RNOMIK

Strukturbezogene Genomanalyse (Genomik), die systematische Bestimmung aller makromolekularen Strukturen, die in einem Genom vertreten sind, wird gegenwärtig fast ausschließlich in Bezug auf Proteine durchgeführt. Obwohl man im Allgemeinen von "Genen und durch sie kodierte Proteine" spricht, gibt es Tausende von menschlichen Genen, deren Transkripte ihre Funktion erfüllen, ohne jemals in Protein übersetzt zu werden. Darüber hinaus sind die funktionalen Inhalte von ca. der Hälfte des menschlichen Genoms nach wie vor nicht entschlüsselt, obwohl die gesamte Sequenz der menschlichen DNA bereits bekannt ist. Wahrscheinlich ist eine große Gruppe von Genen bis dato weitestgehend unentdeckt geblieben, weil sie nicht für Proteine kodieren. Viele der bekannten, nicht kodierenden RNA-Moleküle spielen eine Schlüsselrolle in der Biochemie der Zelle. Beispiele sind: Transfer-RNAs, ribosomale RNAs, tmRNA, die RNA-Komponenten der RNase P sowie der Signalrezeption (SRP RNA). Eine weitere Ebene der RNA-Funktion stellen strukturelle Motive innerhalb Protein- kodierender Gene dar, die meist in den nicht-translatierten 5`- oder 3`-Regionen von prä-mRNA (unprozessiert) lokalisiert sind. Es lässt sich somit argumentieren, dass "RNomics", d. h. das Verständnis funktionaler RNAs und deren Wechselwirkungen auf genomischer Ebene, von höchster praktischer und theoretischer Bedeutung für moderne Biowissenschaften sind: Umfassendes Verständnis für die Biologie einer Zelle erfordert jedenfalls das Wissen um die Existenz aller funktionalen RNAs und ihrer Wechselwirkungspartner auf molekularer Ebene sowie die molekularen Strukturen all dieser Komplexe. Der erste Schritt in diese Richtung ist die Entwicklung vielseitiger und verlässlicher Algorithmen und datenverarbeitender Routinen, die funktionale RNAs detektieren und klassifizieren können. Vorzugsweise sollte man mit einem einzigen Genom das Auslangen finden oder, falls sich dies als unmöglich erweist, mit einer sehr kleinen Zahl verwandter Genome. Unser Ziel ist die Entwicklung bioinformatischer Methoden, die spezifisch auf die Detektion, Verifikation und Klassifikation funktionaler RNAs zugeschnitten sind. Unser Ansatz in Richtung "Computational RNomics" beinhaltet: * verbesserte Algorithmen zur Vorhersage von Sekundärstrukturen in RNA * verbesserte Alignment-Algorithmen für Nukleinsäuresequenzen * neue Ansätze für den Vergleich und das Alignment von RNA-Strukturen * Erweiterungen existierender RNA-Algorithmen, um Datensätze in Genomgröße handhaben zu können * ein Datenbank-System, dass speziell auf RNA-Strukturen ausgerichtet ist.

RNomik steht für den holistischen Ansatz, die Gesamtheit aller RNAs in einem Organismus zu betrachten. Vorhersage, Detektion und Klassifizierung dieser RNAs bedarf der Implementierung vergleichender Methoden zur Identiffizierung von Ähnlichkeiten zwischen unbekannten und bekannten RNA Species. In Fall von DNA, Klassifizierung erfolgt einfach via Sequenzvergleich. Protein wiederum benötigen zusätzliche Schritte aufgrund der für ihre Funktion wichtigen 3D Struktur. Die Funktion von RNAs wird nur durch zwei Eigenschaften festgelegt: die Sequenz, die in eine Sekundärstruktur falted. Diese Faltung folgt wohldefinierten Regeln, nur drei Arten von Basenpaaren sind dabei erlaubt: A-U, G-C, G-U. Programme wie RNAfold oder Mfold berechnen solche Sekundärstrukturen beginnend ausgehend von einer Einzelsequenz. Vergleicht man ein RNA Gen von unterschiedlichen Organismen, so werden sich die Sequenzen unterscheiden, die Structuren aber sehr ähnlich sein. Diese Beobachtung resultiert aus kompensatorischen Mutationen, Sequenzänderungen, die die Bildung eines Basenpaars weiterhin ermöglichen. Nur jene Basenpaare innerhalb einer funktionellen Struktur stehen unter solch erhöhtem Selektionsdruck. Kompensatorische Mutationen erlauben uns also, in ihrer Sequenz ähnliche RNAs zu klassifizieren. Ziel dieses Projekts war die Entwicklung einer Vielzahl von Tools zur Suche von RNA Genen. Wir konnten zu allen Fragestellungen im Projektantrag Lösungsansätze finden, sie an ausgewählten Modellorganismen (Viren, Bakterien und Tieren) testen und somit die generelle Anwendbarkeit unserer RNA Tools zeigen. Wir entwickelten zwei Algorithmen zum alignieren von RNA Sequenzen, die Proteincodierung (codaln) und Sekundärstrukturinformation (pmmulti) berücksichtigen. Die Programme hxmatch und alidot verwenden unterschiedliche Methoden zur Vorhersage von konservierten Sekundärstrukturen aus Alignments, inklusive rechnerisch aufwendiger Pseudoknoten. Sowohl Alifoldz, wie auch RNAz verfolgen den vergleichenden Ansatz und representieren Methoden für genomweite Studien in Eukaryonten Genomen. Die Handhabung solch großer Datenmengen bedarf bedarf eienr speziell designten MySQL Datenbank. RNALfold, eine Variante von RNAfold, dient zur Vorhersage lokaler RNA Strukturen und ist ebenso anwendbar auf ganze Genome. Zusätzlich zu den gesteckten Zielen entwickelten wir Methoden zum design bistabiler RNAs, den sogenannten `RNA switches`, und `modifier RNAs`, welche die Bildung funktioneller RNA Strukturen verhindern können. Die molekulare Evolution einer Gruppe von microRNAs, kleine, natürlich vorkommende nicht codierende RNAs, wurde rekonstruiert basierend auf Sequenzen, die mit Hilfe der im Zuge dieses Projekts entwickelten Tool identiffiziert werden konnten.