Scientific publications of the Saarland University
Not a member yet
14321 research outputs found
Sort by
Learn, Explore and Reflect by Chatting: Understanding the Value of an LLM-Based Voting Advice Application Chatbot
Full text linkVoting advice applications (VAAs), which have become increasingly
prominent in European elections, are seen as a successful tool for
boosting electorates’ political knowledge and engagement. How ever, VAAs’ complex language and rigid presentation constrain
their utility to less-sophisticated voters. While previous work en hanced VAAs’ click-based interaction with scripted explanations, a
conversational chatbot’s potential for tailored discussion and delib erate political decision-making remains untapped. Our exploratory
mixed-method study investigates how LLM-based chatbots can
support voting preparation. We deployed a VAA chatbot to 331
users before Germany’s 2024 European Parliament election, gath ering insights from surveys, conversation logs, and 10 follow-up
interviews. Participants found the VAA chatbot intuitive and in formative, citing its simple language and flexible interaction. We
further uncovered VAA chatbots’ role as a catalyst for reflection and
rationalization. Expanding on participants’ desire for transparency,
we provide design recommendations for building interactive and
trustworthy VAA chatbots
Marginale und interne Adaptation von ausgedehnten Klasse-I-Restaurationen unter Verwendung von selbstadhäsiven Kompositen : Eine In-vitro-Studie
Full text linkIn der vorliegenden in-vitro-Studie wurden drei selbstadhäsive Komposite (Constic, Fusio™, Vertise™ Flow) und ein selbstadhäsives Komposithybrid (Surefil one™) im Rahmen einer quantitativen Randanalyse ausgedehnter okklusaler Restaurationen mit dem Universalkomposit Tetric® EvoCeram (mit Adhäsivsystem) verglichen.
Im Rahmen der Untersuchungen wurden 48 extrahierte Molaren randomisiert auf 6 Gruppen (je 8 Zähne) aufgeteilt. Das Komposithybrid Surefil one™ umfasste hierbei zwei Gruppen (1a und 1b) mit zwei unterschiedlichen Materialchargen. An den Zähnen wurden ausgedehnte Klasse-I-Kavitäten präpariert und diese wurden entsprechend der jeweiligen Herstellerangaben mit den Kompositen restauriert.
Ziel der Untersuchung war der Vergleich der marginalen und internen Adaptation nach thermo-mechanischer Wechselbelastung zwischen den selbstadhäsiven Werkstoffen und dem klassi-schen Universalkomposit in ausgedehnten okklusalen Kavitäten.
Die Belastungsphase der Prüfkörper setzte sich aus einer separaten thermischen (5.000 Zyklen bei 5-55 °C) und mechanischen Wechselbelastung (100.000 Zyklen, 50 N, 1,2 Hz) zusammen. Im Anschluss wurden Sagittalschliffe aller Prüfkörper angefertigt. Die quantitative Randanalyse erfolgte mit einem Keyence Digitalmikroskop und wurde insgesamt viermal für alle Prüfkörper durchgeführt (vor der Belastungsphase, nach der thermischen Belastung, nach der mechani-schen Belastung und nach dem Sagittalschliff).
Die Analyse der Ergebnisse ergab eine Normalverteilung der Daten (Shapiro-Wilk-Test). Die Varianzanalyse (two-way-ANOVA und Tukey´s multiple comparison Test) ergab signifikante Unterschiede für alle Materialien in Relation zu den Ergebnissen von Surefil one™.
Die prozentualen Anteile spaltfreier Adaptation lagen für die selbstadhäsiven Komposite zu Be-ginn zwischen 97,4 % und 99,9 %, für Tetric® bei 98,7 % und für Surefil one™ bei 54,9 % (Gruppe 1a) bzw. 40,5 % (Gruppe 1b). Nach der thermomechanischen Wechselbelastung zeig-ten die selbstadhäsiven Komposite einen kontinuierlichen spaltfreien Randschluss zwischen 96,2 % und 97,6 %. Tetric® EvoCeram zeigte keine Veränderung und bei Surefil one™ betrug der prozentuale Anteil spaltfreier Adaptation nach dem Belastungstest 49,9 % (1a) bzw. 37,8 % (1b). Die Analyse der Sagittalschliffe ergab eine interne spaltfreie Gesamtadaptation von 99,0 % (Fusio™), 96,9 % (Constic), 95,8 % (Vertise™ Flow), 87,6 % (Tetric® EvoCeram), 43,4 % (Surefil one™ 1a) und 19,9 % (Surefil one™ 1b).
Die vorliegenden in-vitro Ergebnisse zeigen, dass mit selbstadhäsiven fließfähigen Kompositen in belastungsintensiven Klasse-I-Kavitäten im Hinblick auf die marginale und interne Adaptation identische Ergebnisse erzielt werden können wie bei der Anwendung eines konventionellen Komposits. Das Komposithybrid Surefil one™ erreichte in der vorliegenden Studie hingegen signifikant schlechtere Endergebnisse und stellte keinen gleichwertigen und zuverlässigen Ersatz zu einem konventionellen Komposit dar.Marginal and internal adaptation of load-bearing class-I-restorations with self-adhesive composite resins
An in-vitro-study
The purpose of this in-vitro-study was the marginal adaptation of class-I-restorations placed by three self-adhesive composites (Constic, Fusio™, Vertise™ Flow) and one
self-adhesive composite hybrid (Surefil one™) in comparison with the universal composite Tet-ric® EvoCeram (with universal adhesive system). In total 48 extracted upper and lower molars have been examined and randomly divided into six groups (with 8 teeth each). The composite hybrid Surefil one™ comprised two groups (1a and 1b) with two different material batches. Extended class-I-cavities have been prepared on each tooth and the respective
materials were applied according to the manufacturer instructions.
The study aimed to compare the marginal and internal gap-free adaptation of the self-adhesive materials and the universal composite before, during and after thermomechanical loading
cycles.
Thermocycling (5°C and 55°C; 5.000 cycles) and mechanical loading (100.000 cycles; 50N; 1,2Hz) were performed separately from each other. The marginal adaptation was examined be-fore the loading cycles and after each loading step. Afterwards sagittal cross sections of each test specimen have been prepared and analyzed for the internal adaptation. The marginal and internal adaptation were evaluated by digital microscopy (KEYENCE digital microscope).
The statistical analysis of the results revealed a normal distribution for all data (Shapiro-Wilk-test) and statistically significant differences for all tested materials in comparison with the com-posite hybrid Surefil one™ (two-way-ANOVA; Tukey´s multiple comparison test).
At the enamel-enclosed margins the following percentage frequencies of gap-free margins were recorded during the initial marginal adaptation analysis: 97,4-99,9% (self-adhesive composites), 98,7% (Tetric® EvoCeram), 54,9% (Surefil one™ group 1a) and 40,5% (Surefil one™ group 1b).
After the thermomechanical loading cycles the following final results were recorded:
96,2-97,6% (self-adhesive composites), 98,7% (Tetric® EvoCeram), 49,9% (Surefil one™ group 1a) and 37,8% (Surefil one™ group 1b).
The analysis of the internal adaptation of all experimental groups showed 99,0% (Fusio™), 96,9% (Constic), 95,8% (Vertise™ Flow), 87,6% (Tetric® EvoCeram), 43,4% (Surefil one™ group 1a) and 19,9% (Surefil one™ group 1b) gap-free margins in the tested specimens.
The results of this in-vitro-study proved that self-adhesive composites are able to achieve a simi-lar marginal and internal gap-free adaptation in extended and load-bearing
class-I-restorations in comparison with a universal composite (with adhesive system). On the contrary the composite hybrid Surefil one™ showed significant differences in this study and cannot be recommended as an equal substitute to conventional resin composites in class-I-restorations
Improving representation learning from data and model perspectives: Semi-supervised learning and foundation models
Full text linkIn recent years, artificial intelligence (AI) has made impressive progress in various industries and everyday life. Its rapid advancements have been driven by the integration of large-scale data and sophisticated models. However, several significant challenges persist that hinder further progress. First, the success of modern AI systems relies heavily on large-scale labeled datasets; yet, acquiring such datasets is often costly, time-consuming, and impractical, particularly in sensitive domains like healthcare and finance, where privacy and regulatory issues complicate data collection. Second, although unlabeled data is typically abundant and more readily accessible, it presents its own set of challenges, including issues of imbalanced distribution, outliers, and domain shifts. These challenges complicate the effective utilization of unlabeled data, raising critical questions about how to extract robust representations from imperfect datasets. Third, there is a growing demand for versatile models capable of performing a wide range of tasks across diverse domains, motivated by the broader ambition of achieving Artificial General Intelligence (AGI). However, developing models that demonstrate task-agnostic representation learning and ensure transferability across modalities remains a substantial challenge, often limiting the applicability of existing solutions. Therefore, this thesis aims to tackle the challenges of imperfect data and versatile model design by studying three key topics: standard semi-supervised learning (SSL), realistic SSL, and vision generalist models. In the first topic of standard SSL, we focus on improving two widely used methodologies: consistency regularization and pseudo-labeling. For augmentation-based consistency regularization, we propose explicitly regularizing the distance between feature representations, demonstrating that encouraging equivariant features leads to superior generalization performance compared to merely enforcing invariance. As for threshold-based pseudo-labeling, we introduce two innovative schemes for enhancement. The first is a self-adaptive thresholding approach that considers the current learning status of the model, while the second is a unified sample weighting framework that completely replaces traditional thresholding methods. Both methods achieve significant performance improvement over the previous state-of-the-art. In the second topic of realistic SSL, we begin by investigating realistic unlabeled data with imbalanced distributions or outliers. To address imbalanced SSL, we propose a novel co-learning framework that effectively decouples representation learning from classifier learning while maintaining a close coupling. Our method achieves state-of-the-art results across various benchmarks. For SSL with outliers, we introduce a simple but strong baseline that effectively leverages outlier data to enhance generalization. We also confront the challenge of unrealistic benchmarks by proposing a new benchmark for semi-supervised classification, which offers a fair testing ground to evaluate leading SSL methods across multiple domains, including natural language processing and audio. Additionally, we provide an open-source, modular, and extensible codebase to facilitate future developments in SSL. In the final topic of vision generalist models, we propose a diffusion-based approach that unifies four distinct types of vision tasks and demonstrates competitive performance compared to existing vision generalists. In summary, this thesis advances the two mainstream techniques in standard SSL while investigating the challenges posed by realistic SSL, where we develop methods to deal with real-world unlabeled data and realistic evaluation. Additionally, we also take an initial step toward a unified model design for vision tasks.In den letzten Jahren hat die Künstliche Intelligenz (KI) in verschiedenen Industrien und im Alltag beeindruckende Fortschritte erzielt. Ihre rasanten Entwicklungen wurden durch die Integration von großskaligen Daten und fortschrittlichen Modellen vorangetrieben. Dennoch bestehen weiterhin mehrere bedeutende Herausforderungen, die weiteren Fortschritt behindern. Erstens hängt der Erfolg moderner KI-Systeme stark von großskaligen, annotierten Datensätzen ab. Das Sammeln solcher Datensätze ist jedoch oft teuer, zeitaufwendig und in sensiblen Bereichen wie dem Gesundheitswesen und der Finanzbranche unpraktisch, da Datenschutzund Regulierungsfragen die Datenerhebung erschweren. Zweitens ist unlabeled Data zwar meist reichlich vorhanden und leichter zugänglich, bringt jedoch eigene Herausforderungen mit sich, wie unbalancierte Verteilungen, Ausreißer und Domänenverschiebungen. Diese Probleme erschweren die effektive Nutzung unannotierter Daten und werfen kritische Fragen auf, wie robuste Repräsentationen aus unvollkommenen Datensätzen extrahiert werden können. Drittens gibt es eine wachsende Nachfrage nach vielseitigen Modellen, die in der Lage sind, eine Vielzahl von Aufgaben über unterschiedliche Domänen hinweg zu lösen. Diese Entwicklung wird durch das übergeordnete Ziel der Erreichung von Artificial General Intelligence (AGI) motiviert. Die Entwicklung von Modellen, die eine aufgabenneutrale Repräsentationslernung ermöglichen und Transferfähigkeit zwischen Modalitäten gewährleisten, bleibt jedoch eine erhebliche Herausforderung, was die Anwendbarkeit bestehender Lösungen oft einschränkt. Daher zielt diese Dissertation darauf ab, die Herausforderungen unvollkommener Daten und des Designs vielseitiger Modelle durch die Untersuchung von drei Schlüsselaspekten zu adressieren: Standard Semi-Supervised Learning (SSL), realistische SSL und generalistische Vision-Modelle. Im ersten Thema, dem Standard-SSL, liegt unser Fokus darauf, zwei weit verbreitete Methoden zu verbessern: Konsistenzregularisierung und Pseudo-Labeling. Für die auf Augmentation basierende Konsistenzregularisierung schlagen wir vor, die Distanz zwischen Merkmalsrepräsentationen explizit zu regularisieren. Wir zeigen, dass die Förderung von äquivarianten Merkmalen zu einer besseren Generalisierungsleistung führt, verglichen mit dem bloßen Erzwingen von Invarianz. Für das Schwellenwert-basierte Pseudo-Labeling führen wir zwei innovative Verbesserungen ein. Die erste ist ein selbstadaptiver Schwellenwertansatz, der den aktuellen Lernstatus des Modells berücksichtigt. Die zweite ist ein einheitliches Probengewichtungsframework, das traditionelle Schwellenwertmethoden vollständig ersetzt. Beide Ansätze erreichen signifikante Leistungsverbesserungen gegenüber dem bisherigen Stand der Technik. Im zweiten Thema, dem realistischen SSL, untersuchen wir zunächst realistische unannotierte Daten mit unbalancierten Verteilungen oder Ausreißern. Um das Problem des unbalancierten SSL zu lösen, schlagen wir ein neuartiges Co-Learning-Framework vor, das die Repräsentationslernung von der Klassifikationslernung effektiv entkoppelt und dennoch eine enge Kopplung aufrechterhält. Unsere Methode erzielt state-of-the-art Ergebnisse über verschiedene Benchmarks hinweg. Für SSL mit Ausreißern stellen wir eine einfache, aber leistungsstarke Baseline vor, die Outlier-Daten effektiv nutzt, um die Generalisierung zu verbessern. Wir stellen uns außerdem der Herausforderung unrealistischer Benchmarks, indem wir einen neuen Benchmark für semi-supervised Klassifikation vorschlagen, der eine faire Testgrundlage bietet, um führende SSL-Methoden über mehrere Domänen hinweg, einschließlich Natural Language Processing und Audio, zu bewerten. Zusätzlich stellen wir eine Open-Source-, modulare und erweiterbare Codebasis bereit, um zukünftige Entwicklungen im Bereich SSL zu fördern. Im dritten Thema der generalistischen Vision-Modelle schlagen wir einen auf Diffusion basierenden Ansatz vor, der vier verschiedene Typen von Vision-Aufgaben vereint und eine wettbewerbsfähige Leistung im Vergleich zu bestehenden Vision-Generalisten demonstriert. Zusammenfassend treibt diese Dissertation die zwei Haupttechniken im Standard-SSL voran, während sie die Herausforderungen des realistischen SSL untersucht. Dabei entwickeln wir Methoden, um mit realen unannotierten Daten und realistischen Evaluierungen umzugehen. Darüber hinaus unternehmen wir einen ersten Schritt in Richtung eines einheitlichen Modelldesigns für Vision-Aufgaben
Advantages of digital twin technology in orthopedic trauma Surgery - Exploring different clinical use cases
Full text linkDigital twin technology offers significant benefits for addressing fracture non-unions in orthopedic
trauma surgery, particularly in cases requiring revision surgery. In this study, we developed a
clinically applicable digital twin workflow that integrates patient-specific imaging, motion capture,
musculoskeletal modeling, and finite element simulation. We applied this workflow to five real patient
cases involving different anatomical sites and treatment strategies, including implant modification,
augmentative fixation, and corrective osteotomy. Each case was virtually reconstructed to evaluate
mechanical conditions before and after revision surgery. The results demonstrated that digital twins
can predict improvements in implant stress distribution and fracture strain states, offering valuable
insights for optimizing surgical decisions. This work highlights the feasibility of digital twins and their
clinical value in supporting individualized revision strategies, laying the foundation for their broader
use in trauma care
Functional Microendoscopy Reveals Calcium Responses of Single Cells in Tracheal Tuft Cells and Kidney Podocytes
Full text linkMicroendoscopy, a crucial technology for minimally invasive investigations of
organs, facilitates studies within confined cavities. However, conventional
microendoscopy is often limited by probe size and the constraint of using a
single excitation wavelength. In response to these constraints, a multichannel
microendoscope with a slender profile of only 360 µm is engineered.
Functional signals both in situ and in vivo are successfully captured from
individual single cells, employing a specially developed software suite for
image processing, and exhibiting an effective resolution of 4.6 µm, allowing
for the resolution of subcellular neuronal structures. This system enabled the
first examination of calcium dynamics in vivo in murine tracheal tuft cells
(formerly named brush cells) and in situ in kidney podocytes. Additionally, it
recorded ratiometric redox reactions in various biological settings, including
intact explanted organs and pancreatic islet cultures. The flexibility and
streamlined operation of the microendoscopic technique open new avenues
for conducting in vivo research, allowing for studies of tissue and organ
function at cellular resolution
Problematic Attributions of Entropic and Hydrophobic Effects in Drug Interactions
Full text linkThe ΔG affinity of drugs with biopolymers and the
underling noncovalent interactions play an essential role in drug
discovery. Supramolecular complexes can be designed for the
identification and quantification of specific interactions, including
their dependence on the medium; they also secure the additivity of
ΔΔG increments. Such analyses have helped to clarify hydro phobic effects in intermolecular associations, which are barely
measurable with small alkyl groups, but large in the presence of
curved surfaces in which the replacement of hydrogen bond deficient water molecules by a ligand leads to sizable enthalpy gain.
Difficult to predict entropy contributions TΔS to ΔG vary between 5% and over 90%, particularly in drug associations, as is obvious
from literature data. As illustrated with several drug complexes, many so-called hydrophobic effects involve in fact van der Waals or
dispersive interactions. Measurements with supramolecular porphyrin complexes allowed us to derive dispersive binding
contributions for many groups, which exhibit a correlation with polarizability. In consequence, heteroatoms or π-systems always lead
to enhanced van der Waals contributions, while for hydrophobic effects the opposite is expected. Binding contributions from
supramolecular complexes can in the future also help artificial intelligence approaches in drug discovery, by expansion of hybrid
databases with potential ligands containing groups with desired binding contributions
From startup to sustainable employer: Exploring challenges of entrepreneurs in attraction and hiring of key talent, building social support and delegation of decision-making
No full textEntrepreneurship has long been considered a driving force behind economic growth and prosperity worldwide. At the same time, starting a business is a challenging endeavor, with many ventures failing during their early years. To gain a deeper understanding of how new businesses generate sustainable positive effects, it is thus not sufficient to merely examine their emergence. Rather, it is crucial to understand how they develop into stable and sustainably successful organizations. Existing research on the growth of newly founded businesses largely attributes their success or failure to the characteristics of the entrepreneur. However, building a stable organization requires more than just one individual. The contribution of early employees and individuals from the close social environment and the effective coordination of these key human resources have been largely overlooked in existing research. This dissertation aims to explore how entrepreneurs strategically manage key human resources to foster the growth of new businesses. As a first step, I examined how new businesses can cultivate a positive employer image to attract their first employees. In the second step, I explored entrepreneurs' perceptions of the essential qualities they seek in their initial hires. The third step focused on the involvement of close family members, particularly spouses, in supporting the business growth of female entrepreneurs. Finally, in the fourth step, I identified key factors that influence entrepreneurs' willingness to delegate decision-making authority to employees. The results reveal several critical insights. First, certain startup-specific attributes of employer attractiveness appear to be so highly valued by job candidates that they offset the inherent risks typically associated with working at a startup. However, traditional instrumental attributes, such as salary and job security, continue to serve as a fundamental basis for employer attractiveness. Second, a protean career orientation brings job candidates closer to accepting roles in startups. Third, the scope of employees' abilities, as opposed to their level of specialization, plays a pivotal role in early hiring decisions. Additionally, their trustworthiness and capabilities also remain key factors in the later delegation of decision-making authority. Fourth, female entrepreneurs benefit from a combination of self-promotion and adherence to traditional role expectations (e.g., as a mother or wife), supporting both their business growth and the involvement of their spouses. However, spousal support does not appear to be as crucial to business growth as previously assumed. Lastly, high entrepreneurial ambition may hinder, rather than facilitate, the delegation of decision-making authority—contrary to traditional expectations. Overall, these findings represent important initial steps toward a better understanding of how the orchestration of human resources contributes to the growth of new businesses. Consequently, my dissertation calls for further research adopting a process-oriented perspective to explore how these early relationships evolve over time and contribute to long-term business success.Neugründungen von Unternehmen gelten seit Langem als treibende Kraft für Wirtschaftswachstum und Wohlstand weltweit. Gleichzeitig ist die Gründung eines Unternehmens eine große Herausforderung und viele junge Unternehmen scheitern bereits in den ersten Jahren. Um besser zu verstehen, wie neu gegründete Unternehmen nachhaltig positive Effekte erzielen, genügt es nicht, lediglich ihre Entstehung zu untersuchen. Entscheidend ist vielmehr, zu verstehen, wie sie sich zu stabilen und erfolgreichen Organisationen entwickeln. Bisherige Forschung zum Wachstum neu gegründeter Unternehmen führt den Erfolg oder Misserfolg maßgeblich auf die Person des Gründers zurück. Allerdings erfordert der Aufbau einer stabilen Organisation mehr als nur eine einzelne Person. Insbesondere der Beitrag der ersten Angestellten und eng verbundener Personen aus dem privaten Umfeld sowie deren effektive Steuerung und Koordination wurden in der bisherigen Forschung jedoch weitgehend vernachlässigt. Diese Dissertation soll deswegen untersuchen, wie Gründerinnen und Gründer strategisch mit zentralen personellen Ressourcen umgehen, um das Wachstum neuer Unternehmen zu fördern. Um dies zu erreichen, habe ich in einem ersten Schritt untersucht, wie neu gegründete Unternehmen ein attraktives Bild als Arbeitgeber aufbauen können, um ersten Mitarbeitenden anzuwerben. In einem zweiten Schritt habe ich untersucht, welche Eigenschaften Gründerinnen und Gründer bei ihren ersten Angestellten wichtig sind. Im dritten Schritt konzentriere ich mich auf die Rolle enger Familienmitglieder, insbesondere von Ehepartnern, und analysiere, wie Gründerinnen deren Unterstützung gewinnen und inwiefern diese zum Wachstum ihrer Unternehmen beiträgt. Schließlich habe ich im vierten Schritt zentrale Faktoren identifiziert, die die Bereitschaft von Gründerinnen und Gründern beeinflussen, Entscheidungsbefugnisse and Angestellte zu delegieren. Die Ergebnisse liefern mehrere wesentliche Erkenntnisse. Erstens scheinen bestimmte spezifische Merkmale neu gegründeter Unternehmen als Arbeitgeber für Arbeitssuchende so wertvoll zu sein, dass sie die typischerweise mit einer Anstellung in einem Startup verbundenen Risiken ausgleichen. Allerdings scheinen traditionelle instrumentelle Faktoren wie Gehalt und Arbeitsplatzsicherheit weiterhin die Grundlage der Arbeitgeberattraktivität zu bilden. Zweitens führt eine proteische Karriereorientierung dazu, dass Bewerberinnen und Bewerber eher eine Position in einem neu gegründeten Unternehmen in Betracht ziehen. Drittens bevorzugen Gründerinnen und Gründer als erste Angestellte eher Generalistinnen und Generalisten statt Spezialistinnen und Spezialisten. Darüber hinaus scheint die Vertrauenswürdigkeit der Angestellten zusammen mit ihren allgemeinen Fähigkeiten auch später eine Schlüsselrolle bei der Delegation von Entscheidungsverantwortung zu spielen. Viertens profitieren Gründerinnen von einer Kombination aus Selbstvermarktung und der Erfüllung traditioneller Rollenerwartungen (z. B. als Mutter oder Ehefrau). Beides scheint sich sowohl positiv auf ihr Unternehmenswachstum als auch die Unterstützung durch ihre Ehepartner auszuwirken. Allerdings scheint die Unterstützung durch den Ehemann für das Unternehmenswachstum weniger entscheidend zu sein als bisher angenommen. Als letztes zeigte sich noch, dass hohe Ambitionen von Gründerinnen und Gründern das Delegieren von Entscheidungsverantwortung eher behindern als fördern – entgegen traditioneller Erwartungen. Insgesamt stellen diese Erkenntnisse wichtige erste Schritte dar, um besser zu verstehen, wie die Steuerung und Koordinierung personeller Ressourcen zum Wachstum neuer Unternehmen beitragen. Meine Dissertation plädiert daher für weitere Forschung mit einer prozessorientierten Perspektive, um zu untersuchen, wie sich diese frühen Beziehungen im Laufe der Zeit entwickeln und auch langfristig zum Unternehmenserfolg beitragen
Lipophilically functionalized analogs of muraymycin nucleoside antibiotics
Full text linkThe central focus of this PhD study was the synthesis and biological evaluation of simplified muraymycin derivatives as part of a structure-activity relationship (SAR) study. The focus was particularly on the structure of the central amino acid and the influence of the attached lipophilic side chain on the antibiotic activity. In addition, the urea-dipeptide motif in the muraymycin backbone was simplified. Further insights into the relevance and impact of the lipophilic side chain were obtained by a set of truncated muraymycin derivatives. The conducted SAR study revealed a couple of very potent compounds, which might serve as lead structures for future projects. Furthermore, the relevance of the lipophilic side chain was re-evaluated. Additionally, a highly efficient synthetic route, which significantly facilitates an easy and fast synthesis of new derivatives, was established.Ziel dieser Dissertation war die Synthese und die biologische Evaluierung vereinfachter Muraymycin-Derivate im Rahmen einer Struktur-Aktivitäts-Beziehungs-Studie (SAR-Studie). Dabei wurde sich besonders auf die Struktur der zentralen Aminosäure, sowie auf den Einfluss der daran gebundenen lipophilien Seitenkette auf die antibiotische Aktivität, fokussiert. Außerdem wurde eine Vereinfachung der Teilstruktur des Harnstoff-Dipeptids im Muraymycin-Rückgrat angestrebt. Anhand einer Serie verkürzter Muraymycin-Derivate konnten zusätzliche Einblicke in die Bedeutung und Wirkung der lipophilen Seitenkette erhalten werden. Die durchgeführte SAR-Studie offenbarte einige hochpotente Verbindungen, die für zukünftige Projekte als Leitstrukturen dienen können. Darüber hinaus konnte die Bedeutung der lipophilen Seitenkette im Muraymycin-Rückgrat neu bewertet werden. Zusätzlich wurde eine sehr effiziente Syntheseroute entwickelt, welche die Herstellung neuer Derivate signifikant beschleunigt und vereinfacht
Total Synthesis of Jerangolid B via sp3-sp2 Stille Coupling
Full text linkFirst isolated from Sorangium cellulosum So ce 307, jerangolids are a class of natural products with high antifungal activity and minimal toxicity toward mammals. Comprised of a skipped diene substructure with a chiral center in between a δ-lactone and a pyran substituent, they present an intriguing synthetic challenge. We herein report the first synthesis of jerangolid B through a modular approach that incorporates sp3–sp2 Stille coupling as the key step to generate the skipped diene structure. By comparing our synthetic jerangolid B to the data published in the literature, we could show that the configuration at C14 is R
Synthesis of oxylipids via a boronic ester cycloetherification approach
Full text linkDeprotonated trimethylsilylethanol can be used as a nucleophile in Matteson homologations. This O-protection group is stable under the usual reaction conditions of the Matteson reaction, but after two further homologation steps it is automatically cleaved off and cycloetherification can take place, giving rise to substituted tetrahydrofurans in a highly stereoselective fashion. This elegant protocol was used in the synthesis of various oxylipids