In dieser Arbeit wurde das Softwareprojekt AUREMOL zur automatischen Auswertung
von multidimensionalen NMR-Spektren entwickelt. Es wurde zum einen die grasche Benutzeroberfläche erstellt, um ein möglichst komfortables
Arbeiten bei der Auswertung zu gewährleisten, zum anderen wurden neue
Methoden zur automatischen Auswertung entwickelt. In AUREMOL wurde ein neuer
molekülorientierter Ansatz implementiert, der darauf basiert, dass unter Verwendung von a priori Wissen und einer möglichst guten Vorhersage der Molekülstruktur NMRParameter vorhergesagt werden, die als Leitfaden bei der Auswertung der experimentellen NMR-Spektren dienen. Dazu wurde die Simulation von NOESY-Spektren verbessert, die in diesem Zusammenhang eine wichtige Rolle spielt. Die Berechnung der Linienbreiten der NOE-Signale und der Ein
uss der Anisotropie der chemischen Verschiebung und der
skalaren Kopplung wurden implementiert. Zwei neue Methoden zur automatischen NOE-Zuordnung bzw. zur Bestimmung fehlender Zuordnungen wurden entwickelt. Der Algorithmus KNOWNOE ermittelt automatisch Proteinstrukturen, falls die sequentielle Zuordnung der Resonanzen bekannt ist. Dabei werden mit Hilfe eines statistischen Verfahrens die Signale der experimentellen 2D- und 3D-NOESY-Spektren automatisch zugeordnet. Die Struktur des Kälteschock-Proteins
TmCsp wurde von KNOWNOE ermittelt. Die Qualität der automatisch bestimmten
Struktur ist von vergleichbarer Qualität wie die manuell bestimmte Struktur, wie die berechneten R-Faktoren zeigen, die in allen Fällen bei etwa 0; 35 liegen. Das zweite Verfahren ermittelt anhand der partiellen sequentiellen Zuordnung und der Strukturinformation fehlende chemische Verschiebungen in den NOESY-Spektren. Dabei wird ein 2-Stufen Optimierungsalgorithmus eingesetzt, der auf einem Vergleich von simulierten und experimentellen NOESY-Spektren beruht. Anders als bei KNOWNOE werden keine Kreuzsignale zugeordnet, sondern fehlende chemische Verschiebungen (Resonanzlinien) bestimmt. Der Algorithmus benötigt im Falle künstlicher Datensätze eine 30%-ige partielle Zuordnung, um mehr als 90% aller chemischen Resonanzlinien zuzuordnen. Die Methode ist robust gegen Rauschen, Artefaktsignale und fehlende Kreuzsignale in den NOESY-Spektren. Ergebnisse mit einem experimentellen 2D-NOESY-Spektrum der HPr Mutante H15A zeigen, dass auch bei realen Datensätzen fehlende chemische Verschiebungen korrekt bestimmt werden können.
Inhaltsverzeichnis
- Zusammenfassung
- 1 Einleitung
- 1.1 Proteine
- 1.2 NMR-Spektroskopie
- 1.3 Automatische Auswertung von NMR-Spektren
- 1.4 Überblick über die vorliegende Arbeit
- 2 Theoretische Grundlagen
- 2.1 Das Konzept von AUREMOL
- 2.2 Verbesserte Simulation von NOESY-Spektren
- 2.2.1 NOESY-Spektren
- 2.2.2 Longitudinale Relaxation mit J-Kopplung und CSA
- 2.2.3 Transversale Relaxation mit J-Kopplung und CSA
- 2.2.4 Bewegungsmodelle
- 2.2.5 Signalaufspaltung aufgrund der J-Kopplung
- 2.3 NOE-Zuordnungsmethoden
- 2.3.1 Zuordnung mit Bayes (KNOWNOE)
- 2.3.1.1 Die allgemeine Strategie von KNOWNOE
- 2.3.1.2 Der Algorithmus von KNOWNOE
- 2.3.1.3 Berechnung der wahrscheinlichsten Zuordnung
- 2.3.1.4 Wahrscheinlichkeitstabellen
- 2.3.2 Zuordnung durch Vergleich von simulierten und experimentellen Spektren (2-Stufen Algorithmus)
- 2.3.2.1 Threshold Accepting
- 2.3.2.2 Der Kernalgorithmus
- 2.3.2.3 Vorverarbeitung der experimentellen Spektren
- 2.3.2.4 Variation der Zuordnungen
- 2.3.1 Zuordnung mit Bayes (KNOWNOE)
- 2.4 R-Werte zur Qualitätsbeurteilung von NMR-Strukturen
- 2.4.1 R-Faktoren
- 2.4.2 Algorithmus von RFAC
- 3 Ergebnisse
- 3.1 AUREMOL
- 3.1.1 Allgemeine Vorbemerkungen
- 3.1.2 Grafik von AUREMOL
- 3.1.3 Methoden zur Auswertung von NMR-Spektren
- 3.1.4 Homologie Modelling mit Permol
- 3.1.5 Automatische Artefaktentfernung in NMR-Spektren
- 3.2 Datenbank und Datenstruktur von AUREMOL
- 3.2.1 Globale Datenbank
- 3.2.2 Interne Datenstruktur
- 3.2.2.1 Compounddatei
- 3.2.2.2 Masterliste
- 3.2.2.3 Master Masterdatei
- 3.2.2.4 Metadatei
- 3.3 Verbesserte Simulation von NOESY-Spektren
- 3.3.1 Implementierung in AUREMOL
- 3.3.2 Beispiele für die verbesserte Simulation
- 3.4 NOE-Zuordnungsmethoden
- 3.4.1 KNOWNOE
- 3.4.1.1 Implementierung in AUREMOL
- 3.4.1 KNOWNOE
- 3.1 AUREMOL
Zielsetzung und Themenschwerpunkte
Diese Arbeit beschreibt die Entwicklung des Softwareprojekts AUREMOL zur automatisierten Auswertung multidimensionaler NMR-Spektren. Ziel ist die Verbesserung der Effizienz und Genauigkeit der Strukturbestimmung von Proteinen mittels NMR-Spektroskopie. Neue Methoden zur automatischen Auswertung wurden entwickelt und implementiert.
- Entwicklung einer benutzerfreundlichen grafischen Benutzeroberfläche für AUREMOL.
- Implementierung eines molekülorientierten Ansatzes zur Vorhersage von NMR-Parametern.
- Verbesserung der Simulation von NOESY-Spektren, insbesondere der Berechnung von Linienbreiten.
- Entwicklung neuer Algorithmen zur automatischen NOE-Zuordnung.
- Bewertung der Qualität der automatisch bestimmten Strukturen.
Zusammenfassung der Kapitel
1 Einleitung: Dieses Kapitel führt in die Thematik der Proteinstruktur-Bestimmung mittels NMR-Spektroskopie ein und beschreibt die Herausforderungen der manuellen Auswertung multidimensionaler NMR-Spektren. Es wird der Bedarf an automatisierten Auswertungsmethoden hervorgehoben und ein Überblick über die in der vorliegenden Arbeit entwickelten Methoden und deren Integration in das Softwareprojekt AUREMOL gegeben. Der Fokus liegt auf der Notwendigkeit effizienter Werkzeuge für die komplexe Datenanalyse in der NMR-Spektroskopie und die damit verbundene Beschleunigung des Forschungsprozesses.
2 Theoretische Grundlagen: Dieses Kapitel erläutert die theoretischen Grundlagen des Softwareprojekts AUREMOL. Es beschreibt das Konzept des molekülorientierten Ansatzes, der auf der Vorhersage von NMR-Parametern basierend auf a priori Wissen und der Molekülstruktur beruht. Detailliert werden die Verbesserungen der NOESY-Spektrensimulation, die Berücksichtigung von Linienbreiten, Anisotropie der chemischen Verschiebung und skalarer Kopplung beschrieben. Weiterhin werden die zwei neu entwickelten NOE-Zuordnungsmethoden, KNOWNOE und der 2-Stufen-Algorithmus, in ihren theoretischen Grundlagen erklärt und ihre Funktionsweise detailliert dargestellt. Der Schwerpunkt liegt auf der Beschreibung der mathematischen Modelle und Algorithmen, die der automatisierten Analyse zugrunde liegen.
3 Ergebnisse: Dieses Kapitel präsentiert die Ergebnisse der entwickelten Methoden und ihrer Implementierung in AUREMOL. Es beschreibt die grafische Benutzeroberfläche, die implementierten Auswertungsmethoden und deren Anwendung auf reale und simulierte Daten. Die Ergebnisse der NOE-Zuordnungsmethoden KNOWNOE und des 2-Stufen-Algorithmus werden detailliert vorgestellt, inklusive der erzielten Genauigkeit und der Vergleichbarkeit mit manuell bestimmten Strukturen. Die Diskussion konzentriert sich auf die Effizienz und Genauigkeit der automatisierten Verfahren im Vergleich zu traditionellen manuellen Methoden und auf die Möglichkeiten der Anwendung in der Praxis.
Schlüsselwörter
AUREMOL, NMR-Spektroskopie, Proteinstruktur, automatische Auswertung, NOESY-Spektren, NOE-Zuordnung, KNOWNOE, 2-Stufen-Algorithmus, Simulation, chemische Verschiebung, Linienbreite, Strukturbestimmung.
AUREMOL: Häufig gestellte Fragen (FAQ)
Was ist AUREMOL?
AUREMOL ist ein Softwareprojekt zur automatisierten Auswertung multidimensionaler NMR-Spektren, das die Effizienz und Genauigkeit der Proteinstruktur-Bestimmung mittels NMR-Spektroskopie verbessern soll. Es beinhaltet eine benutzerfreundliche grafische Benutzeroberfläche und implementiert neue Methoden zur automatischen Datenanalyse.
Welche Ziele verfolgt AUREMOL?
Das Hauptziel von AUREMOL ist die Automatisierung der zeitaufwändigen und komplexen Auswertung von NMR-Spektren. Dies beinhaltet die Entwicklung und Implementierung neuer Algorithmen für die NOE-Zuordnung, die Verbesserung der Simulation von NOESY-Spektren (einschließlich der Berücksichtigung von Linienbreiten und Anisotropie) und die Entwicklung einer robusten Methode zur Qualitätsbewertung der erhaltenen Strukturen.
Welche Methoden wurden in AUREMOL implementiert?
AUREMOL implementiert zwei neu entwickelte NOE-Zuordnungsmethoden: KNOWNOE (ein Bayes'scher Ansatz) und einen 2-Stufen-Algorithmus, der simulierte und experimentelle Spektren vergleicht. Zusätzlich wurde die Simulation von NOESY-Spektren verbessert, indem die Einflüsse von Linienbreiten, J-Kopplung und chemischer Shift Anisotropie (CSA) berücksichtigt werden. Die Software beinhaltet auch Methoden zur automatischen Artefaktentfernung.
Wie funktioniert die NOE-Zuordnung in AUREMOL?
AUREMOL verwendet zwei unterschiedliche Ansätze zur NOE-Zuordnung: KNOWNOE basiert auf Bayes'schen Wahrscheinlichkeiten und berechnet die wahrscheinlichste Zuordnung. Der 2-Stufen-Algorithmus vergleicht simulierte und experimentelle Spektren und optimiert die Zuordnungen iterativ mittels Threshold Accepting. Beide Methoden zielen darauf ab, die Zuordnung von NOE-Peaks zu den entsprechenden Atomen im Protein automatisch und effizient durchzuführen.
Wie wird die Qualität der ermittelten Strukturen bewertet?
Die Qualität der mit AUREMOL ermittelten Proteinstrukturen wird mittels R-Faktoren (RFAC-Algorithmus) beurteilt. Diese Faktoren vergleichen die experimentellen NMR-Daten mit den aus der berechneten Struktur vorhergesagten Daten und liefern ein Maß für die Übereinstimmung.
Welche theoretischen Grundlagen liegen AUREMOL zugrunde?
AUREMOL basiert auf einem molekülorientierten Ansatz, der a priori Wissen über die Molekülstruktur nutzt, um NMR-Parameter vorherzusagen. Die Verbesserungen in der NOESY-Spektrensimulation berücksichtigen detaillierte physikalische Modelle der longitudinalen und transversalen Relaxation, inklusive der Einflüsse von J-Kopplung und CSA. Die NOE-Zuordnungsmethoden basieren auf probabilistischen und iterativen Optimierungsansätzen.
Welche Ergebnisse wurden erzielt?
Die Ergebnisse zeigen, dass AUREMOL eine effiziente und genaue automatisierte Auswertung multidimensionaler NMR-Spektren ermöglicht. Die implementierten Methoden wurden auf realen und simulierten Daten getestet und zeigen eine gute Übereinstimmung mit manuell bestimmten Strukturen. Die Software bietet eine benutzerfreundliche Oberfläche und beschleunigt den Prozess der Proteinstruktur-Bestimmung deutlich.
Welche Schlüsselwörter beschreiben AUREMOL?
AUREMOL, NMR-Spektroskopie, Proteinstruktur, automatische Auswertung, NOESY-Spektren, NOE-Zuordnung, KNOWNOE, 2-Stufen-Algorithmus, Simulation, chemische Verschiebung, Linienbreite, Strukturbestimmung.
- Arbeit zitieren
- Dr Bernhard Ganslmeier (Autor:in), 2002, AUREMOL - Softwareprojekt zur automatischen Auswertung von multidimensionalen NMR-Spektren, München, GRIN Verlag, https://www.grin.com/document/112505
