Data mining for important amino acid residues in multiple sequence alignments and protein ...

141 Pages·2014·6.21 MB·English

Data mining for important amino
acid residues in multiple
sequence alignments and protein
structures
Dissertation
zur Erlangung des Doktorgrades der
Naturwissenschaften (Dr. rer. nat.) der
Fakultät für Biologie und vorklinische Medizin
der Universität Regensburg
vorgelegt von
Jan-Oliver Janda
aus Linz, Österreich
im Jahr 2014

Das Promotionsgesuch wurde eingereicht am: 18.02.2014
Die Arbeit wurde angeleitet von: apl. Prof. Dr. Rainer Merkl
Unterschrift:

Contents
List of figures . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . iii
List of tables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . v
Abbreviations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . vii
Abstract . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
Zusammenfassung . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.1 Proteins and enzymes . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Machine learning . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
1.3 Protein structures . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Multiple sequence alignments . . . . . . . . . . . . . . . . . . . . 14
1.5 Aim of this work . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2 Summary and discussion . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.1 Classification of highly conserved residue positions . . . . . . . . . 21
2.1.1 CLIPS-1D: A solely sequence-based classifier . . . . . . . . 22
2.1.2 CLIPS-3D: A solely structure-based classifier . . . . . . . . 28
2.1.3 CLIPS-4D: A sequence- and structure-based classifier . . . 29
2.2 Identification of correlated mutations . . . . . . . . . . . . . . . . 34
i
Contents
2.2.1 Statistical analysis . . . . . . . . . . . . . . . . . . . . . . 35
2.2.2 Case studies that illustrate classification performance . . . 37
3 Bibliography . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
4 List of publications and personal contribution . . . . . . . . . . . . . 67
5 Publications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.1 Publication A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69
5.2 Publication B . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.3 Publication C . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 115
6 Acknowledgement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
ii
List of Figures
1.1 Venn-diagram of the properties of the 20 amino acids . . . . . . . 6
1.2 Conformation of a peptide bond . . . . . . . . . . . . . . . . . . . 7
1.3 Simplified reaction coordinate diagram . . . . . . . . . . . . . . . 9
1.4 Principle of a support vector machine . . . . . . . . . . . . . . . . 10
1.5 Representation of a protein structure . . . . . . . . . . . . . . . . 13
1.6 Schematics of the solvent accessible surface area . . . . . . . . . . 14
1.7 Example of a multiple sequence alignment . . . . . . . . . . . . . 15
1.8 Schematics of a correlated mutation . . . . . . . . . . . . . . . . . 18
2.1 Location of predicted STRUC_sites in TrpC . . . . . . . . . . . . 27
iii

List of Tables
2.1 Performance of CLIPS-1D, the binary SVMs, and FRpred . . . . 24
2.2 Residue and class-specific performance values of CLIPS-1D . . . . 25
2.3 Classification of catalytic and binding sites for TrpC . . . . . . . . 26
2.4 Performance of CLIPS-1D, CLIPS-3D, CLIPS-4D, and Consurf . 30
2.5 Classification performance of firestar, CLIPS-4D and an ensemble
classifier on ligand-binding sites of six CASP targets . . . . . . . . 31
2.6 Residue and class-specific performance values of CLIPS-4D . . . . 33
2.7 Performance of H2rs . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.8 OverlappingpredictionsofH2rswithH2randPSICOVonfivecase
studies . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
v