Substrate specificity prediction of enzymes and its applications to nonribosomal peptide synthetases [Elektronische Ressource] / vorgelegt von Christian Rausch

Christian Rausch

Sujets

• Biologie

Informations

• Publié par: eberhard_karls_universitat_tubingen
• Publié le: 01 janvier 2007
• Nombre de lectures: 32
• Langue: Deutsch
• Poids de l'ouvrage: 4 Mo

Extrait

Substrate Specificity Prediction
of Enzymes and its Applications
to Nonribosomal
Peptide Synthetases
Dissertation
der Fakultat¨ fur¨ Informations- und Kognitionswissenschaften
der Eberhard-Karls-Universit¨at Tubi¨ ngen
zur Erlangung des Grades eines
Doktors der Naturwissenschaften
(Dr. rer. nat.)
vorgelegt von
Dipl.-Biotech. Christian Rausch
aus Neuendettelsau
Tubingen¨
2007Bibliografische Information der Deutschen Nationalbibliothek
Die Deutsche Nationalbibliothek verzeichnet diese Publikation in der Deutschen
Nationalbibliografie; detaillierte bibliografische Daten sowie die Online-Version dieses
Buchs sind im Internet ub¨ er http://dnb.d-nb.de abrufbar.
Bibliographic Information of the German National Library (Deutsche Natio-
nalbibliothek)
TheGermanNationalLibrary(DeutscheNationalbibliothek)liststhispublicationinthe
German National Bibliography; detailed bibliographic data as well as the online version
of this book are available via http://dnb.d-nb.de.
Tag der mundlic¨ hen Qualifikation: 19.07.2007
Dekan: Prof. Dr. Michael Diehl
1. Berichterstatter: Prof. Dr. Daniel H. Huson
2. Berichterstatter: Prof. Dr. Wolfgang WohllebenErklarung¨
Hiermit erklare ich, dass ich diese Schrift selbstandig und nur mit den ange-¨ ¨
gebenen Hilfsmitteln angefertigt habe und dass alle Stellen, die im Wortlaut
oder dem Sinne nach anderen Werken entnommen sind, durch Angaben der
Quellen kenntlich gemacht sind.
Tubing¨ en, Juni 2007 Christian RauschivZusammenfassung
NichtribosomalsynthetisiertePeptide(NRP)undPolyketide(PK)stellenei-
ne vielfaltige Gruppe von Naturstoffen dar, zu der Antibiotika, Arzneimittel¨
gegen Krebs, Entzundung¨ shemmer, Immunosuppressiva, Metallkomplexbild-
ner und andere Molekule¨ mit interessanten Eigenschaften gehor¨ en.
Die st¨andige Nachfrage nach neuen Wirkstoffen und die wachsende An-
zahl noch nicht erforschter Protein-Sequenzen aus Genom-Projekten verlan-
gen nach besseren Methoden, um neuartige NRP-Synthetasen (NRPS) und
PK-Synthasen(PKS)automatisiertindenProtein-Datenbankenaufzuspuren¨
und die Zusammensetzung ihrer Produkte effizient vorherzusagen.
Neben der Suche nach neuartigen biologisch aktiven Molekulen¨ ist man
auch bestrebt, durch die gezielte Modifikation bekannter NRPS/PKS Bio-
synthese-Cluster maßgeschneiderte Produkte zu entwerfen. Diese Strategie
ist umso effizienter, je besser Positionen bzw. Segmente in den Enzymen
vorhergesagt werden konnen, die mutiert bzw. rekombiniert werden mussen,¨ ¨
um neue Substanzen zu erhalten.
In dieser Arbeit wurden Methoden entwickelt und etabliert, die diese bei-
den Ansatze unterstutzen: Eine effiziente Suchstrategie mit Profile Hidden¨ ¨
Markov Models (pHMMs) wird genutzt, die das gleichzeitige Auftreten be-
stimmterenzymatischerDomanenfordert,undessoerlaubt,NRPSundPKS¨
in Protein-Sequenzen sicher aufzufinden.
Eine neue, auf maschinellem Lernen (Stutzv¨ ektormaschinen) beruhen-
de Strategie wurde entwickelt, mit der vorhergesagt werden kann, welche
Bausteine (in der Regel Aminosauren) in NRPS von Adenylierungsdomanen¨ ¨
ausgewahlt¨ werden, um im Folgenden in das Produkt eingebaut zu werden.
Dadurch wird es moglich, auf die Zusammensetzung des synthetisierten Pro-¨
dukts zu schließen. Diese neue Methode wurde in dem Programm NRPSpre-
dictor implementiert und steht kostenlos uber www-ab.informatik.uni-¨
tuebingen.de/software/NRPSpredictor zur Verfugun¨ g.
Die NRPS Kondensationsdomanen¨ verbinden die von den Adenylierungs-
domanen ausgewahlten Aminosauren durch Ausbildung einer Peptidbindung¨ ¨ ¨
zu einem Peptidstrang und erzeugen je nach ihrer funktionellen Varian-
te (Subtyp) unterschiedliche Produktgeometrien. In einer umfassenden Stu-
die der evolutionaren Beziehungen dieser Subtypen wurden charakteristische¨
Sequenz-Motive und -Positionen aufgedeckt, in denen sich die verschiede-
nen Varianten unterscheiden. Eine automatisierte Vorhersage der funktionel-
len Subtypen der Kondensationsdomane¨ wird durch die erstellten pHMMs
ermoglicht. Die ermittelten subtypspezifischen Positionen sind hilfreich fur¨ ¨
die gezielte Einfuhrung¨ von Mutationen, um einen Subtyp in einen anderenvi
zu ub¨ erfuhren¨ mit der Absicht, neuartige Produkte zu erhalten.
Desweiteren wurden die Moglichkeiten der Strukturbioinformatik unter-¨
sucht und Molecular Modeling und Docking Simulationen durchgefuhrt,¨ um
die Spezifitat¨ von Adenylierungsdom¨anen sowie die Auswirkungen gezielter
Punkt-Mutationen auf die Bindungspraferenzen der Adenylierungsdomanen¨ ¨
vorherzusagen.
Die in dieser Arbeit eingefuhrten Methoden sind nutzbar fur die Vorher-¨ ¨
sage der Spezifitat¨ en bzw. der funktionellen Subtypen anderer Enzyme unter
bestimmten Voraussetzungen, insbesondere genugend hoher Sequenzahnlich-¨ ¨
keit zwischen den verschiedenen Gruppen, so dass ub¨ er multiple Sequenz-
Alignments homologe Positionen ermittelt werden konnen.¨Abstract
Nonribosomal peptides (NRPs) and polyketides (PKs) are a diverse group of
natural products comprising molecules with antibiotic, antitumoral, anti-in-
flammatory, immunosuppressing, metal chelating and other interesting pro-
perties. The steady demand for novel drugs and the increasing number of
uncharacterizedproteinsequencesissuedfromgenomeprojectscallforbetter
methods to automatically detect novel NRP synthetases (NRPSs) and PK
synthases (PKSs) in the protein databases, and to predict the composition
of their products efficiently.
Besides the search for novel biologically active molecules, research also
tries to obtain tailored products by the rational manipulation of known
NRPS/PKS biosynthesis clusters. This strategy will become more efficient,
as we are better able to predict positions to be mutated or segments to be
recombined in these enzymes.
In this thesis, we develop and establish methods that are helpful for both
strategies: predicting new and manipulating known products.
To detect NRPSs and PKSs efficiently in protein sequences, we use a
search strategy with profile Hidden Markov Models (pHHMs) that requires
the simultaneous occurrence of certain enzymatic domains specific for these
enzymes.
We present a new machine learning (Support Vector Machine)-based
strategy to predict which building blocks (mainly amino acids) are selected
for incorporation by so-called Adenylation (A) domains in NRPSs. Thus,
it becomes possible to infer the composition of the synthesized product.
This new method is implemented in the program NRPSpredictor and is
freely accessible via www-ab.informatik.uni-tuebingen.de/software →
NRPSpredictor.
The NRPS Condensation (C) domains catalyze the bond formation be-
tween the amino acids (that were previously selected by the A domains)
and may produce different product geometries according to their functional
variant (subtype). In a comprehensive evolutionary study of these subtypes,
we reveal characteristic sequence motifs and positions in which the unequal
variants differ. We make available some pHHMs, which facilitate the au-
tomated prediction of the functional C domain subtypes. The determined
subtype-specificpositionswillbehelpfulforthedirectedmutagenesistoturn
one subtype into another with the goal of obtaining novel products.
Moreover,weexplorepossibilitiesofstructuralbioinformaticsusingmolec-
ularmodelinganddockingsimulationstopredictthespecificityofAdomains.
These simulations also allow for the study of directed point-mutations inviii
these domains.
The methods introduced in this work are applicable to predicting the
specificitiesoffunctionalsubtypesofotherenzymesundercertainconditions;
in particular, a sufficiently high sequence similarity between the different
groupsisrequiredtobeabletodeterminehomologouspositionsviaamultiple
sequence alignment.Acknowledgments
First of all, I want to thank Prof. Daniel Huson, my advisor. He gave me
incredible freedom in my choice of research activities and provided excellent
conditions, candid support and encouragement during this work. Thanks
to him, I learned to work autonomously in scientific research. I am also
indebted to Prof. Wolfgang Wohlleben, my co-advisor who sparked my in-
terest in NRPS and PKS enzymes. His experience was a great help in decid-
ing what would be interesting and also helpful for the scientific community.
I am deeply grateful to Prof. Oliver Kohlbacher for many fruitful and in-
spiring discussions, helpful comments and ideas. Very special thanks go to
Tilmann Weber and Evi Stegmann, who always had time for discussions in
this exemplary collaboration.
My time at the Sand really was pleasant thanks to all workmates of
the research group Algorithms in Bioinformatics, namely Marine Gaudefroy-
Bergmann, Olaf Delgado Friedrichs, Stefan Henz, Tobias Dezulian, Tobias
Kl¨opper, Daniel Richter, Alexander Auch and Regula Rupp (thanks for
proofreading parts of this thesis) as well as my other bioinformatics col-
leagues: Kay Nieselt, Muriel Quenzer, Stephan Steigele, Janko Dietzsch,
Annette H¨oglund, Pierre D¨onnes, and Marc Sturm (in order of appearance)
among many others. In particular, I am very glad th