Diese Seminararbeit befasst sich mit dem Thema „Vorhersage von RNA – Sekundärstrukturen“. Wie aus dem Titel der Arbeit zu entnehmen ist, liegt der Schwerpunkt auf der Vorhersage der räumlichen Struktur von RNA. Für die Vorhersage bietet die Primärstruktur der RNA unzureichende Informationen, da Moleküle stets das Bestreben aufweisen energetisch günstige Positionen einnehmen zu wollen, welches maßgeblich von der Sekundärstruktur bestimmt wird. Die räumliche Anordnung der RNA, die auf Wechselwirkungen zwischen den Bindungen beruht, wird als Sekundärstruktur bezeichnet.
Im ersten Kapitel wird die RNA-Sekundärstruktur erörtert und dient als Einführung in das Thema. Im Rahmen dieses Kapitels werden alle relevanten Begriffe wie beispielsweise komplementäre Basen, Kleeblattform, Wasserstoffbrückenbindungen und sämtliche Schleifenstrukturen vorgestellt. Anhand eines kleinen Beispieles werden die eingeführten Definitionen verdeutlicht. Zusätzlich wird noch kurz das Thema der Pseudoknoten angeführt. Zwar existieren Pseudoknoten real, jedoch spielen sie für die Sekundärstruktur keine Rolle und sind im Konzept der Energieminimierung nicht darstellbar.
Anschließend wird das Themengebiet der genetischen Algorithmen betrachtet. Nach Einführung wichtiger Grundbegriffe, Eigenschaften und Definitionen wird dargelegt, warum genetische Algorithmen sich als Suchmethoden besser eignen als Methoden der dynamischen Programmierung bzw. analytische Lösungsstrategien. Dazu bedarf es einer prägnanten Gegenüberstellung der drei verschiedenen Suchmethoden, wobei besonders Wert auf die Vor- und Nachteile gelegt wird. Besonders der Aspekt der Robustheit, welcher ein wichtiges Kriterium für die Qualität einer Suchmethode ist, wird bei jedem Verfahren betrachtet.
Im letzten Abschnitt der Seminararbeit wird ein konkretes Modell zur Vorhersage der RNA-Sekundärstruktur untersucht. Es handelt sich um das Konzept der Energieminimierung, dessen Grundidee auf dynamischer Programmierung beruht. Hierbei wird angenommen, dass die freie Energie der Sekundärstruktur ausschließlich von den Energiebeträgen der Basenpaarungen abhängt, so dass ein iterativer Algorithmus aus Strukturen kürzerer Sequenzen als Gesamtlösung eine Sekundärstruktur minimaler Energie bestimmt. Das Konzept wird in der notwendigen Tiefe vorgestellt, so dass alle Vor– und Nachteile ersichtlich werden.
Inhaltsverzeichnis
1. Einleitung
2. RNA – Sekundärstruktur
2.1 Grundlegende Eigenschaften
2.2 Schleifenstrukturen
3. genetische Algorithmen
3.1 Allgemeine Charakteristika genetischer Algorithmen
3.2 Suchmethoden
3.3 Funktionsweise eines genetischen Algorithmus
4. Vorhersage der RNA-Sekundärstruktur durch Energieminimierung
4.1 Grundkonzept
4.2 Stacking Interaktionen
5. Zusammenfassung
Zielsetzung & Themen
Die Arbeit befasst sich mit der Vorhersage der räumlichen RNA-Sekundärstruktur. Das primäre Ziel ist es, die Eignung verschiedener Suchmethoden wie der dynamischen Programmierung und genetischer Algorithmen zu untersuchen, um energetisch günstige Strukturen mittels Energieminimierung zu bestimmen.
- Grundlagen der RNA-Struktur und Definition von Schleifen
- Funktionsweise und Anwendung genetischer Algorithmen
- Modellierung der RNA-Sekundärstruktur mittels Energieminimierung
- Vergleich von Suchstrategien zur Optimierung komplexer Lösungsräume
- Bedeutung physikalischer Interaktionen (Stacking, van der Waals) für die Stabilität
Auszug aus dem Buch
3.1 Allgemeine Charakteristika genetischer Algorithmen
Ein genetischer Algorithmus kann allgemein als ein Algorithmus beschrieben werden, dessen Lösung von einer probabilistischen Komponente geprägt ist, da hier zufällige Auswahl und gerichtete Suche kombiniert werden. Sie werden zur Lösung von komplexen Optimierungsaufgaben eingesetzt, wobei die Art und Weise ihrer Suche vom biologischen Evolutionsprozess inspiriert ist [5].
Die Grundidee besteht darin, die Idee des „survival of the fittest“ auf eine Zeichenkette anzuwenden, so dass nach Durchführung des Algorithmus eine Art Evolution auf dem Rechner stattgefunden hat. Die Wirkungsweise eines genetischen Algorithmus lässt sich vereinfacht folgendermaßen beschreiben:
Als Vorbedingung ist eine geeignete Abbildung der Problemstellung auf die Individuen (Zeichenketten) und die Existenz einer Fitnessfunktion erforderlich. Der Algorithmus wird auf eine zufällig ausgewählte Menge von Individuen angewendet, die wiederum zufälligen Mutationen ausgesetzt sind. Es folgen zwei Selektionsschritte. Im ersten Selektionsschritt findet die Fitnessbewertung der Individuen statt. Die Fitness ist von entscheidender Relevanz, da diese über die Chance auf Reproduktion und damit auf die Übernahme in die nächste Generation entscheidet. Je höher die Fitness ist, desto höher ist die Wahrscheinlichkeit, dass das Individuum am „Fortpflanzungsprozess“ teilnehmen darf [5]. Im zweiten Schritt findet die Mutationsphase statt in der die beiden genetischen Operatoren zum Einsatz kommen. Aus der durch die Fitnessfunktion modifizierte Population werden zufällig ausgewählte Individuen Mutationen unterzogen bzw. den Crossover-Operator angewandt.
Zusammenfassung der Kapitel
1. Einleitung: Diese Einleitung führt in die Problematik der Vorhersage von RNA-Sekundärstrukturen ein und erläutert die Zielsetzung der Seminararbeit sowie die behandelten Lösungsansätze.
2. RNA – Sekundärstruktur: Das Kapitel erläutert den strukturellen Aufbau der RNA sowie die biologische Relevanz von Schleifenstrukturen und definiert formal die Grundlagen der Sekundärstruktur.
3. genetische Algorithmen: Hier wird die Funktionsweise genetischer Algorithmen als Suchmethode für komplexe Optimierungsprobleme sowie deren biologisch inspirierte Mechanismen beschrieben.
4. Vorhersage der RNA-Sekundärstruktur durch Energieminimierung: Dieses Kapitel stellt das Modell der Energieminimierung zur Bestimmung optimaler RNA-Strukturen unter Einbeziehung physikalischer Parameter vor.
5. Zusammenfassung: Die Arbeit schließt mit einer Rekapitulation der theoretischen Grundlagen, der Algorithmen und der angewandten Modellierung zur Strukturvorhersage ab.
Schlüsselwörter
RNA-Sekundärstruktur, Energieminimierung, Genetische Algorithmen, Dynamische Programmierung, Basenpaarung, Bioinformatik, Mutationsoperator, Crossover, Fitnessfunktion, Stacking-Interaktionen, Optimierung, Schleifenstrukturen, Pseudoknoten, Graycode, Population.
Häufig gestellte Fragen
Worum geht es in der Arbeit grundsätzlich?
Die Arbeit beschäftigt sich mit den methodischen Ansätzen zur Vorhersage der räumlichen Sekundärstruktur von RNA-Molekülen.
Was sind die zentralen Themenfelder?
Zentrale Themen sind die biologischen Eigenschaften der RNA, der Einsatz genetischer Algorithmen als Suchmethode und die rechnerische Modellierung der Strukturvorhersage durch Energieminimierung.
Was ist das primäre Ziel der Untersuchung?
Ziel ist es, zu analysieren, wie durch die Berechnung der freien Energie (Energieminimierung) eine räumlich stabile Sekundärstruktur vorhergesagt werden kann.
Welche wissenschaftlichen Methoden werden verwendet?
Die Arbeit nutzt die dynamische Programmierung für die Energieminimierung sowie genetische Algorithmen als probabilistische Optimierungsstrategie.
Was wird im Hauptteil behandelt?
Der Hauptteil behandelt sowohl die formale Definition der RNA-Sekundärstruktur als auch die algorithmische Implementierung von Suchverfahren und deren Eignung für komplexe biologische Fragestellungen.
Welche Schlüsselwörter charakterisieren die Arbeit?
Wichtige Begriffe sind RNA-Sekundärstruktur, Energieminimierung, genetische Algorithmen, Fitnessfunktion und Stacking-Interaktionen.
Warum spielt die Energieminimierung bei RNA eine Rolle?
Moleküle wie RNA streben stets energetisch günstige Positionen an; die Energieminimierung hilft dabei, diese stabilen räumlichen Anordnungen rechnerisch zu identifizieren.
Was unterscheidet genetische Algorithmen von der klassischen Aufzählmethode?
Im Gegensatz zur ineffizienten Aufzählmethode, die bei zunehmender Komplexität scheitert, sind genetische Algorithmen durch ihre probabilistische Natur robuster und können in hochdimensionalen Lösungsräumen effizientere Ergebnisse liefern.
- Quote paper
- Mohammed Mosavi (Author), 2004, Vorhersage von RNA-Sekudärstrukturen, Munich, GRIN Verlag, https://www.grin.com/document/38412
