Involvements of the Plant 3'-5' Exonuclease ERL1 in Chloroplast Ribosomal RNA Biogenesis and RNA Silencing Pathways

ERI-1 und ihm homologe Proteine sind 3‘-5‘ Exoribonukleasen mit konservierten Funktionen in der Regulation von RNA Silencing sowie der Prozessierung ribosomaler RNA. Caenorhabditis elegans ERI-1 (Enhanced RNAi 1) enthält eine konservierte ERI-1_3’hExo_like EXOIII-Domäne, die siRNAs in vitro bindet und degradiert, und deren Inaktivierung eine RNAi-Hypersensitivität zur Folge hat. ERI-1 ist phylogenetisch konserviert, und homologe Proteine wurden Reiche-übergreifend in einer Vielzahl von Modellorganismen identifiziert. RNA-Silencing-reprimierende Eigenschaften dieser Proteine wurden in einigen Fällen charakterisiert. Zusätzlich wurde für eine Untergruppe ERI-1-homologer Proteine eine Funktion in der Biogenese der 5.8S ribosomalen RNA aufgezeigt: Katalyse des letzten Prozessierungsschritts während der Reifung des 5.8S rRNA 3‘-Endes. Diese Doppelfunktion ERI-1-homologer Proteine schlägt eine interessante Brücke zwischen evolutionär weit entfernten auf nicht-codierender RNA basierenden Mechanismen. In dieser Arbeit werden Ergebnisse präsentiert, die Charakteristika des pflanzlichen ERI-1-Homologs ERL1 in verschiedenen regulatorischen Zusammenhängen zum Gegenstand haben. ERL1 lokalisiert in Chloroplasten und zeigt keinerlei messbare Aktivität in Bezug auf die Regulierung von RNA Silencing. Im Gegensatz dazu konnte gezeigt werden, dass ERL1 eine wichtige Rolle während der Reifung der chloroplastischen 5S rRNA spielt. ERL1-supprimierende bzw. -überexprimierende transgene Pflanzen, zeigen unterschiedliche phänotypische Aberrationen. Diese beinhalten vielfarbige Blätter, reduziertes Wachstum und Fruchtbarkeit, sowie den Verlust Photosynthese-kompetenter Chloroplasten in gebleichten Sektoren. Diese Defekte werden dadurch verursacht, dass die Plastid-Entwicklung in einem frühen Stadium blockiert wird. Dies führt zu defekten Plastiden, die keine kanonischen internen Strukturen, einschließlich Grana, bilden können. Die gestörte Plastid-Entwicklung ist ein Resultat fehlerhafter Prozessierung ribosomaler RNAs und dem daraus folgenden Verlust plastidärer Transkription und Translation. Wenn ERL1 runterreguliert oder überexprimiert ist, akkumulieren 3‘-elongierte 5S rRNA-Moleküle, was Störungen in der Produktion der Ribosomen hervorruft. Die Reifung der 5S rRNA ist leit langem als Prozess bekannt, der viele aufeinander folgende endonukleolytische Spaltungen sowie exonukleolytische Rezessionen beinhaltet. Bis dato war die Gesamtheit der Exonukleasen während dieser Reifung jedoch nur lückenhaft bekannt. Die Ergebnisse dieser Arbeit zeigen, dass ERL1 eine wichtige Rolle in der Plastid-Entwicklung spielt, indem ERL1 den finalen Reifungsschritt des 5S rRNA 3‘-Endes katalysiert.

Development of thermo-analytical prediction and classification models for food in thermal devices using a multi sensor system and artificial neural networks

Die thermische Verarbeitung von Lebensmitteln beeinflusst deren Qualität und ernährungsphysiologischen Eigenschaften. Im Haushalt ist die Überwachung der Temperatur innerhalb des Lebensmittels sehr schwierig. Zudem ist das Wissen über optimale Temperatur- und Zeitparameter für die verschiedenen Speisen oft unzureichend. Die optimale Steuerung der thermischen Zubereitung ist maßgeblich abhängig von der Art des Lebensmittels und der äußeren und inneren Temperatureinwirkung während des Garvorgangs. Das Ziel der Arbeiten war die Entwicklung eines automatischen Backofens, der in der Lage ist, die Art des Lebensmittels zu erkennen und die Temperatur im Inneren des Lebensmittels während des Backens zu errechnen. Die für die Temperaturberechnung benötigten Daten wurden mit mehreren Sensoren erfasst. Hierzu kam ein Infrarotthermometer, ein Infrarotabstandssensor, eine Kamera, ein Temperatursensor und ein Lambdasonde innerhalb des Ofens zum Einsatz. Ferner wurden eine Wägezelle, ein Strom- sowie Spannungs-Sensor und ein Temperatursensor außerhalb des Ofens genutzt. Die während der Aufheizphase aufgenommen Datensätze ermöglichten das Training mehrerer künstlicher neuronaler Netze, die die verschiedenen Lebensmittel in die entsprechenden Kategorien einordnen konnten, um so das optimale Backprogram auszuwählen. Zur Abschätzung der thermische Diffusivität der Nahrung, die von der Zusammensetzung (Kohlenhydrate, Fett, Protein, Wasser) abhängt, wurden mehrere künstliche neuronale Netze trainiert. Mit Ausnahme des Fettanteils der Lebensmittel konnten alle Komponenten durch verschiedene KNNs mit einem Maximum von 8 versteckten Neuronen ausreichend genau abgeschätzt werden um auf deren Grundlage die Temperatur im inneren des Lebensmittels zu berechnen. Die durchgeführte Arbeit zeigt, dass mit Hilfe verschiedenster Sensoren zur direkten beziehungsweise indirekten Messung der äußeren Eigenschaften der Lebensmittel sowie KNNs für die Kategorisierung und Abschätzung der Lebensmittelzusammensetzung die automatische Erkennung und Berechnung der inneren Temperatur von verschiedensten Lebensmitteln möglich ist.