Identification and Analysis of biological features in DNA primary structures

Die Aufklärung von DNA-Sequenzen vermittelt nicht unmittelbar die Strukturabhängigkeiten der Nukleotide sowie die Lage, Expression und Funktion der proteinkodieren Regionen. In der vorliegenden Arbeit werden Mittel der Informationstheorie als deskriptive Statistiken verwendet, um Strukturen in DNA-Sequenzen offenzulegen und zu analysieren. Dabei stehen Elemente wie repetitive Sequenzen, proteinkodierende und nichtkodierende Regionen sowie langreichweitige Fluktuationen der Nukleotidkonzentration (Isochoren) im Mittelpunkt der Analysen, und der Aufbau und die Evolution von Genomen sowie experimentelle Anwendungen werden in die Schlussfolgerungen miteinbezogen. Insbesondere eukaryotische Zellen weisen eine grosse Anzahl von funktionalen Sequenzelementen mit unterschiedlicher Verteilung und Wirkungsweise auf, die eine Vielfalt von statistischen Charakteristiken hervorrufen.

Diese Arbeit widmet sich drei generischen Aspekten von DNA-Sequenzen humaner Chromosomen: (i) charakteristische relative Positionen von Sequenzelementen, (ii) Oligonukleotid-Verteilung, und (iii) ausgeprägte Eigenschaften von proteinkodierenden Regionen, mit dem Ziel, vorhandene Methoden effektiver zu nutzen und neue Methoden zu entwickeln, die die Identifikation und Analyse dieser Merkmale in neuen DNA-Sequenzen zulassen. Gegenstand dieser Arbeit ist es, erhobene experimentelle Daten und empirischen Resultate in eine mathematisch-statistische Modellierung einzubeziehen und darin zu interpretieren. In Fällen, in denen sich die Daten noch einem ausgereiften Modell entziehen, kann eine gründliche statistische Beschreibung Hinweise auf relevante Parameter bieten und zu hinreichenden Modellen führen, die zu den Daten kompatibel sind. In diesem Sinn diskutiert diese Arbeit (iv) die Simulation repetitiv-reicher Genome und (v) die Anwendung von Sequenzstatistiken zur Beschreibung von Gen-Degeneration durch Mutationen.