Erweiterte Identifizierung, automatische Generierung und Analyse von konservierten Sequenzmustern und vergleichende Analyse enzymatischer Reaktionen unter Verwendung von homologen Enzymdomänen

Enzyme sind Biomoleküle, die chemische Reaktionen in lebenden Organismen katalysieren. Nahezu alle Reaktionen in einer lebenden Zelle benötigen Enzyme, damit chemische Reaktionen in angemessener Zeit ablaufen. Annähernd alle Enzyme sind Proteine. Obwohl Enzyme in der Lage sind, unterschiedliche Reaktionen zu katalysieren, können sie gleiche Domänen enthalten, die sich während der Evolution konserviert haben. Domänen sind die strukturellen, funktionellen und evolutionären Einheiten von Proteinen. The International Union of Biochemistry and Molecular Biology teilt Enzyme in sechs Klassen ein. Die Einteilung wird anhand der katalysierten Reaktion vorgenommen, nicht anhand gleicher Domänen oder Sequenzen. Da die Anzahl sequenzierter Proteine aufgrund von innovativen Sequenzierungstechnologien schnell wächst, ist die korrekte Annotation von Enzymen anhand reiner Sequenzinformation ein zentrales Problem in der Bioinformatik. In dieser Arbeit wurde die Clusteranalyse als etablierte und häufig genutzte Methode in der Bioinformatik dazu genutzt, Sequenzen anhand ihrer Sequenzähnlichkeit zu bedeutsamen Clustern zu gruppieren. Das Ergebnis dieser Analyse und die Erstellung von Sequenzmustern sollen helfen, die Frage zu beantworten, inwiefern es möglich ist, von Sequenzähnlichkeit auf gleiche Funktion zu schließen. Zunächst wurden alle derzeit verfügbaren Enzymsequenzen, die mindestens eine vollständige EC-Nummer tragen, gesammelt. Das Ergebnis von all-vs-all Alignments wurde dazu genutzt, die Domänenstruktur der analysierten Enzyme zu bestimmen. Abhängig vom E-Wert dieser Alignments, wurden Cluster aus homologen Domänen gebildet. Aus bestimmten Clustern wurden Sequenzen entnommen, um daraus Sequenzmuster zu erstellen. Die Qualität dieser Muster wurde durch Suche nach Richtig-Positiven und Falsch-Positiven Treffern getestet. Ein Treffer wird als Richtig-Positiv definiert, wenn der Treffer die gleiche EC-Nummer enthält, wie das Muster. Die erstellten Muster wurden mit Mustern der PROSITE-Datenbank verglichen. Zusätzlich wurde ein Algorithmus, der die größte gemeinsame Teilstruktur bestimmt, dazu genutzt, um Moleküle, die bei geclusterten Enzymen bei der Katalyse beteiligt sind, miteinander zu vergleichen. Reaktionsmatrizen wurden auf diese Weise erstellt. Schließlich wurde das Ergebnis der Clusteranalyse, die aufgrund Sequenzähnlichkeit basiert, mit dem Ergebnis der Clusteranalyse verglichen, die aufgrund identischer Reaktionsmatrizen basiert. 118947 Sequenzmuster wurden erstellt und deren Qualitäten bestimmt. Der größte Teil der Muster wurde aus bis zu zehn Sequenzen bei hohen E-Werten erstellt. Beispiele zeigten, dass Aminosäuren, die für die katalytische Aktivität oder für die Gewährleistung der korrekten 3D Konformation verantwortlich sind, hochkonserviert sind. Der Vergleich der Moleküle, die bei geclusterten Enzymen beteiligt sind, zeigte, dass die meisten Enzyme identische oder sehr ähnliche Moleküle nutzen. Abhängig vom E-Wert, nimmt die Anzahl von identischen Molekülen bei verglichenen Reaktionen mit ansteigendem E-Wert ab. Zusätzlich konnte bei dem Vergleich des Ergebnisses der Clusteranalyse, die auf Sequenzähnlichkeit basiert, mit dem Ergebnis der Clusteranalyse, die auf gleichen Reaktionsmatrizen basiert, gezeigt werden, dass die Anzahl der Enzyme, die in beiden Clusteranalysen gruppiert wurden, mit steigendem E-Wert abnimmt