2026
Dissertation, RWTH Aachen University, 2026
Veröffentlicht auf dem Publikationsserver der RWTH Aachen University
Genehmigende Fakultät
Fak01
Hauptberichter/Gutachter
;
Tag der mündlichen Prüfung/Habilitation
2026-08-12
Online
DOI: 10.18154/RWTH-2026-07769
URL: https://publications.rwth-aachen.de/record/1040244/files/1040244.pdf
Einrichtungen
Projekte
Inhaltliche Beschreibung (Schlagwörter)
cell-cell communication (frei) ; network science (frei) ; optimal transport (frei)
Thematische Einordnung (Klassifikation)
DDC: 570
Kurzfassung
Graphen sind mathematische Strukturen, die zur Modellierung von Beziehungen zwischen Entitäten verwendet werden und in komplexen Daten aus der realen Welt, einschließlich sozialer, geografischer und molekularer Systeme, Anwendung finden. In der computergestützten Biologie haben Fortschritt ein der Einzelzell-RNA-Sequenzierung (scRNA-seq) zu umfangreichen molekularen Datensätzen geführt, in denen Graphen häufig zur Darstellung und Analyse biologischer Prozesse in Problemen wie Clusteranalyse und Zell-Zell-Kommunikation verwendet werden. Die Zell-Zell-Kommunikation, insbesondere durch Liganden-Rezeptor-Interaktionen, spielt eine entscheidende Rolle für die Gewebefunktion und kann auf natürliche Weise als gerichtete und gewichtete Graphen modelliert werden. Hierfür werden die Zellen durch Knoten und Interaktionen durch Kantenrepräsentiert. Obwohl es viele Verfahren gibt, um Zell-Zell-Kommunikation aus scRNA-seq-Datenabzuleiten, bleibt der Vergleich von Zell-Zell-Kommunikationsgraphen aufgrund der Komplexitätgerichteter und gewichteter Graphstrukturen, des Rauschens in realen Daten und der begrenzten Interpretierbarkeit bestehender Verfahren eine Herausforderung und ein noch wenig erforschtes Feld. In dieser Doktorarbeit werden neue computerbasierte Frameworks zum Vergleich und zur Analysevon Zell-Zell-Kommunikationsgraphen vorgestellt. Diese umfassen: (1) CrossTalkeR, eine Meth-ode zur Priorisierung und zum Vergleich von Zell-Zell-Kommunikations-Graphen unter Verwen-dung von Metriken zur Gewichtung der Knoten; (2) die Entwicklung von auf optimalem Transport basierenden Distanzmetriken, darunter Wasserstein- und Gromov-Wasserstein-Distanzen, zum Vergleich gerichteter gewichteter Graphen; und (3) scACCorDiON, eine auf optimalem Transportbasierende Clusteranalyse für patientenspezifische Zell-Zell-Kommunikations-Graphen in großen Ko-horten. Die Methoden werden anhand realer biologischer Fallstudien zu Knochenmarkfibrose, Myokardinfarkt, COVID-19 und Bauchspeicheldrüsenkrebs validiert. Diese zeigen, dass die vorgeschlagenen Ansätze die Interpretierbarkeit, die Krankheitsstratifizierung und die biologische Relevanz von Mechanismen, die durch die Zell-Zell-Kommunikation gesteuert werden, verbessern können.Graphs are mathematical structures used to model relationships between entities and are widely applied to complex real-world data, including social, geographic, and molecular systems. In computational biology, advances in single-cell RNA sequencing (scRNA-seq) have led to extensive molecular datasets, where graphs are commonly used to represent and analyze biological processes in problems such as clustering and cell–cell communication (CCC). Cell–cell communication, particularly through ligand–receptor interactions, plays a crucial role in tissue function and can be naturally modeled as directed, weighted graphs in which cells are nodes and interactions are edges. Although many tools exist to inferCCC from scRNA-seq data, comparing CCC graphs remains a challenging and an underexplored problem due to the complexity of directed and weighted graph structures, noise in real-world data, and limited interpretability of existing methods. This thesis introduces new computational frameworks for comparing and analyzing CCC graphs. The contributions include: (1) CrossTalkeR, a method for prioritizing and comparing CCC graphs using node importance measures; (2) the development of optimal transport–based distance measures, including Wasserstein and Gromov–Wasserstein distances, for comparing directed weighted graphs; and (3) scACCorDiON, an optimal transport–based clustering approach for analyzing patient-specific CCCgraphs in large cohorts. Methods are validated on real-world biological case studies on bone marrow fibrosis, myocardial infarction, COVID-19 and pancreatic cancer. These demonstrate that proposed approaches can improve interpretability, disease stratification, and biological relevance of cell-cell communication-driven mechanisms.
OpenAccess:
PDF
(additional files)
Dokumenttyp
Dissertation / PhD Thesis
Format
online
Sprache
English
Externe Identnummern
HBZ: HT031570575
Interne Identnummern
RWTH-2026-07769
Datensatz-ID: 1040244
Beteiligte Länder
Germany