Entstehung und Dynamik des Keratinfilament-Netzwerks

Das zytoplasmatische Zytoskelett besteht aus drei Filamentsystemen, die aus Aktin, Tubulin und Intermediärfilamentproteinen aufgebaut sind und dreidimensionale Netzwerke ausbilden. Das Intermediärfilamentsystem, dem vor allem mechanische Stabilisierungsfunktionen zugesprochen werden, unterscheidet sich von den anderen durch seine Fähigkeit, spontan aus seinen Polypeptiduntereinheiten ohne weitere Kofaktoren zu polymerisieren und durch seinen unpolaren Aufbau. Es ist bis heute unbekannt, wie Intermediärfilamentnetzwerke in vivo moduliert werden und wie ihre Anordnung in den Kontext des Gesamtzytoskeletts koordiniert wird. Am Beispiel der epithelialen Intermediärfilamentproteine, den Keratinen, sollte daher untersucht werden, wie und wo neue Intermediärfilamente entstehen, welche Bedeutung den anderen Filamentsystemen bei dem Netzwerkaufbau und –Turn-Over zukommen und wie die Netzwerkbildung gesteuert wird. Zur Beantwortung dieser Fragestellungen wurden Zellklone hergestellt, die fluoreszierende Keratine synthetisieren. In der Zelllinie SK8/18-2, deren gesamtes Netzwerk aus derartigen Chimären aufgebaut ist, konnten anhand von mikroskopischen Zeitrafferaufnahmen der Fluoreszenzmuster Keratinfilamentvorläufer (KFP) identifiziert und deren Dynamik direkt in lebenden Zellen verfolgt werden. Es konnte gezeigt werden, dass die KFP in einem Plasmamembran-nahen Bereich entstehen, in dem sie zuerst als punktförmige Partikel detektiert werden. Nach einer initialen, sphäroidalen Wachstumsphase elongieren die Partikel zu kleinen Filamentstückchen. Diese können miteinander fusionieren und werden über ihre Enden in das periphere Netzwerk integriert. Der Wachstumsprozess ist gekoppelt an eine kontinuierliche, langsame Bewegung in Richtung auf das Zellzentrum. Diese Motilität sistiert vollständig nach pharmakologisch induziertem Abbau der Aktinfilamente. In Zeitraffer-aufnahmen kann jedoch in derartig behandelten Zellen ein wesentlich schnellerer Transport, der in verschiedene Richtungen verläuft und durch lange Ruhephasen unterbrochen wird, beobachtet werden. Dieser Modus, der gelegentlich auch in unbehandelten Zellen gefunden wurde, ist abhängig von intakten Mikrotubuli. Erst durch Zerstörung der Aktinfilamente und der Mikrotubuli erlischt die Motilität der KFPs vollständig. Bei der Suche nach Regulatoren der Keratinnetzwerkbildung wurde die p38 MAPK als zentraler Faktor identifiziert. Erstmals konnte eine direkte räumliche und zeitliche Korrelation zwischen einer spezifischen Enzymaktivität durch Nachweis der phosphorylierten p38 MAPK, der daraus folgenden Phosphorylierung eines Keratins, hier Serin 73 des Keratin 8, und der daraus resultierenden Veränderung des Netzwerkaufbaus, d. h. der Ausbildung von Keratingranula, nachgewiesen werden. Diese koordinierten Veränderungen wurden in unterschiedlichen Stresssituationen in verschiedenen Zellsystemen und in Zellen mit mutierten Keratinen beobachtet. Genetische (shRNA) und pharmakologische Manipulationen der p38 MAPK-Aktivität deuten auf einen engen kausalen Zusammenhang hin.

Efficient parallel proximity queries and an application to highly complex motion planning problems with many narrow passages

In vielen Bereichen der industriellen Fertigung, wie zum Beispiel in der Automobilindustrie, wer- den digitale Versuchsmodelle (sog. digital mock-ups) eingesetzt, um die Entwicklung komplexer Maschinen m ̈oglichst gut durch Computersysteme unterstu ̈tzen zu k ̈onnen. Hierbei spielen Be- wegungsplanungsalgorithmen eine wichtige Rolle, um zu gew ̈ahrleisten, dass diese digitalen Pro- totypen auch kollisionsfrei zusammengesetzt werden k ̈onnen. In den letzten Jahrzehnten haben sich hier sampling-basierte Verfahren besonders bew ̈ahrt. Diese erzeugen eine große Anzahl von zuf ̈alligen Lagen fu ̈r das ein-/auszubauende Objekt und verwenden einen Kollisionserken- nungsmechanismus, um die einzelnen Lagen auf Gu ̈ltigkeit zu u ̈berpru ̈fen. Daher spielt die Kollisionserkennung eine wesentliche Rolle beim Design effizienter Bewegungsplanungsalgorith- men. Eine Schwierigkeit fu ̈r diese Klasse von Planern stellen sogenannte “narrow passages” dar, schmale Passagen also, die immer dort auftreten, wo die Bewegungsfreiheit der zu planenden Objekte stark eingeschr ̈ankt ist. An solchen Stellen kann es schwierig sein, eine ausreichende Anzahl von kollisionsfreien Samples zu finden. Es ist dann m ̈oglicherweise n ̈otig, ausgeklu ̈geltere Techniken einzusetzen, um eine gute Performance der Algorithmen zu erreichen.rnDie vorliegende Arbeit gliedert sich in zwei Teile: Im ersten Teil untersuchen wir parallele Kollisionserkennungsalgorithmen. Da wir auf eine Anwendung bei sampling-basierten Bewe- gungsplanern abzielen, w ̈ahlen wir hier eine Problemstellung, bei der wir stets die selben zwei Objekte, aber in einer großen Anzahl von unterschiedlichen Lagen auf Kollision testen. Wir im- plementieren und vergleichen verschiedene Verfahren, die auf Hu ̈llk ̈operhierarchien (BVHs) und hierarchische Grids als Beschleunigungsstrukturen zuru ̈ckgreifen. Alle beschriebenen Verfahren wurden auf mehreren CPU-Kernen parallelisiert. Daru ̈ber hinaus vergleichen wir verschiedene CUDA Kernels zur Durchfu ̈hrung BVH-basierter Kollisionstests auf der GPU. Neben einer un- terschiedlichen Verteilung der Arbeit auf die parallelen GPU Threads untersuchen wir hier die Auswirkung verschiedener Speicherzugriffsmuster auf die Performance der resultierenden Algo- rithmen. Weiter stellen wir eine Reihe von approximativen Kollisionstests vor, die auf den beschriebenen Verfahren basieren. Wenn eine geringere Genauigkeit der Tests tolerierbar ist, kann so eine weitere Verbesserung der Performance erzielt werden.rnIm zweiten Teil der Arbeit beschreiben wir einen von uns entworfenen parallelen, sampling- basierten Bewegungsplaner zur Behandlung hochkomplexer Probleme mit mehreren “narrow passages”. Das Verfahren arbeitet in zwei Phasen. Die grundlegende Idee ist hierbei, in der er- sten Planungsphase konzeptionell kleinere Fehler zuzulassen, um die Planungseffizienz zu erh ̈ohen und den resultierenden Pfad dann in einer zweiten Phase zu reparieren. Der hierzu in Phase I eingesetzte Planer basiert auf sogenannten Expansive Space Trees. Zus ̈atzlich haben wir den Planer mit einer Freidru ̈ckoperation ausgestattet, die es erlaubt, kleinere Kollisionen aufzul ̈osen und so die Effizienz in Bereichen mit eingeschr ̈ankter Bewegungsfreiheit zu erh ̈ohen. Optional erlaubt unsere Implementierung den Einsatz von approximativen Kollisionstests. Dies setzt die Genauigkeit der ersten Planungsphase weiter herab, fu ̈hrt aber auch zu einer weiteren Perfor- mancesteigerung. Die aus Phase I resultierenden Bewegungspfade sind dann unter Umst ̈anden nicht komplett kollisionsfrei. Um diese Pfade zu reparieren, haben wir einen neuartigen Pla- nungsalgorithmus entworfen, der lokal beschr ̈ankt auf eine kleine Umgebung um den bestehenden Pfad einen neuen, kollisionsfreien Bewegungspfad plant.rnWir haben den beschriebenen Algorithmus mit einer Klasse von neuen, schwierigen Metall- Puzzlen getestet, die zum Teil mehrere “narrow passages” aufweisen. Unseres Wissens nach ist eine Sammlung vergleichbar komplexer Benchmarks nicht ̈offentlich zug ̈anglich und wir fan- den auch keine Beschreibung von vergleichbar komplexen Benchmarks in der Motion-Planning Literatur.