Methods for the Analysis of 3D Structural Fragments in Biomolecules

RNDr. David Sehnal, Ph.D.

Doctoral thesis

Abstract:

V posledních letech je dostupných stále více dat, týkajících se biomolekulárních struktur. Pro jejich analýzu a pro získávání vědecky zajímavých informací na základě těchto dat je nutné vyvíjet pokročilé algoritmy a softwarové nástroje. Tuto práci jsem zaměřil na tzv. biomolekulární strukturní fragmenty, které jsou důležitým objektem při studiu biomolekulárních dat. Pozornost jsem věnoval všem aspektům analýzy těchto fragmentů—jejich definici a detekci, porovnání, charakterizaci i validaci. Konkrétně jsem vyvinul jazyk MotiveQuery pro přímočarou a obecnou definici biomolekulárních fragmentů. Na základě tohoto jazyka jsem vytvořil službu MotiveQuery server pro efektivní vyhledávání fragmentů v rozsáhlých strukturních databázích. Dále jsem v programu SiteBinder navhrl a implementoval metodologie pro porovnávání velkých sad biomolekulárních fragmentů. Poté jsem vytvořil nástroj MOLE 2 pro detekci kanálů a pórů v biomakromolekulách a pro výpočet jejich fyzikálně-chemických vlastností. Paralelně jsem vyvinul metodiku pro rychlý a spolehlivý výpočet parciálních nábojů atomů, kterou jsem implementoval jako službu AtomicChargeCalculator. V neposlední řadě jsem v nástrojích MotiveValidator a ValidatorDB navrhl a implementoval metodologii pro validaci biomolekulárních fragmentů. Všechny zmiňované nástroje lze použít samostatně a pro jejich integraci je prezentován přístup v podobě rozšíření jazyka MotiveQuery. Text práce tvoří dvě části. První obsahuje teoretický základ, popisující použité principy a algoritmy. Druhá část je složena ze šesti časopiseckých publikací o prezentovaných nástrojích a jejich aplikacích.

Abstract:

Structural data for biomolecules are becoming increasingly available in the recent years. However, in addition to the high availability of the data, life science researchers are in need of advanced tools for performing sophisticated analyses and extracting meaningful information. My work is focused on one particular type of object that is very important for life science and has a straightforward representation in computer science—the biomacromolecular structural fragment. I concentrate on all steps of theoretical analysis of these fragments, i.e., their definition and detection, comparison, characterization, and validation. Specifically, I developed the molecular language MotiveQuery for the straightforward and general definition of biomacromolecular fragments. Afterwards, I introduced an approach for the detection of fragments described by this language, and implemented it in the MotiveQuery server to be used for efficiently searching large structural databases. I further employed the MotiveQuery language as a basis for other life science tools which deal with structural fragments. Specifically, in a tool called SiteBinder I designed and implemented a methodology for comparison of large sets of biomacromolecular fragments. Additionally, I created a software tool called MOLE 2 which is able to detect channels and pores in biomacromolecules, and calculate their important characteristics. In parallel, I developed an approach for the fast and reliable calculation of partial atomic charges, and implemented it in the web application AtomicChargeCalculator. Last but not least, I designed and implemented validation tools MotiveValidator and ValidatorDB which provide information about errors in biomacromolecular fragments. All the tools can be used separately, however, a framework for their integration in the form of extending the MotiveQuery language that streamlines and unifies the analysis process is also presented. Moreover, the basic ideas behind the MotiveQuery language can be generalized to methods of analysis of structural biomolecular data other than biomolecular structural fragments. The thesis is composed of two parts. First, the theoretical background describing the principles and algorithms used, and second, composed of six journal publications about the developed tools and their life science applications.

Keywords

biomolecule, biomacromolecule, molecule, protein, 3D structural fragment, channel, pore, motif, superimposition, subgraph isomorphism, partial charge, molecular language, chemical language, language design, triangulation, geometrical algorithm

Language used: English

Date on which the thesis was submitted / produced: 21. 4. 2015

Thesis defence

• Date of defence: 7. 10. 2015
• Supervisor: prof. RNDr. Luděk Matyska, CSc.
• Reader: prof. Ing. Václav Hlaváč, CSc., Prof. Dr. Ivo Hofacker

Masaryk University

Faculty of Informatics

Doctoral programme / field:
Informatics (4-years) / Computer Systems and Technologies