Publications at Bielefeld University

PUB

Hintergrundbild
Hintergrundbild
University from A-Z

Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses

Zöllner FG (2004)
Bielefeld (Germany): Bielefeld University.
Download
14.29 MB
Bielefeld Doctoral Thesis | English
 
Authors
Supervisors
Sagerer, Gerhard
Department
AG Angewandte Informatik
AG Biomathematik und Theoretische Bioinformatik
Abstract:
Für das Verständnis von biologischen Funktionen können Proteindockingverfahren angewandt werden. Die Simulation der Interaktion von Proteinen ermöglicht einen Einblick in die Mechanismen dieser Funktionen. Viele Dockingansätze modellieren Proteine als feste Körper. Proteine sind jedoch flexibel. Besonders während des Dockens verändert sich ihre Konformation, um eine höhere Passgenauigkeit zu erzielen. Um die Ergebnisse von Dockingvorhersagen zu verbessern, muss diese Flexibilität modelliert werden.
In dieser Dissertation wird ein Klassifikationsansatz beschrieben, um flexible und starre Seitenketten von Aminosäuren zu unterscheiden. Merkmale werden berechnet, um die Flexibilität zu modellieren. Als Klassifikator wird eine Support Vector Machine eingesetzt. Es lassen sich gute Klassifikationsergebnisse erzielen. Die Klassifikationsergebnisse wurden zudem im Dockingsystem ElMaR evaluiert. Im Vergleich zum Docking ohne Flexibilitätsinformationen werden für fast alle Testfälle Verbesserungen erzielt.
Ein anderes Problem im Bereich Proteindocking ist die Unterscheidung von richtigen und falschen Vorhersagen. In dieser Arbeit soll die Bewertung von Dockinghypothesen des ElMaR-Systems verbessert werden. Der hier vorgestellte Ansatz beruht auf Relevance Feedback. Für verschiedene Testfälle kann das Gewichtungsschema verbessert werden, so dass eine bessere Bewertung möglich ist. Eine Adaptierung der modifizierten Gewichte auf Testfälle derselben Enzymklasse zeigt ebenfalls Verbesserungen in der Bewertung.

Protein docking is important for understanding the biological functions of proteins. Simulating the interaction between proteins can give insights to the mechanisms behind these functions. In many docking systems proteins are modelled as rigid bodies but in nature proteins behave differently. Especially during docking proteins change their conformation to fit together optimally. In order to enhance docking results the flexibility of amino acid side chains has to be incorporated.
Within the scope of this thesis, a classification approach to discriminate flexible and rigid side chains is described. In order to model the flexibility, features are calculated and a support vector machine is trained. A classification of side chains can be done at high accuracy. The gained flexibility information is evaluated using the docking system ElMaR. Using the flexibility information shows improvements for most of the used test cases compared to docking them without using any information about the flexibility of the structures.
Another problem in the field of protein docking is the discrimination of true and false docking predictions. In this work, the improvement of scoring docking hypotheses is addressed. Here, a relevance feedback approach is proposed to enhance the scoring of the ElMaR docking system. For different test cases the weighting scheme could be improved so that true and false docking predictions could be discriminated at higher accuracy. An adaptation of these weights to a larger set of test cases belonging to the same enzyme class shows improvements, too.
Keywords
Proteinflexibilität ; Aminosäureseitenketten ; Dockinghypothesen ; Docking protein ; Protein-Protein-Wechselwirkung ; Konformationsänderung ; Aminosäuren ; Seitenkette ; Docking results ; Sidechain flexibility ; Protein-protein docking ; Bewertung
Year
2004
File Name
diss.pdf 14.29 MB
Access Level
Open Access
 
This data publication is cited in the following publications:
This publication cites the following data publications:
 
Zöllner FG. Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses. Bielefeld (Germany): Bielefeld University; 2004.
Zöllner, F. G. (2004). Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses. Bielefeld (Germany): Bielefeld University.
Zöllner, F. G. (2004). Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses. Bielefeld (Germany): Bielefeld University.
Zöllner, F.G., 2004. Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses. Bielefeld (Germany): Bielefeld University.
F.G. Zöllner, “Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses”, Bielefeld University, 2004.
Zöllner, F.G.: Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses, (2004).
Zöllner, Frank Gerrit. “Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses”. Bielefeld (Germany): Bielefeld University, 2004.
@phdthesis{2302873,
  abstract     = {F{\"u}r das Verst{\"a}ndnis von biologischen Funktionen k{\"o}nnen Proteindockingverfahren angewandt werden. Die Simulation der Interaktion von Proteinen erm{\"o}glicht einen Einblick in die Mechanismen dieser Funktionen. Viele Dockingans{\"a}tze modellieren Proteine als feste K{\"o}rper. Proteine sind jedoch flexibel. Besonders w{\"a}hrend des Dockens ver{\"a}ndert sich ihre Konformation, um eine h{\"o}here Passgenauigkeit zu erzielen. Um die Ergebnisse von Dockingvorhersagen zu verbessern, muss diese Flexibilit{\"a}t modelliert werden.
In dieser Dissertation wird ein Klassifikationsansatz beschrieben, um flexible und starre Seitenketten von Aminos{\"a}uren zu unterscheiden. Merkmale werden berechnet, um die Flexibilit{\"a}t zu modellieren. Als Klassifikator wird eine Support Vector Machine eingesetzt. Es lassen sich gute Klassifikationsergebnisse erzielen. Die Klassifikationsergebnisse wurden zudem im Dockingsystem ElMaR evaluiert. Im Vergleich zum Docking ohne Flexibilit{\"a}tsinformationen werden f{\"u}r fast alle Testf{\"a}lle Verbesserungen erzielt.
Ein anderes Problem im Bereich Proteindocking ist die Unterscheidung von richtigen und falschen Vorhersagen. In dieser Arbeit soll die Bewertung von Dockinghypothesen des ElMaR-Systems verbessert werden. Der hier vorgestellte Ansatz beruht auf Relevance Feedback. F{\"u}r verschiedene Testf{\"a}lle kann das Gewichtungsschema verbessert werden, so dass eine bessere Bewertung m{\"o}glich ist. Eine Adaptierung der modifizierten Gewichte auf Testf{\"a}lle derselben Enzymklasse zeigt ebenfalls Verbesserungen in der Bewertung.},
  author       = {Z{\"o}llner, Frank Gerrit},
  language     = {English},
  publisher    = {Bielefeld University},
  school       = {Bielefeld University},
  title        = {Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses},
  year         = {2004},
}

TY  - GEN
AB  - Für das Verständnis von biologischen Funktionen können Proteindockingverfahren angewandt werden. Die Simulation der Interaktion von Proteinen ermöglicht einen Einblick in die Mechanismen dieser Funktionen. Viele Dockingansätze modellieren Proteine als feste Körper. Proteine sind jedoch flexibel. Besonders während des Dockens verändert sich ihre Konformation, um eine höhere Passgenauigkeit zu erzielen. Um die Ergebnisse von Dockingvorhersagen zu verbessern, muss diese Flexibilität modelliert werden.
In dieser Dissertation wird ein Klassifikationsansatz beschrieben, um flexible und starre Seitenketten von Aminosäuren zu unterscheiden. Merkmale werden berechnet, um die Flexibilität zu modellieren. Als Klassifikator wird eine Support Vector Machine eingesetzt. Es lassen sich gute Klassifikationsergebnisse erzielen. Die Klassifikationsergebnisse wurden zudem im Dockingsystem ElMaR evaluiert. Im Vergleich zum Docking ohne Flexibilitätsinformationen werden für fast alle Testfälle Verbesserungen erzielt.
Ein anderes Problem im Bereich Proteindocking ist die Unterscheidung von richtigen und falschen Vorhersagen. In dieser Arbeit soll die Bewertung von Dockinghypothesen des ElMaR-Systems verbessert werden. Der hier vorgestellte Ansatz beruht auf Relevance Feedback. Für verschiedene Testfälle kann das Gewichtungsschema verbessert werden, so dass eine bessere Bewertung möglich ist. Eine Adaptierung der modifizierten Gewichte auf Testfälle derselben Enzymklasse zeigt ebenfalls Verbesserungen in der Bewertung.
AU  - Zöllner, Frank Gerrit
ID  - 2302873
KW  - Proteinflexibilität
KW  - Aminosäureseitenketten
KW  - Dockinghypothesen
KW  - Docking protein
KW  - Protein-Protein-Wechselwirkung
KW  - Konformationsänderung
KW  - Aminosäuren
KW  - Seitenkette
KW  - Docking results
KW  - Sidechain flexibility
KW  - Protein-protein docking
KW  - Bewertung
PB  - Bielefeld University
PY  - 2004
TI  - Enhancing protein-protein docking by new approaches to protein flexibility and scoring of docking hypotheses
U3  - PUB:ID 2302873
UR  - http://nbn-resolving.de/urn:nbn:de:hbz:361-5982
ER  - 
Export
0 Marked Publication

Open Data PUB

Search this title in

Google Scholar
BASE
Google