Integrative Computational Analyses Across the Central Dogma: Developing Applications for Prokaryotic Characterization in the Context of Microbial Control

Abstract

The global rise in antibiotic resistance, coupled with the declining discovery of new compounds, has created a crisis that demands innovative strategies for microbial control. Identifying such novel strategies requires a mechanistic understanding of bacterial molecular pathways. The central dogma of molecular biology, expanded by newer findings on the flow of biological information, provides a fundamental roadmap for prokaryotic characterization based on high-throughput experiments and computational approaches. However, capturing this complexity requires integrative and reproducible computational frameworks that enable robust cross-layer analyzes. This thesis addressed this challenge by developing and applying computational methods that support integrative and visual analyses across the central dogma, with focus on microbial characterization for their control.

To enhance the interactive characterization of prokaryotic genomes, the visual analytics tool Evidente is introduced, with the goal of bridging the gap between the exploration of single nucleotide polymorphisms (SNP) and the evolutionary context. Unlike traditional visualization tools, Evidente classifies SNPs based on clade-specificity and enables their visualization with metadata, as well as linking them to a functional context. By applying it to bacterial pathogens, this approach demonstrated how genome-scale variation can be interpreted in an evolutionary context to generate functional and phenotypic hypotheses.

Recognizing that genomic data alone are insufficient to explain phenotypic diversity, this thesis integrated transcriptomic data through two complementary web-applications: TSSpredator-Web and TSS-Captur. They address the characterization of the transcriptome's architecture and link the genomic with the transcriptomic layer of the central dogma. TSSpredator-Web extends the tool TSSpredator to identify and classify transcription start sites (TSS), and allows exploration of genome-wide TSS maps together with genomic data. Based on TSS maps, the Nextflow-based pipeline TSS-Captur characterizes transcripts starting from unclassified TSS via computational methods for sequence classification, termination site prediction, and analyses of secondary structure and promoter regions. Together, both approaches showed how transcriptomic data can be used for annotation refinement and transcript discovery, bridging the genomic and transcriptomic layer.

Lastly, the power of integrative analyses is demonstrated through two systematic studies of bacterial metallophore systems. The first project focused on the characterization of known metallophore mechanisms across the Staphylococcal genus using computational analyses based on genomic data, representing the first comprehensive genus-wide analysis of these systems. Expanding on this topic, the second study investigates how nasal Corynebacterium species exploit metallophores synthesized by Staphylococcus aureus, suggesting a novel way of controlling pathogens. This was achieved by identifying structural homologs of lipoproteins through the development of the Nextflow-based pipeline PRESERVE, and contextualizing the findings with transcriptomic data. By analyzing the putative promoter regions, we gained insight into how these mechanisms are regulated in Corynebacteria. These studies illustrate how the integration of multiple layers of biological data can shed light into the interactions between species, providing knowledge that can be translated into interference of colonization strategies, and be exploited for microbial control.

In summary, this thesis describes a methodological framework for integrative computational analyses across the central dogma. By combining reproducible approaches with interactive visual exploration, it illustrates how integrating data from different biological layers can help to generate insights for prokaryotic characterizations. These insights can be used to establish innovative interventions for microbial control, offering a computational pathway to address the escalating challenges of antibiotic resistance.

Der weltweite Anstieg der Antibiotikaresistenz in Verbindung mit der sinkenden Entdeckungsrate neuer Wirkstoffe hat zu einer internationalen Krise geführt, die innovative Strategien zur Bekämpfung von bakteriellen Pathogenen erfordert. Um neue Strategien zu identifizieren, ist es notwendig, die komplexen Mechanismen hinter den molekularen Signalwegen von Prokaryoten zu verstehen. Das zentrale Dogma der Molekularbiologie, erweitert durch neuere Erkenntnisse über den Fluss biologischer Informationen, liefert einen grundlegenden Fahrplan für die prokaryotische Charakterisierung auf der Grundlage von Hochdurchsatz-Experimenten und computergestützten Ansätzen. Um diese Komplexität zu erfassen, sind jedoch integrative Methoden erforderlich, die explorative und reproduzierbare Analysen ermöglichen, um über mehrere Ebenen Erkenntnisse zu gewinnen. Diese Dissertation hat sich dieser Herausforderung gestellt, indem sie integrative und visuelle Analysen über das zentrale Dogma hinweg entwickelt und durchführt. Dafür wurden computergestützte Methoden entwickelt und angewendet, wobei der Schwerpunkt auf der mikrobiellen Charakterisierung für deren Kontrolle liegt.

Um die interaktive Charakterisierung prokaryotischer Genome zu verbessern, wurde das Visual Analtytics Tool Evidente eingeführt, mit dem Ziel, die Lücke zwischen der Erforschung von Einzelnukleotid-Polymorphismen (SNP, engl. single nucleotide polymorphism) und dem evolutionären Kontext zu schließen. Im Gegensatz zu herkömmlichen Visualisierungstools klassifiziert Evidente SNPs auf der Grundlage der Kladenspezifität und ermöglicht ihre Visualisierung mit Metadaten sowie ihre Verknüpfung mit funktionalen Annotationen. Durch die Anwendung auf bakterielle Pathogene zeigte dieser Ansatz, wie genomweite Variationen in einem evolutionären Kontext interpretiert werden können, um robuste funktionelle und phänotypische Hypothesen zu generieren.

Ausgehend von der Erkenntnis, dass Genomdaten allein nicht ausreichen, um die phänotypische Vielfalt zu erklären, untersuchte diese Arbeit die Integration von Transkriptomdaten durch zwei sich ergänzende Webanwendungen: TSSpredatorWeb und TSS-Captur. Diese Tools befassen sich mit der Charakterisierung der Transkriptomarchitektur und verbinden die Genom- mit der Transkriptomebene des zentralen Dogmas. TSSpredatorWeb erweitert das Tool TSSpredator zur Identifizierung und Klassifizierung von Transkriptionsstartstellen (TSS) und ermöglicht die Untersuchung genomweiter TSS-Karten zusammen mit Genomdaten. Basierend auf TSS-Karten, die auf Nextflow-basierte Pipeline TSS-Captur charakterisiert Transkripte, die von nicht klassifizierten TSS stammen, indem es Methoden für die Sequenzklassifizierung, die Vorhersage von Transkriptionsterminatoren, die Sekundärstrukturanalyse und die Promotoranalyse integriert. Zusammen zeigten beide Ansätze, wie Transkriptomdaten für die Verfeinerung von Annotationen und die Entdeckung von Transkripten verwendet werden können. Dadurch wird eine Brücke zwischen der genomischen und der transkriptomischen Ebene geschlagen.

Schließlich wird die Leistungsfähigkeit integrativer Analysen anhand von zwei systematischen Studien zu bakteriellen Metallophorsystemen demonstriert. Das erste Projekt konzentrierte sich auf die Charakterisierung bekannter Metallophormechanismen in der Gattung Staphylococcus mithilfe computergestützter Analysen auf der Grundlage genomischer Daten und stellte die erste umfassende gattungsweite Analyse dieser Systeme dar. In Erweiterung dieses Themas untersuchte die zweite Studie, wie nasale Corynebacterium-Arten die von Staphylococcus aureus synthetisierten Metallophore nutzen, und deutet damit einen neuen Weg zur Bekämpfung von Krankheitserregern an. Hierzu wurden strukturelle Homologe von Lipoproteinen durch die Entwicklung der Nextflow-basierten Pipeline PRESERVE identifiziert und die Ergebnisse mit Transkriptomdaten in Zusammenhang gebracht. Durch die Analyse der mutmaßlichen Promotorregionen wurden Einblicke in die Regulation dieser Mechanismen in Corynebacteria gewonnen. Diese Studien zeigen, dass die Integration mehrerer Ebenen biologischer Daten Aufschluss über die Wechselwirkungen zwischen Arten geben kann. Diese Erkenntnisse lassen sich auf Kolonisationsstrategien übertragen und können somit für die mikrobielle Kontrolle genutzt werden.

Zusammenfassend beschreibt diese Dissertation einen methodischen Rahmen für integrative computergestützte Analysen über alle Ebenen des zentralen Dogmas hinweg. Durch die Kombination reproduzierbarer Ansätze mit interaktiver visueller Exploration wird veranschaulicht, wie die Integration von Daten aus verschiedenen biologischen Ebenen dazu beitragen kann, Erkenntnisse für die Charakterisierung von Prokaryoten zu gewinnen. Dieser computergestützte Weg ermöglicht es, Erkenntnisse zu gewinnen, mit denen innovative Maßnahmen zur mikrobiellen Kontrolle entwickelt werden können, um den zunehmenden Herausforderungen der Antibiotikaresistenz zu begegnen.