Methylierung durch Dnmt2. Wie in anderen Organismen beschrieben, fungiert auch DnmA als tRNAAsp(GUC) MTase in vitro und in vivo. Zusätzlich konnte in vitro tRNAGlu(UUC) als neues Substrat der Dnmt2-Homologe aus D. discoideum und dem Menschen identifiziert werden. In einem Kooperationsprojekt wurde außerdem auch tRNAAsp-Methylierungsaktivität für das Dnmt2-Homolog aus S. pombe (Pmt1) nachgewiesen. Crosslink-RNA-Immunopräzipitationen (RNA-CLIP) mit anschließender Next-Generation-Sequenzierung der mit DnmA assoziierten RNAs zeigen, dass DnmA mit tRNA Fragmenten interagiert, die sich vom Anticodonloop bis in den T-loop erstrecken. Neben der tRNAAsp(GUC) und tRNAGlu(UUC/CUC) sind Fragmente der tRNAGly(GCC) verstärkt angereichert. Inwiefern diese Fragmente eine biologische Funktion haben oder spezifische Degradationsprodukte darstellen, ist noch ungeklärt. Interessanterweise sind von einigen tRNAs wenige Sequenzen von antisense-Fragmenten in den RNA-CLIP Daten zu finden, die etwas kürzer, jedoch exakt komplementär zu den genannten sense-Fragmenten sind. Besonders stark sind diese Fragmente der tRNAGlu(UUC) vertreten. In einem weiteren RNA-CLIP Experiment wurden U-snRNAs, snoRNA und intergenische Sequenzen mit DnmA angereichert. Bei nachfolgenden in vitro Methylierungsstudien konnte ausschließlich die U2-snRNA als potentielles Nicht-tRNA-Substrat der hDnmt2 und DnmA identifiziert werden. Da tRNA Modifikationen im Anticodonloop die Codonerkennung beeinflussen können, wurde ein System etabliert um die Translationseffizienz eines GFP-Reportergens in Wildtyp- und dnmAKO-Zellen zu messen. In D. discoideum wird das Aspartat-Codon GAU ca. zehnmal häufiger genutzt als das GAC Codon, allerdings ist nur eine tRNAAsp(GUC) im Genom der Amöbe kodiert. Aus diesem Grund wurde zusätzlich die Frage adressiert, inwiefern die DnmA-abhängige Methylierung dieser tRNA das „Wobbling“ beeinflusst. Dazu wurde dem Reportergen jeweils eine (GAU)5- und (GAC)5-Leadersequenz vorgeschaltet. Entgegen der Annahme wurde der (GAC)5-Leader in beiden Stämmen etwas effizienter translatiert. Insgesamt zeigte der dnmAKO-Stamm eine leicht erhöhte Translationseffizienz der Reportergene. Vergleichende Analysen zur Aufnahme von Fremd-DNA zeigten signifikant reduzierte Transformationseffizienzen mit einem integrierenden Plasmid in dnmAKO-Zellen. Ein weiterer dnmAKO-Stamm zeigte diesen Effekt jedoch nicht, wobei bei derselben Mutante eine deutlich reduzierte Aufnahme eines extrachromosomalen Plasmids zu verzeichnen war. Untersuchungen zum Einfluss von DnmA auf die Regulation des Retroelements skipper ergaben keinen Zusammenhang zwischen der Generierung kleiner RNAs und der erhöhten Transkription des Retrotransposons in dnmAKO-Zellen (Kuhlmann et al. 2005). Durch Kompensationsversuche sowie Experimente mit einer weiteren dnmAKO-Mutante konnte die Mobilisierung des Retrotransposons nicht eindeutig als DnmA-Funktion eingeordnet werden. In einem weiteren Projekt wurden die Bindung des m5C-bindenden Proteins EhMLBP aus E. histolytica an DNA mittels Rasterkraftmikroskopie abgebildet (Lavi et al. 2006). Neben vermutlich unspezifischen Endbindungsereignissen konnte eine bevorzugte Bindungsstelle des Proteins an LINE DNA (long intersperesed nuclear element) identifiziert werden. Möglicherweise fällt diese mit einem von zwei A/T-reichen Bereichen der LINE DNA zusammen, von denen vermutet wird, dass diese für die Bindung von EhMLBP an DNA von Bedeutung sind. Insgesamt bestätigen die Ergebnisse dieser Arbeit die tRNAAsp Methylierungsaktivität als konservierte Dnmt2-Funktion. Darüber hinaus erweitern sie das Substratspektrum der Dnmt2-Methyltransferasen im Bereich der tRNA. Außerdem wird erstmals ein potentielles Nicht-tRNA Substrat vorgeschlagen. Zusätzlich geben neu entdeckte Phänotypen Hinweise auf vielfältige zelluläre Dnmt2-Funktionen.

Management approaches in organic potato and tomato production

The presented thesis considered three different system approach topics to ensure yield and plant health in organically grown potatoes and tomatoes. The first topic describes interactions between late blight (Phytophthora infestans) incidence and soil nitrogen supply on yield in organic potato farming focussing in detail on the yield loss relationship of late blight based on results of several field trials. The interactive effects of soil N-supply, climatic conditions and late blight on the yield were studied in the presence and absence of copper fungicides from 2002-2004 for the potato cultivar Nicola. Under conditions of central Germany the use of copper significantly reduced late blight in almost all cases (15-30 %). However, the reductions in disease through copper application did not result in statistically significant yield increases (+0 – +10 %). Subsequently, only 30 % of the variation in yield could be attributed to disease reductions. A multiple regression model (R²Max), however, including disease reduction, growth duration and temperature sum from planting until 60 % disease severity was reached and soil mineral N contents 10 days after emergence could explain 75 % of the observed variations in yield. The second topic describes the effect of some selected organic fertilisers and biostimulant products on nitrogen-mineralization and efficiency, yield and diseases in organic potato and tomato trials. The organic fertilisers Biofeed Basis (BFB, plant derived, AgroBioProducts, Wageningen, Netherlands) and BioIlsa 12,5 Export (physically hydrolysed leather shavings, hair and skin of animals; ILSA, Arizignano, Italy) and two biostimulant products BioFeed Quality (BFQ, multi-compound seaweed extract, AgroBioProducts) and AUSMA (aqueous pine and spruce needle extract, A/S BIOLAT, Latvia), were tested. Both fertilisers supplied considerable amounts of nitrogen during the main uptake phases of the crops and reached yields as high or higher as compared to the control with horn meal fertilisation. The N-efficiency of the tested fertilisers in potatoes ranged from 90 to 159 kg yield*kg-1 N – input. Most effective with tomatoes were the combined treatments of fertiliser BFB and the biostimulants AUSMA and BFQ. Both biostimulants significantly increased the share of healthy fruit and/or the number of fruits. BFQ significantly increased potato yields (+6 %) in one out of two years and reduced R. solani-infestation in the potatoes. This suggests that the biostimulants had effects on plant metabolism and resistance properties. However, no effects of biostimulants on potato late blight could be observed in the fields. The third topic focused on the effect of suppressive composts and seed tuber health on the saprophytic pathogen Rhizoctonia solani in organic potato systems. In the present study 5t ha-1 DM of a yard and bio-waste (60/40) compost produced in a 5 month composting process and a 15 month old 100 % yard waste compost were used to assess the effects on potato infection with R. solani when applying composts within the limits allowed. Across the differences in initial seed tuber infestation and 12 cultivars 5t DM ha-1 of high quality composts, applied in the seed tuber area, reduced the infestation of harvested potatoes with black scurf, tuber malformations and dry core tubers by 20 to 84 %, 20 to 49 % and 38 to 54 %, respectively, while marketable yields were increased by 5 to 25 % due to lower rates of wastes after sorting (marketable yield is gross yield minus malformed tubers, tubers with dry core, tubers with black scurf > 15% infested skin). The rate of initial black scurf infection of the seed tubers also affected tuber number, health and quality significantly. Compared to healthy seed tubers initial black scurf sclerotia infestation of 2-5 and >10 % of tuber surface led in untreated plots to a decrease in marketable yields by 14-19 and 44-66 %, a increase of black scurf severity by 8-40 and 34-86 % and also increased the amount of malformed and dry core tubers by 32-57 and 109-214 %.

Adaptive Real-time Anomaly-based Intrusion Detection using Data Mining and Machine Learning Techniques

Die zunehmende Vernetzung der Informations- und Kommunikationssysteme führt zu einer weiteren Erhöhung der Komplexität und damit auch zu einer weiteren Zunahme von Sicherheitslücken. Klassische Schutzmechanismen wie Firewall-Systeme und Anti-Malware-Lösungen bieten schon lange keinen Schutz mehr vor Eindringversuchen in IT-Infrastrukturen. Als ein sehr wirkungsvolles Instrument zum Schutz gegenüber Cyber-Attacken haben sich hierbei die Intrusion Detection Systeme (IDS) etabliert. Solche Systeme sammeln und analysieren Informationen von Netzwerkkomponenten und Rechnern, um ungewöhnliches Verhalten und Sicherheitsverletzungen automatisiert festzustellen. Während signatur-basierte Ansätze nur bereits bekannte Angriffsmuster detektieren können, sind anomalie-basierte IDS auch in der Lage, neue bisher unbekannte Angriffe (Zero-Day-Attacks) frühzeitig zu erkennen. Das Kernproblem von Intrusion Detection Systeme besteht jedoch in der optimalen Verarbeitung der gewaltigen Netzdaten und der Entwicklung eines in Echtzeit arbeitenden adaptiven Erkennungsmodells. Um diese Herausforderungen lösen zu können, stellt diese Dissertation ein Framework bereit, das aus zwei Hauptteilen besteht. Der erste Teil, OptiFilter genannt, verwendet ein dynamisches "Queuing Concept", um die zahlreich anfallenden Netzdaten weiter zu verarbeiten, baut fortlaufend Netzverbindungen auf, und exportiert strukturierte Input-Daten für das IDS. Den zweiten Teil stellt ein adaptiver Klassifikator dar, der ein Klassifikator-Modell basierend auf "Enhanced Growing Hierarchical Self Organizing Map" (EGHSOM), ein Modell für Netzwerk Normalzustand (NNB) und ein "Update Model" umfasst. In dem OptiFilter werden Tcpdump und SNMP traps benutzt, um die Netzwerkpakete und Hostereignisse fortlaufend zu aggregieren. Diese aggregierten Netzwerkpackete und Hostereignisse werden weiter analysiert und in Verbindungsvektoren umgewandelt. Zur Verbesserung der Erkennungsrate des adaptiven Klassifikators wird das künstliche neuronale Netz GHSOM intensiv untersucht und wesentlich weiterentwickelt. In dieser Dissertation werden unterschiedliche Ansätze vorgeschlagen und diskutiert. So wird eine classification-confidence margin threshold definiert, um die unbekannten bösartigen Verbindungen aufzudecken, die Stabilität der Wachstumstopologie durch neuartige Ansätze für die Initialisierung der Gewichtvektoren und durch die Stärkung der Winner Neuronen erhöht, und ein selbst-adaptives Verfahren eingeführt, um das Modell ständig aktualisieren zu können. Darüber hinaus besteht die Hauptaufgabe des NNB-Modells in der weiteren Untersuchung der erkannten unbekannten Verbindungen von der EGHSOM und der Überprüfung, ob sie normal sind. Jedoch, ändern sich die Netzverkehrsdaten wegen des Concept drif Phänomens ständig, was in Echtzeit zur Erzeugung nicht stationärer Netzdaten führt. Dieses Phänomen wird von dem Update-Modell besser kontrolliert. Das EGHSOM-Modell kann die neuen Anomalien effektiv erkennen und das NNB-Model passt die Änderungen in Netzdaten optimal an. Bei den experimentellen Untersuchungen hat das Framework erfolgversprechende Ergebnisse gezeigt. Im ersten Experiment wurde das Framework in Offline-Betriebsmodus evaluiert. Der OptiFilter wurde mit offline-, synthetischen- und realistischen Daten ausgewertet. Der adaptive Klassifikator wurde mit dem 10-Fold Cross Validation Verfahren evaluiert, um dessen Genauigkeit abzuschätzen. Im zweiten Experiment wurde das Framework auf einer 1 bis 10 GB Netzwerkstrecke installiert und im Online-Betriebsmodus in Echtzeit ausgewertet. Der OptiFilter hat erfolgreich die gewaltige Menge von Netzdaten in die strukturierten Verbindungsvektoren umgewandelt und der adaptive Klassifikator hat sie präzise klassifiziert. Die Vergleichsstudie zwischen dem entwickelten Framework und anderen bekannten IDS-Ansätzen zeigt, dass der vorgeschlagene IDSFramework alle anderen Ansätze übertrifft. Dies lässt sich auf folgende Kernpunkte zurückführen: Bearbeitung der gesammelten Netzdaten, Erreichung der besten Performanz (wie die Gesamtgenauigkeit), Detektieren unbekannter Verbindungen und Entwicklung des in Echtzeit arbeitenden Erkennungsmodells von Eindringversuchen.

Applying Least Absolute Shrinkage Selection Operator and Akaike Information Criterion Analysis to Find the Best Multiple Linear Regression Models between Climate Indices and Components of Cow’s Milk

This study focuses on multiple linear regression models relating six climate indices (temperature humidity THI, environmental stress ESI, equivalent temperature index ETI, heat load HLI, modified HLI (HLI new), and respiratory rate predictor RRP) with three main components of cow’s milk (yield, fat, and protein) for cows in Iran. The least absolute shrinkage selection operator (LASSO) and the Akaike information criterion (AIC) techniques are applied to select the best model for milk predictands with the smallest number of climate predictors. Uncertainty estimation is employed by applying bootstrapping through resampling. Cross validation is used to avoid over-fitting. Climatic parameters are calculated from the NASA-MERRA global atmospheric reanalysis. Milk data for the months from April to September, 2002 to 2010 are used. The best linear regression models are found in spring between milk yield as the predictand and THI, ESI, ETI, HLI, and RRP as predictors with p-value < 0.001 and R2 (0.50, 0.49) respectively. In summer, milk yield with independent variables of THI, ETI, and ESI show the highest relation (p-value < 0.001) with R2 (0.69). For fat and protein the results are only marginal. This method is suggested for the impact studies of climate variability/change on agriculture and food science fields when short-time series or data with large uncertainty are available.

The Effect of Climate Variability on Main Components of Cow Milk in Iran

The main purpose of this study is to assess the relationship between six bioclimatic indices for cattle (temperature humidity (THI), environmental stress (ESI), equivalent temperature (ESI), heat load (HLI), modified heat load (HLInew) and respiratory rate predictor(RRP)) and fundamental milk components (fat, protein, and milk yield) considering uncertainty. The climate parameters used to calculate the climate indices were taken from the NASA-Modern Era Retrospective-Analysis for Research and Applications (NASA-MERRA) reanalysis from 2002 to 2010. Cow milk data were considered for the same period from April to September when cows use natural pasture, with possibility for cows to choose to stay in the barn or to graze on the pasture in the pasturing system. The study is based on a linear regression analysis using correlations as a summarizing diagnostic. Bootstrapping is used to represent uncertainty estimation through resampling in the confidence intervals. To find the relationships between climate indices (THI, ETI, HLI, HLInew, ESI and RRP) and main components of cow milk (fat, protein and yield), multiple liner regression is applied. The least absolute shrinkage selection operator (LASSO) and the Akaike information criterion (AIC) techniques are applied to select the best model for milk predictands with the smallest number of climate predictors. Cross validation is used to avoid over-fitting. Based on results of investigation the effect of heat stress indices on milk compounds separately, we suggest the use of ESI and RRP in the summer and ESI in the spring. THI and HLInew are suggested for fat content and HLInew also is suggested for protein content in the spring season. The best linear models are found in spring between milk yield as predictands and THI, ESI,HLI, ETI and RRP as predictors with p-value < 0.001 and R2 0.50, 0.49. In summer, milk yield with independent variables of THI, ETI and ESI show the highest relation (p-value < 0.001) with R2 (0.69). For fat and protein the results are only marginal. It is strongly suggested that new and significant indices are needed to control critical heat stress conditions that consider more predictors of the effect of climate variability on animal products, such as sunshine duration, quality of pasture, the number of days of stress (NDS), the color of skin with attention to large black spots, and categorical predictors such as breed, welfare facility, and management system. This methodology is suggested for studies investigating the impacts of climate variability/change on food quality/security, animal science and agriculture using short term data considering uncertainty or data collection is expensive, difficult, or data with gaps.