Sequenzanalysemethoden für die Proteinfunktionsvorhersage

Die Vollendung der kompletten Sequenzierung wichtiger Genome eröffnet neue Möglichkeiten und Hoffnungen. Das reine Vorhandensein der genomischen Sequenzen ist allerdings von geringen Nutzen für die Life Science Forschung, aber die Entwicklung der Methoden zur Sequenzanalyse hat mit dem Fortschritt in der Produktion von Sequenztexten nicht mithalten können. Während die Ableitung der Proteinsequenzen, welche möglicherweise in den gegebenen Genomdaten kodiert sind, manchmal schwierig, aber generell möglich ist, stellt das unzureichende Verständnis der biologischen Funktion der nur als konzeptionelle Translation bekannten Proteine den eigentlich limitierenden Faktor dar. Mit diesem Project versprechen wir die Lösung dreier wichtiger Aufgaben mit genereller Bedeutung für die Proteinsequenzanalyse: Teil 1: Sequenzregionen mit geringer Komplexität (SGK) sind generell schlecht bezüglich ihrer Struktur und Funktion charakterisiert. Das könnte sich verbessern, wenn es ein Datenbanksuchwerkzeug gäbe, mit welchen man SGK in Übereinstimmung mit einem Ähnlichkeitskriterium in Familien zu Clustern ordnen könnte. Ein solches Programm wollen wir entwickeln (ein BLAST-ähnliches Tool für SGK). Diese Aufgabe kann nicht mit den z.Z. üblichen Apparat für Homologie-Suchen gelöst werden, weil die statistischen Kriterien unter den Bedingungen compositioneller Verschiebungen nicht anwendbar sind. Infolge der Degeneriertheit der Sequenz in SGK erscheint es möglich, daß die genaue Sequenz oft nicht der kritische Punkt für deren Funktion ist als viel mehr gewisse integrale Sequenzeigenschaften (z.B., die Composition). Wir wollen ein Werkzeug schaffen, mit welchem Sequenzsegmente definiert durch integrale Sequenzeigenschaften in Familien zusammengefaßt werden können. Dieses Tool wollen wir zur Klassifikation und funktionellen Charakterisierung von SGK verwenden. Teil 2: Eine große Zahl biologischer Merkmale (Strukturen und Funktionen) wie viele posttranslationale Modificationen von Aminosäuren in Proteinen oder die proteolytische Aufspaltung in Abhängigkeit von zellulären Prozessen kann mit theoretischen Methoden nicht vorhergesagt werden. Folglich bleiben große Klassen von Proteinen nicht oder unvollständig annotiert, weil die Möglichkeiten der existierenden Vorhersagealgorithmen beschränkt sind. Wir wollen Techniken für die Erkennung von Lipid-Anker-Sites in Proteinsequenzen (z.B. GPI- Lipid Anker in nicht-tierischen Taxa, Myristoyl-, Farnesyl- oder Palmitoylanker) als auch für zellzyklus- spezifische Proteinaufspaltungen (wie z.B. in den Substratproteinen der Separine in der frühen Anaphase) entwickeln. Wenn unsere Möglichkeiten und unser Forschungsfortschritt es erlauben, wollen wir die Anstrengungen auf andere posttranslationale Modifikationen ausweiten. Teil 3: Die existierenden Methoden (Algorithmen und Software-Lösungen) sind nicht für die Generierung der Annotation von großen Mengen von Proteinsequenzen vorbereitet. Insbesondere sind automatisierte Implikationen (Deduktionsheuristiken) auf der Basis des kombinierten Outputs verschiedener Vorhersagemethoden nicht möglich. Wir wollen eine portable Softwarelösung schaffen ("Automatischer Sequenzanalysator"), der verschiedene Vorhersageprogramme aufruft, deren Ausgaben bearbeitet und die Informationen in elektronisch abfragbarer Form ablegt. Spezifisch in diesem Projekt wollen wir die Deduktionsalgorithmen entwickeln, welche Routineaktivitäten bioinformatischer Forscher kopieren sollen, wenn diese selbst Vorhersageprogramme aufrufen und deren Ausgaben analysieren. Dieses Ziel ist ein Schlüssel zur Erzeugung der funktionellen Annotationen für Sequenzen, welche auf DNA Chips kodiert sind.

Dieses Forschungsprojekt wurde vom August 2001 bis zum Juli 2004 durch den FWF Österreich mit zwei Positionen (1 promovierter Forscher, 1 Doktorand) und Mitteln fuer die Reisetätigkeit beider Forscher unterstützt. Das Ziel dieser Arbeit war die Entwicklung neuer, computer-gestützter Techniken für Erkennung biologischer Eigenschaften in funktionell noch nicht charakterisierten Proteinsequenzen, welche nicht durch vorhandene Sequenz-analytische Methoden gefunden werden. Typischerweise werden biologische Funktionen für Proteinsequenzen von Genomsequenzierungen mit dem Konzept der Homologie abgeleitet, welches auf Sequenzähnlichkeit und Annotationstransfer innerhalb einer Proteinfamilie basiert. Funktionelle Vorhersagen sind schwierig für nicht-globuläre Proteinregionen, weil ihre Aminosäurekomposition zu einigen Restearten verschoben ist und deshalb die Kriterien zum Feststellen signifikanter Sequenzähnlichkeit nicht anwendbar sind. In dieser Arbeit konzentrierten wir uns auf nicht-globuläre Proteinsegmente, die die Eignung für posttransationale Modifikationen mit Lipiden kodieren. Das Hauptresultat dieser Arbeit sind Algorithmen und Computerprogramme für (i) Glycosylphosphatidyllipid-Anker für Pflanzen- und Pilzproteine, (ii) Myristoyl-Anker für fungale und höhere Eukaryontenproteine, (iii) Prenyl-Anker (separat für Famesyl- und Geranylgeranyl-Anker) für Proteine von Eukaryonten. Die ursprüngliche Technologie des Glycosylphosphatidyllipid-Anker-Prediktors wurde weiterentwickelt in Bezug auf die Signifikanzkriterien zur Abschätzung der Parameter in der Vorhersagefunktion, die Berücksichtigung heterogener biochemischer Daten und Strukturinformationen der modifizierenden Enzyme als auch die Ausnutzung des evolutionären Kontextes für die Bewertung der funktionellen Bedeutung neuer Substratvorhersagen. Teile des methodischen Konzepts wurden auch sinnvoll in der Entwicklung eines Transmembranhelix- Vorhersageprogrammes mit geringer falsch-positiver Vorhersagerate eingesetzt (in Zusammenarbeit mit ungarischen Forschern). Alle Prediktoren haben Aufmerksamkeit bei Biotech und pharmazeutischen Firmen hervorgerufen. Die erfolgreiche Arbeit in diesem Projekt is mit 20 schon erschienenen Publikationen in anerkannten internationalen Wissenschaftsjournalen belegt. Unsere Prediktoren für posttranslationale Modifikationen mit Lipiden sind der augenblickliche Standard im Feld und werden wegen ihrer Zuverlässigkeit von SWISS-PROT zur Regelannotation neuer Sequenzen benutzt.