Dokument: Protein Structure Modelling using Evolutionary Information and Cryo-EM Data

Titel:	Protein Structure Modelling using Evolutionary Information and Cryo-EM Data
URL für Lesezeichen:	https://docserv.uni-duesseldorf.de/servlets/DocumentServlet?id=43406
URN (NBN):	urn:nbn:de:hbz:061-20170914-110621-6
Kollektion:	Dissertationen
Sprache:	Englisch
Dokumententyp:	Wissenschaftliche Abschlussarbeiten » Dissertation
Medientyp:	Text
Autor:	Braun, Tatjana [Autor]
Dateien:	[Dateien anzeigen] Adobe PDF [Details] 51,00 MB in einer Datei [ZIP-Datei erzeugen] Dateien vom 10.09.2017 / geändert 10.09.2017
Beitragende:	Jun.-Prof. Dr. Schröder, Gunnar [Gutachter] Prof. Dr. Groth, Georg [Gutachter]
Dewey Dezimal-Klassifikation:	500 Naturwissenschaften und Mathematik » 540 Chemie
Beschreibungen:	Proteins can be seen as the major building blocks of life - they are involved in nearly every task of the cell and mediate most of its essential form and structure. To fully understand the biological role and function of a protein, its three-dimensional structure needs to be known. In this work, two new approaches for computational protein modelling and structure prediction are introduced. The methods can contribute to filling the ever increasing gap between known protein sequences and structures. (1) Experimental structure determination can be time-consuming, expensive and is not possible for every type of protein. Computational protein prediction has therefore become an important addition to the experimental methods for obtaining information about a protein’s structure. While substantial progress has been made over the years, so far, predicting a protein’s structure from only its sequence, i.e. ab initio/de novo protein struc- ture prediction, is only possible for small proteins. Incorporating additional information, e.g. in form of sparse experimental data, enables structure prediction for larger protein structures as well. Following the discovery that inferred residue-residue contacts from co-evolving residues can successfully be used for protein structure prediction, we have combined evolutionary information with an iterative sampling protocol of the Rosetta molecular modelling suite to obtain accurate atomic models. (2) Most atomic-resolution structures known to date were either determined using X-ray crystallography or NMR spectroscopy. While structure determination using cryo-electron microscopy has been limited to low-resolution models and complexes for many years, recent advances make it now possible to obtain density maps with near-atomic or even atomic resolution. These high-resolution density maps allow to directly build full-atomic models. This task is however challenging and, because being quite recent, has not been extensively explored so far. To address this problem, we have developed a completely new de novo model-building approach for cryo-EM maps in the near-atomic resolution range that combines backbone tracing, sequence non-specific fragment assembly, and automated side-chain assignment. Proteine sind wesentliche Bausteine des Lebens - sie sind in so gut wie jede Aufgabe der Zelle verwickelt und bestimmen deren Struktur und Form. Um die biologische Rolle und die Funktionen eines Proteins komplett zu verstehen, muss man seine dreidimensionale Struktur kennen. In dieser Arbeit werden zwei neue Herangehensweisen zur computergestützten Proteinmodellierung und -vorhersage vorgestellt. Beide Methoden können in Zukunft helfen, die immer größer werdende Lücke zwischen der Anzahl an bekannten Proteinsequenzen und -strukturen zu verkleinern. (1) Experimentelle Strukturbestimmung ist sehr zeitintensiv, kostspielig und nicht unbedingt für alle Proteinarten möglich. Die computergestützte Proteinvorhersage ist des- halb eine wichtige Ergänzung zu den experimentellen Methoden geworden, um Strukturinformationen von Proteinen zu bekommen. Die Methoden haben sich in den letzten Jahren kontinuierlich verbessert und weiterentwickelt, allerdings funktioniert die Vorhersage der Struktur ausschließlich basierend auf der Sequenz, sogenannte ab-initio- oder de-novo-Vorhersagen, auch heute nur für kleine Proteine. Das Verwenden von zusätzlichen Informationen, z.B. spärlicher experimenteller Datenlage, ermöglicht die Vor- hersage auch für größere Proteinstrukturen. Basierend auf der Entdeckung, dass korre- lierte Mutationen in Proteinfamilien und die daraus abgeleiteten Distanzinformationen zur korrekten Strukturvorhersage beitragen können, haben wir diese mit dem iterativen Sampling-Protokoll der Rosetta Software-Suite kombiniert. (2) Die meisten der bis heute experimentell bestimmten Proteinstrukturen wurden mit Hilfe von Röntgenkristallographie oder Kernspinresonanzspektroskopie gelöst. Strukturaufklärung durch Kryo-Elektronenmikroskopie war lange Zeit auf niedrige Auflösun- gen von großen Komplexen beschränkt. Heutzutage können jedoch dank neuer Entwick- lungen auch Dichtekarten mit sehr hoher Auflösung erstellt werden. Diese hochaufgelösten Dichtekarten machen es möglich, direkt atomare Modelle zu bauen. Der Prozess ist allerdings sehr fordernd und die Anzahl der Methoden für diese neue Aufgabenstellung noch sehr gering. Wir haben deshalb ein neues Protokoll zur de-novo Modellierung von Proteinstrukturen in hochauflösende Dichtekarten entwickelt: Das Protokoll baut in einem ersten Schritt die Cα-Positionen des Proteinrückgrats, vervollständigt diese mit Hilfe sequenz-unspezifischer Proteinfragmente und weist im Anschluss vollautomatisch die Seitenketten zu.
Lizenz:	Urheberrechtsschutz
Fachbereich / Einrichtung:	Mathematisch- Naturwissenschaftliche Fakultät
Dokument erstellt am:	14.09.2017
Dateien geändert am:	14.09.2017
Promotionsantrag am:	17.03.2017
Datum der Promotion:	06.07.2017