Funktionelle und morphologische Untersuchungen der Silikataufnahme und Nadelbildung im marinen Schwamm Suberites domuncula

Die für Metazoen einzigartige Fähigkeit, hochdifferenzierte Silikatstrukturen herzustellen und als Gerüstsubstanz zu verwenden, steht bei den Porifera in einem scheinbaren Gegensatz zu der niedrigen Konzentration an Silizium in dem die Schwämme umgebenden Medium. In der zweiten bedeutenden silikatpolymerisierenden Species, den einzelligen Kieselalgen (Diatomeen), konnte bereits ein Silikattransporter identifiziert werden, dessen Sequenzdaten jedoch aufgrund der phylogenetisch geringen Verwandtschaft der Demospongien mit den Diatomeen keine Verwendung finden konnte Im Zuge der Suche nach einem Silikat-Transportsystem im Schwamm Suberites domuncula wurde ein potentielles Kandidatengen mittels molekularbiologischer Techniken aus einer cDNA Bank des Instituts isoliert, vervollständigt und analysiert. Es zeigte sich, dass dieser Transporter durch seine Sequenzdaten der Familie der Bikarbonattransporter angehörte, und somit membranständig war. Seine Transportfunktion zeigte sich mittels spezifischer Inhibitoren hemmbar. Damit der Schwamm in der Lage ist, eine regulierbare und schnelle Anreicherung von Silikat durchführen zu können, lag eine Annahme einer Induzierbarkeit der Transportergene durch das Substrat Silikat nahe. Mittels Northern-Blot Analyse konnte in einem Primmorphensystem des Schwammes eine Hochregulation der Transkription der Transportergene festgestellt werden. Die Lokalisation der Exprimierung des Transporters innerhalb des Schwammgewebes konnte mittels In situ Hybridisierung untersucht werden und zeigte eine direkte Nähe zu den Polysilikatstrukturen des Schwammes. Um Hinweise auf eine Bifunktionalität des Transporters aufgrund der Ähnlichkeit von Carbonat und Silikat zu erhärten, wurden fluoreszenzmikroskopische Studien an isolierten Zellkulturen des Schwammes durchgeführt. Es kam zu einer intensive Reaktion der Zellen auf Silikat als Substrat. Dieser Effekt konnte nicht nur durch einen spezifischen Transportinhibitor (DIDS) gehemmt werden, sondern zeigt auch eine deutliche Temperaturabhängigkeit. Um den potentiellen Silikattransporter in Zusammenhang mit dem Gesamtmechanismus der Silikatnadelherstellung in Schwämmen zu bringen, wurden zusätzliche elektronenmikroskopische Studien angestellt. Hier konnte zunächst gezeigt werden, wie sich das die Polykondensation auslösende und dirigierende Proteinfilament des Schwammes bei der Nadelbildung entwickelt. Mittels einer darauf folgenden Immunogold-Markierung des Hauptaxialfilamentproteins des Schwammes in elektronenmikroskopischen Gewebepräparaten, konnte dessen Vorkommen nicht nur im Zentrum der Silikatnadel, sondern auch in den die Nadel umgebenden Strukturen nachgewiesen werden

Aktionenlernen mit Selbstorganisierenden Karten und Reinforcement Learning

Die vorliegende Arbeit beschäftigt sich mit der Entwicklung eines Funktionsapproximators und dessen Verwendung in Verfahren zum Lernen von diskreten und kontinuierlichen Aktionen: 1. Ein allgemeiner Funktionsapproximator – Locally Weighted Interpolating Growing Neural Gas (LWIGNG) – wird auf Basis eines Wachsenden Neuralen Gases (GNG) entwickelt. Die topologische Nachbarschaft in der Neuronenstruktur wird verwendet, um zwischen benachbarten Neuronen zu interpolieren und durch lokale Gewichtung die Approximation zu berechnen. Die Leistungsfähigkeit des Ansatzes, insbesondere in Hinsicht auf sich verändernde Zielfunktionen und sich verändernde Eingabeverteilungen, wird in verschiedenen Experimenten unter Beweis gestellt. 2. Zum Lernen diskreter Aktionen wird das LWIGNG-Verfahren mit Q-Learning zur Q-LWIGNG-Methode verbunden. Dafür muss der zugrunde liegende GNG-Algorithmus abgeändert werden, da die Eingabedaten beim Aktionenlernen eine bestimmte Reihenfolge haben. Q-LWIGNG erzielt sehr gute Ergebnisse beim Stabbalance- und beim Mountain-Car-Problem und gute Ergebnisse beim Acrobot-Problem. 3. Zum Lernen kontinuierlicher Aktionen wird ein REINFORCE-Algorithmus mit LWIGNG zur ReinforceGNG-Methode verbunden. Dabei wird eine Actor-Critic-Architektur eingesetzt, um aus zeitverzögerten Belohnungen zu lernen. LWIGNG approximiert sowohl die Zustands-Wertefunktion als auch die Politik, die in Form von situationsabhängigen Parametern einer Normalverteilung repräsentiert wird. ReinforceGNG wird erfolgreich zum Lernen von Bewegungen für einen simulierten 2-rädrigen Roboter eingesetzt, der einen rollenden Ball unter bestimmten Bedingungen abfangen soll.

Factorization method and irregular inclusions in electrical impedance tomography

In electrical impedance tomography, one tries to recover the conductivity inside a physical body from boundary measurements of current and voltage. In many practically important situations, the investigated object has known background conductivity but it is contaminated by inhomogeneities. The factorization method of Andreas Kirsch provides a tool for locating such inclusions. Earlier, it has been shown that under suitable regularity conditions positive (or negative) inhomogeneities can be characterized by the factorization technique if the conductivity or one of its higher normal derivatives jumps on the boundaries of the inclusions. In this work, we use a monotonicity argument to generalize these results: We show that the factorization method provides a characterization of an open inclusion (modulo its boundary) if each point inside the inhomogeneity has an open neighbourhood where the perturbation of the conductivity is strictly positive (or negative) definite. In particular, we do not assume any regularity of the inclusion boundary or set any conditions on the behaviour of the perturbed conductivity at the inclusion boundary. Our theoretical findings are verified by two-dimensional numerical experiments.