The visualization of secondary structure elements of proteins in 2D

Mgr. Ivana Hutařová Vařeková

Advanced ('rigorózní') thesis

Abstract:

Díky pokročilým metodám strukturní analýzy máme v současnosti k dispozici rozsáhlou datovou sadu proteinových struktur. Tyto proteiny jsou rozděleny do proteinových rodin, sdružujících molekuly se stejnou funkcí a evolučním původem. V rámci jednotlivých proteinových rodin máme nyní rovněž nadkritické množství dat a jsme schopni provádět jejich analýzy. Elementy sekundární struktury (SSE), jako jsou např. šroubovice a skládané listy, jsou důležitými částmi struktury proteinu. Jejich pozice a vzdálenosti v proteinech jsou často charakteristické pro proteiny v rámci proteinové rodiny a 2D vizualizace SSE slouží k porovnání a analýze jednotlivých členů dané proteinové rodiny. Bohužel, současné metody pro 2D vizualizaci SSE jsou založeny pouze na jednom vstupním proteinu. Navíc tyto metody nevyužívají informace o reálných (3D) vzdálenostech SSE. Takže SSE, které jsou blízko sebe v reálné struktuře proteinu, mohou být v rámci 2D diagramu vzdálené. Proto i když mají dva proteiny velmi podobnou 3D strukturu, mohou být jejich 2D diagramy úplně odlišné. Z tohoto důvodu jsme se zaměřili na vývoj metodiky pro generování 2D SSE diagramů, která by byla založena na struktuře celé proteinové rodiny. Využívá následující kritéria: 2D diagram vyjadřuje reálnou 3D strukturu proteinu. Diagramy proteinů ze stejné proteinové rodiny musí být porovnatelné. Průměrná chyba vzdáleností v reálné 3D struktuře a v rámci 2D diagramu by měla být co nejmenší. Na základě těchto kritérií jsem navrhla metodiku pro automatické generování 2D SSE diagramů a implementovala ji v rámci softwarového toolu 2DProt. Dalším cílem disertační práce je snížit výpočetní náročnost software 2DProt, a poté využít rozdílů v rámci 2D SSE diagramů pro klastrování proteinových rodin.

Abstract:

Nowadays, a rich dataset of protein structures is available, thanks to advanced structure determination techniques. These proteins are divided into protein families, collecting molecules with similar function and evolution origin. Currently, we have also supercritical amount of data about individual protein families and their analyses can be performed. Secondary structure elements (SSEs) such as helices and sheets are important parts of protein structure. Their positions and distances in protein are often characteristic for proteins within whole protein family and 2D visualization of SSE serves for comparison and analysis of protein family members. Unfortunately, current methods focused on 2D visualization of SSEs are based on one input protein only. Moreover, they usually do not consider information about real (3D) distances of SSEs and therefore SSEs that are close to each other in real structure might be visualized far from each other in 2D. As a result, even when two proteins from the same family differ only slightly in 3D, their 2D SSE diagrams can be totally different. For this reason, we focused on development of a methodology for 2D SSE diagrams generation, which is based on structures representing whole protein family. In our approach, we use three criteria: The diagram should reflect the real 3D structure of the protein. Diagrams of proteins from the same protein family should be comparable. The average error between distances in reality and in our 2D diagram should be as small as possible. Based on these criteria, I developed a methodology for automatic generation of 2D SSE diagrams and implemented it in a software tool 2DProt. A further goal of dissertation is to decrease computational demands of 2DProt and afterwards use differences in 2D SSE diagrams for clustering of protein families.

Keywords

protein, sekundární struktura, proteinové rodiny, secondary structure, protein family

Language used: English

Date on which the thesis was submitted / produced: 27. 2. 2020

Thesis defence

• Date of defence: 25. 5. 2020
• Reader: doc. Mgr. Daniel Svozil, Ph.D., doc. RNDr. David Šafránek, Ph.D.

Masaryk University

Faculty of Informatics

Advanced ('rigorózní řízení') programme / field:
Visual informatics / Visual informatics