Prediction of substrate specificity in enzymes by sequence search threading
Enzimlerde sekans aramalı giydirme yöntemi ile sübstrat belirginliği tahmini
- Tez No: 432985
- Danışmanlar: YRD. DOÇ. DR. ASUMAN NEVRA ÖZER
- Tez Türü: Doktora
- Konular: Biyomühendislik, Bioengineering
- Anahtar Kelimeler: Belirtilmemiş.
- Yıl: 2016
- Dil: İngilizce
- Üniversite: Marmara Üniversitesi
- Enstitü: Fen Bilimleri Enstitüsü
- Ana Bilim Dalı: Biyomühendislik Ana Bilim Dalı
- Bilim Dalı: Belirtilmemiş.
- Sayfa Sayısı: 119
Özet
Proteazlar, belirli sübstrat sekanslarını tanıyan ve hedef peptit bağlarını hidrolize ederek sübstratın aktivasyonunu veya degredasyonunu sağlayan enzimlerdir. Protezların biyolojik önemine bağlı olarak, proteaz-sübstrat bileşiklerinde tanıma ve bağlanma mekanizmalarının tanımlanması, ilaç geliştirme çalışmalarında önem kazanmıştır. Sübstrat rezidü pozisyonlarının üç boyutlu yapıya intibakının açıklanması inhibitörlerin sübstrat bağlanma bölgesine en uygun şekilde bağlanmasının anlaşılmasına ve etkili seçici ilaç tasarımına yardımcı olacağı için, proteaz sistemlerinde sübstrat belirginliğinin açıklanması kritik bir konudur. Deneysel yöntemlerin yanı sıra, sübstrat bağlanma bölgelerinin giydirme ve benzeri hesapsal araçlarla tahmini, karmaşık enzim-sübstrat etkileşimlerinin aydınlatılmasında yararlı bir alternatif yaklaşım olarak ortaya çıkmıştır. Bu tez çalışmasında, Hepatitis C (HCV) NS3/4A serin proteaz, Adenovirus 2 (AdV2) sistein proteaz ve Human T-cell leukemia virüs tip 1 (HTLV-I) aspartik asit proteaz sistemlerinde sübstrat çeşitliliği ve sübstrat belirginliği, sekans aramalı giydirme yöntemi ile incelenmiştir. Mevcut proteaz-sübstrat bileşik kristal yapılarının yanında, peptit yapısı oluşturma ve moleküler yanaştırma hesaplarıyla elde edilen yeni bileşik yapılar, giydirme hesaplarında şablon yapılar olarak kullanılmıştır. Muhtemel sekans uzayı, proteaza bağlandığı bilinen ve bağlanmayan çeşitli peptit dizilerinin muhtelif şablon yapılara başlangıç sekansları olarak giydirilmesi ve peptit rezidülerinin farklı amino asitlerle değiştirilerek enerji hesaplanması ile, düşük çözünürlüklü bilgi-temelli skorlama potansiyelleri aracılığıyla etkin bir şekilde taranmıştır. Bunun sonucunda elde edilen düşük enerjili peptit dizilerinde, bazı rezidü pozisyonlarında çeşitlilik olmasına rağmen, bilinen doğal sübstrat dizileriyle benzer korunmuş amino asit tercihleri görülmektedir. Özellikle, sübstrat bağlanmasında önemli rol oynayan amino asitler çoğunlukla tercih edilmektedir. Daha sonra, düşük enerjili peptit dizilerinin rezidü pozisyonları arasında ikili ve üçlü bağımlılıkları göz önünde bulunduran istatistiksel olasılık yaklaşımları kullanılarak, enzime bağlanması muhtemel sübstrat dizileri tahmin edilmiştir. Tahmin edilen bu dizilerin de bilinen doğal sübstrat dizilerinin çoğuyla benzerlik göstermesi, farklı sübstrat rezidüleri arasındaki karmaşık bağımlılığı belirtmektedir. Sonuç olarak, ilaç geliştirme çalışmalarında hedef moleküller olan HCV NS3/4A serin proteaz, AdV2 sistein proteaz ve HTLV-I aspartik asit proteaz sistemlerinde sübstrat çeşitliliğinin belirlenmesi için, sekans aramalı giydirme yöntemi oldukça güçlü bir metodoloji olarak gözükmektedir. Ayrıca, bu çalışmadaki hesapsal prosedür, değişik rezidü sayılarına sahip her türlü protease-sübstrat sisteminde kolaylıkla uygulanacak algoritmaya sahip bir bilgisayar kodu ile geliştirilmiş ve gelecekte bir web sunucusu olarak hizmet verebilecek şekilde tasarlanmıştır. Böylelikle, bu tezdeki potansiyel sübstrat belirginliği tahmini metodolojisi ile, proteazlara karşı yeni inhibitör geliştirilmesi alanındaki tüm araştırmacıların etkin ve yararlı sonuçlar almasına yardımcı olmak hedeflenmektedir.
Özet (Çeviri)
Proteases are enzymes which recognize specific substrate sequences and catalyze the hydrolysis of targeted peptide bonds for their activation or degradation. Due to the biological importance of proteases, it is particularly important to identify the recognition and binding mechanisms of protease-substrate complex structures in drug development studies. The assessment of substrate specificity in protease systems is crucial, where interpreting the adaptability of substrate residue positions can be useful in understanding how inhibitors might best fit within the substrate binding sites and can aid in the design of potent selective inhibitors. Besides experimental methods, computational tools for prediction of substrate cleavage sites, such as threading, have emerged as useful alternative approaches to provide valuable horizons into complex enzyme-substrate interactions. In this thesis, substrate variability and substrate specificity of the Hepatitis C virus (HCV) NS3/4A serine protease, the Adenovirus 2 (AdV2) cysteine protease and Human T-cell leukemia virus type 1 (HTLV-I) aspartic acid protease were investigated by the Biased Sequence Search Threading (BSST) method. The available crystal structures of peptide-bound proteases were used as templates as well as new complex structures that were generated via peptide building and docking calculations. Threading various binding and nonbinding sequences as starting sequences over these miscellaneous templates, the potential sequence space was explored efficiently by a low-resolution knowledge-based scoring potential. The biased sequence search generates low energy substrate sequences which are correlated with the natural substrates with conserved amino acid preferences, although some positions exhibit variability. Specifically, the amino acids which play essential roles in cleavage are mostly preferred. Potential substrate sequences were predicted by statistical probability approaches that consider the pairwise and triplewise interdependencies among residue positions in the low energy sequences. The predicted peptide sequences also reproduce most of the natural substrate sequences, implying the complex interdependence between the different residues of the substrate. Consequently, the BSST seems to provide a powerful approach for predicting substrate specificity for the NS3/4A serine protease, AdV2 cysteine protease and HTLV-I aspartic acid protease, which are targets in drug discovery studies. Furthermore, the BSST calculations were carried out by an improved code which uses an algorithm developed for any protease-substrate system with various numbers of residues in the protease or the peptide. The calculational procedure was developed to be directly implemented and set up as a web server in future, so that the prediction method can be accessible and useful to all researchers to get beneficial and efficient results that can be helpful in design of novel inhibitors against proteases.
Benzer Tezler
- Characterization of plasma hydrolases and their contribution to hydrolase activities in the plasma of different species
Başlık çevirisi yok
FATMA GÖKŞİN BAHAR
- Large-scale integration of protein structural data into protein-protein interaction networks
Protein yapısal verisinin protein-protein etkileşim ağlarıyla geniş çapta birleştirilmesi
GÖZDE KAR MAKİNACI
Doktora
İngilizce
2012
BiyokimyaKoç ÜniversitesiBiyokimya Mühendisliği Ana Bilim Dalı
PROF. DR. ATTİLA GÜRSOY
PROF. DR. ÖZLEM KESKİN
- Domuz ciğeri ve bezelye tohumundan diamin enziminin izolasyonu saflaştırılması ve özelliklerinin incelenmesi
The Isolation of DAO from pig liver and pea seedling and purification and specification
YÜKSEL GÜVENİLİR(AVCIBAŞI)
- Antenna design for breast cancer detection and machine learning approach for birth weight prediction
Meme kanseri tespiti için anten tasarımı ve doğum ağırlığı tahmini için makine öğrenmesi yaklaşımı
HALUK KIRKGÖZ
Yüksek Lisans
İngilizce
2024
Elektrik ve Elektronik Mühendisliğiİstanbul Teknik ÜniversitesiElektronik ve Haberleşme Mühendisliği Ana Bilim Dalı
DR. ÖĞR. ÜYESİ ONUR KURT
- Native state dynamics and recognition/bending processes in globular proteins
Globüler proteinlerde doğal hal dinamiği ve tanıma/bağlanma süreçleri
NEŞE KURT
