eprintid: 25481 rev_number: 13 eprint_status: archive userid: 4028 dir: disk0/00/02/54/81 datestamp: 2018-10-18 09:22:12 lastmod: 2019-01-28 10:18:47 status_changed: 2018-10-18 09:22:12 type: doctoralThesis metadata_visibility: show creators_name: Wang, Qi title: Integrative methods for epigenetic profiling in cancer and development subjects: 500 subjects: 570 divisions: 140001 adv_faculty: af-14 cterms_swd: bioinformatics; epigenetics; chromatin; glioblastoma; integrative analysis abstract: DNA mutation, epigenetic alteration, and gene expression are three major molecular components that distinguish cancer from normal cells. Although it is widely accepted that epigenetic modifications can greatly affect the expression of the target genes, because of the complex combinations of epigenetic marks, together with the interactions between multiple non-coding regulatory elements, measuring the epigenetic effects on gene expression is not an easy task. Nevertheless, it is estimated that epigenetic modifications have a greater effect than DNA mutations on tumorigenesis. In addition, epigenetic alterations are the initiating factor in some chromosome abnormalities and aberrant gene expression, making the study of epigenetic alterations a central aspect in understanding the underlying mechanisms in cancer and cell development. The aim of this thesis is to conduct qualitative and quantitative analyses of differential epigenetic modifications. To this end, a variety of existing approaches were applied in the ChIP-Seq analyses of six histone marks on glioblastoma data from four distinct subtypes. The results depict a comprehensive landscape of active and poised regulatory elements specific to glioblastoma subtypes, which describes the different aspects of tumor progression. However, the descriptive model of multiple histone marks (ChromHMM and peak calls) was also shown to be prone to various biases and artifacts. Moreover, some models also neglect the quantitative information of ChIP-Seq data, making it inadequate in addressing the magnitude of changes between epigenetic modification and gene expression levels. Therefore, in the second part of my work, I designed an integrative, network-based approach, in which I integrated two levels of epigenetic information: the signal intensities of each epigenetic mark, and the relationships between promoters and distal regulatory elements known as enhancers. Applying this approach to a variety of test cases, it predicts a number of candidate genes with significant epigenetic alterations, and comprehensive benchmarking validated these findings in cancer and cell development. In summary, as increasing amounts of epigenetic data become available, the computational approaches employed in this study would be highly relevant in both comparative and integrative analysis of the epigenetic landscape. The discovery of novel epigenetic targets in cancers, not only unfolds the fundamental mechanisms in tumorigenesis and development, but also serves as an emerging resource for molecular diagnosis and treatment. abstract_translated_text: DNA-Mutationen, epigenetische Veränderungen und Genexpression sind drei wichtige molekulare Eigenschaften, die Krebszellen von normalen Zellen unterscheiden. Es ist allgemein anerkannt, dass epigenetische Veränderungen die Expression der Zielgene stark beeinflussen können. Aufgrund der komplexen Kombinationen von epigenetischen Markierungen und der Wechselwirkungen zwischen mehreren nicht-kodierenden regulatorischen Elementen bleibt die Bestimmung der epigenetischen Effekte auf Genexpression eine Herausforderung. Es wird angenommen, dass epigenetische Veränderungen eine größere Auswirkung als DNA-Mutationen auf die Tumorgenese haben. Darüber hinaus liegen bei Chromosomenanomalien und anomaler Genexpression oft epigenetische Alterationen zugrunde, was die Untersuchung von epigenetischen Mechanismen zu einer zentralen Frage für das Versändnis der Krebs- und Zellentwicklung macht. Ziel dieser Studie ist es, qualitative und quantitative Untersuchungen zu differentiellen epigenetischen Modifikationen durchzuführen. Zu diesem Zweck wurde eine Vielzahl von existierenden Ansätzen in den ChIP-Seq-Analysen von sechs Histonmarkierungen von Glioblastomdaten aus vier verschiedenen Subtypen angewendet. Die Ergebnisse zeigen eine umfassende Landschaft aktiver und ruhender regulatorischer Elemente, die spezifisch für bestimmte Glioblastom-Subtypen sind. Die Modelle für Histonmarkierungen (ChromHMM- und Peak-Calls) erwiesen sich jedoch in dieser Studie ebenfalls als anfällig für Verzerrungen und Artefakte. Darüber hinaus vernachlässigt das ChromHMM-Modell auch die quantitative Information von ChIP-Seq-Daten und macht es somit ungeeignet, das Ausmaß epigenetischer Modifikationen in den Genexpressionsniveaus zu berücksichtigen. Aus diesem Grund habe ich im zweiten Teil meiner Arbeit ein generisches Modell für integrative Untersuchungen erstellt. Mit diesem Modell können zwei Ebene epigenetischer Informationen, nämlich die die Signalintensitäten jeder Histonmarkierung und die Zusammenhänge von Enhancern und Promotoren berücksichtigt werden. Mein Ansatz sagt eine Reihe von Kandidaten mit signifikanten epigenetischen Veränderungen voraus, und in einem umfassenden Benchmarking mit einer Vielzahl von epigenetischen Datensätzen konnten diese Ergebnisse in Krebs- und Stammzellentwicklungen bioinformatisch validiert werden. Die Entdeckung neuartiger epigenetischer Targets bei Krebserkrankungen beleuchtet nicht nur die grundlegenden Mechanismen der Tumorgenese und -entwicklung, sondern dient auch als Quelle für die molekulare Diagnose und Behandlung. abstract_translated_lang: ger date: 2018 id_scheme: DOI id_number: 10.11588/heidok.00025481 ppn_swb: 1653737808 own_urn: urn:nbn:de:bsz:16-heidok-254816 date_accepted: 2018-10-08 advisor: HASH(0x564e1c34bb80) language: eng bibsort: WANGQIINTEGRATIV2018 full_text_status: public citation: Wang, Qi (2018) Integrative methods for epigenetic profiling in cancer and development. [Dissertation] document_url: https://archiv.ub.uni-heidelberg.de/volltextserver/25481/7/Wang_Qi_thesis.pdf