Please use this identifier to cite or link to this item: doi:10.22028/D291-26407
Title: Automated in silico protein modeling strategies : applications and limits in G-protein coupled receptor modeling
Other Titles: Automatische in silico Proteinmodellierungsstrategien : Anwendungen und Limits in der Modellierung von G-Protein gekoppelten Rezeptoren
Author(s): Kneissl, Benny
Language: English
Year of Publication: 2012
SWD key words: G-Protein gekoppelte Rezeptoren
Atomverteilung
Simulated annealing
Free key words: GPCR
structure prediction
DDC notations: 004 Computer science, internet
Publikation type: Doctoral Thesis
Abstract: In the 21st century, computer-aided methods became a well-established tool in the pharmaceutical industry. Because many protein structures are still very difficult to determine experimentally, various in silico methods have been developed to predict their three-dimensional structure from the corresponding sequence. Unfortunately, the modeling process has often to be adapted to the target protein or the automatically generated models have to be manually refined afterwards by the users based on their expert knowledge to finally achieve reasonable results. The aim of this thesis is to explore the applicability of automated in silico modeling strategies by means of G-protein coupled receptors (GPCRs). First, we analyze to which extent available protein structure prediction methods can be particularly tailored to the automated GPCR modeling case. Second, we develop our own approach and demonstrate that we obtain improved models compared to other state-of-the-art modeling tools. More important, our method does not rely on manual interactions by the user during the modeling process and is thus generally applicable for all GPCRs. Furthermore, we present a new sequence based method to predict structural distortions from ideal α-helical geometry. This method also exceeds the prediction accuracy of comparable approaches.
Im 21. Jahrhundert sind computergestützte Methoden zu einem etablierten Werkzeug in der Pharmaindustrie geworden. Da viele Proteinstrukturen nur mit großem Aufwand experimentell aufgeklärt werden können, wurden diverse in silico Methoden entwickelt, um ihre dreidimensionale Struktur aus der dazugehörigen Sequenz zu modellieren. Leider muss der Modellierungsprozess häufig an das Zielprotein angepasst oder die automatisch generierten Modelle von den Anwendern auf Basis ihres Fachwissens verfeinert werden, um letztendlich vernünftige Resultate zu erhalten. Das Ziel dieser Arbeit ist die Untersuchung der Anwendbarkeit automatischer in silico Modellierungsstrategien am Beispiel der G-Protein gekoppelten Rezeptoren (GPCRs). Zunächst analysieren wir bis zu welchem Grad verfügbare Proteinstruktur-Vorhersagemethoden für die automatische Modellierung von GPCRs angepasst werden können. Anschließend entwickeln wir unser eigenes Verfahren und zeigen, dass dieses im Vergleich zu anderen modernen Methoden verbesserte Ergebnisse erzielt. Hervorzuheben ist dabei, dass unser Ansatz keinerlei Interaktion vom Anwender benötigt und somit auf alle GPCRs angewendet werden kann. Des Weiteren stellen wir eine neue sequenzbasierte Methode zur Vorhersage von so genannten Kinks in α-Helices vor. Auch diese Methode übertrifft die Vorhersagegenauigkeit vergleichbarer Ansätze.
Link to this record: urn:nbn:de:bsz:291-scidok-50212
hdl:20.500.11880/26463
http://dx.doi.org/10.22028/D291-26407
Advisor: Hildebrandt, Andreas
Date of oral examination: 30-Nov-2012
Date of registration: 18-Dec-2012
Faculty: MI - Fakultät für Mathematik und Informatik
Department: MI - Informatik
Collections:SciDok - Der Wissenschaftsserver der Universität des Saarlandes

Files for this record:
File Description SizeFormat 
Dissertation_BennyKneissl_Final.pdf12,89 MBAdobe PDFView/Open


Items in SciDok are protected by copyright, with all rights reserved, unless otherwise indicated.