|
| |
|
|
Development of Web-Based Computational Tool for Analysis of Microcalorimetry Data
Nedeljković, Sava ; Musil, Miloš (referee) ; Sumbalová, Lenka (advisor)
Proteins are organic molecules made up of amino acids which are present in all living organisms. They are the main building blocks of life. Study of protein stability has great application in pharmaceutical, biochemical and medical industries, which makes it in high demand. Stability of a protein and many other properties can be determined by observing its unfolding mechanisms. Differential Scanning Calorimetry (DSC) has proven to be a very precise method for this task. The main goal of this thesis is to improve functions of software CalFitter, which analyses data obtained from DSC experiments. The new functionality of the software enables it to automatically calculate initial parameters, which are needed for successful analyses.
|
|
|
Prediction of Protein Stability upon Mutations Using Machine Learning
Malinka, František ; Martínek, Tomáš (referee) ; Bendl, Jaroslav (advisor)
This thesis describes a new approach to the detection of protein stability change upon amino acid mutations. The main goal is to create a new meta-tool, which combines the outputs of eight well-established prediction tools and due to suitable method of consensus making, it is able to improve the overall prediction accuracy. The optimal strategy of combination of outputs of these tools is found by using a various number of machine learning methods. From all tested machine learning methods, KStar showed the highest prediction accuracy on the training dataset compiled from experimentally validated mutations originating from ProTherm database. Due to this reason, it is chosen as an optimal prediction technique. The general prediction abilities is validated on the testing dataset composed of multi-point amino acid mutations extracted also from ProTherm database. Since the multi-point mutations were not used for training any of integrated tools, we suppose that such comparison is objective. As a result, the developed meta-tool based on KStar technique improves the correlation coefficient about 0.130 on the training dataset and 0.239 on the testing dataset, respectively (the comparison is being made against the most succesful integrated tool). Based on the obtained results, it is possible to claim that machine learning methods are suitable technique for the problems from area of protein predictions.
|
|
|
Computational Workflow for the Prediction and Design of Stable Proteins
Kadleček, Josef ; Martínek, Tomáš (referee) ; Musil, Miloš (advisor)
Tato práce se soustředí na rozšíření výpočetního nástroje pro predikci mutací proteinů za účelem zvýšení jejich stability. Stabilizace proteinů je nezbytnou součástí návrhu léčiv, a jelikož experimentální vyhodnocení přínosu jednotlivých mutací na stabilitu proteinu je nákladné a zdlouhavé, byl vyvinut nástroj FireProt. FireProt využívá kombinaci evolučních a energetických přístupů pro identifikaci potencionálně stabilizujících mutací. Tato práce rozšiřuje nástroj FireProt o možnost zadat vlastní mutace k analýze, integruje predikční nástroj FireProt ASR a dává možnost uživateli vybrat z několika strategií pro detekci stabilizujících mutací. Tato práce dále rozšiřuje nástroj FireProt o další informace k jednotlivým residuím (jako je například relativní B-faktor), umožňuje využít homologní modelování k vytvoření struktury proteinu na základě jeho sekvence, a v neposlední řadě představuje nový přístup k návrhu vícebodových mutantů.
|
|
|
Computational Design of Stable Proteins
Musil, Miloš ; Lexa, Matej (referee) ; Vinař, Tomáš (referee) ; Zendulka, Jaroslav (advisor)
Stabilní proteiny nacházejí široké uplatnění v řadě medicínských a biotechnologických aplikacích. Přírodní proteiny se vyvinuly tak, aby fungovaly převážně v mírných podmínkách uvnitř buněk. V důsledku toho vzniká zájem o stabilizaci proteinů za účelem jejich širšího uplatnění také v průmyslovém prostředí. Obor proteinového inženýrství se v posledních letech rozvinul do úrovně umožňující modifikovat proteiny pro různá využití, ačkoliv identifikace stabilních mutací je stále zatížená drahou a časově náročnou experimentální prací. Výpočetní metody se proto uplatňují jako atraktivní alternativa, která dovoluje prioritizovat potenciálně stabilizující mutace pro laboratorní práci. Během posledních let bylo vyvinuto velké množství výpočetních strategií: i) výpočty energie pomocí silových polí, ii) evoluční metody, iii) strojové učení a iv) kombinace více přístupů. Spolehlivost a využití nástrojů jsou často limitovány predikcí pouze jednobodových mutací, které mají malý dopad na stabilitu proteinů, zatímco sofistikovanější metody pro predikci multibodových mutací vyžadují větší množství práce na straně uživatele. Hlavním záměrem této práce je poskytnout uživatelům plně automatizované metody, umožňující návrh vysoce stabilních vícebodových mutantů bez potřeby pokročilých znalostí bioinformatických nástrojů a zkoumaného proteinu. V této práci jsou prezentovány následující nástroje a databáze: FireProt je plně automatizovaná metoda pro návrh stabilních vícebodových mutantů z kategorie tzv. hybridních přístupů. Ve svém výpočetním jádře spojuje jak energetické tak i evoluční metody, přičemž evoluční informace jsou užívány především jako filtry pro časově náročné výpočty energií. Kromě detekce potenciálně stabilizujících mutací se FireProt rovněž snaží spojit tyto mutace do jednoho vícebodového mutanta s minimalizací rizika vzniku antagonistických efektů. FireProt-ASR je plně automatizovaná platforma pro rekonstrukci ancestrálních sekvencí, která dovoluje uživatelům využít tuto strategii bez nutnosti velkého objemu manuální práce a hluboké znalosti zkoumaného proteinu. FireProt-ASR řeší všechny kroky ancestrální rekonstrukce, včetně sběru biologicky relevantních sekvencí, konstrukce zakořeněného fylogenetického stromu a rekonstrukce ancestrálních sekvencí.HotSpotWizard je nástroj pro návrh mutací a mutačních knihoven za účelem zlepšení stability a aktivity zkoumaných proteinů. Nástroj dovoluje provést i širší analýzu za využití čtyř různých strategií běžně používaných v oboru proteinového inženýrství: i) identifikace evolučně variabilních pozic v blízkosti katalytických kapes a tunelů, ii) identifikace pohyblivých regionů, iii) výpočet sekvenčního konsensu a iv) identifikace korelovaných pozic.FireProt-DB je databáze dostupných experimentálních dat popisujících stabilitu proteinů. Hlavním účelem této databáze je standardizovat data v oblasti proteinové stability, poskytnout uživatelům platformu k jejich snadnému ukládání a umožnit intuitivní vyhledávání, které by mohly být využité k trénování nových nástrojů s využitím technik strojového učení.
|
|
|
Fully Automated Method for the Design of Ancestral Proteins
Štěpánek, Martin ; Martínek, Tomáš (referee) ; Musil, Miloš (advisor)
Stabilita proteinů je zásadní vlastností ovlivňující možnosti průmyslového použití proteinů. Tato práce se zaměřuje na vylepšení automatizovaného nástroje FireProtASR, který využívá rekonstrukci ancestrálních sekvencí pro návrh proteinů se zvýšenou stabilitou. Do tohoto nástroje byla přidána nově navržená metoda rekonstrukce successorů. Successory představují sekvence proteinů, ke kterým bude v budoucnosti směřovat evoluce. Podle současných poznatků by měly mít vyšší aktivitu než současné proteiny, společně s vyšší schopností vázat se specificky na určité molekuly. Dále bylo vytvořeno nové webové uživatelské rozhraní, které poskytuje rychlé a intuitivní ovládání nástroje FireProtASR.
|
|
|
Prediction of Protein Stability upon Amino Acid Mutations Using Evolution Strategy
Kadlec, Miroslav ; Burgetová, Ivana (referee) ; Bendl, Jaroslav (advisor)
This thesis is focused on predicting the impact of amino acid substitution on protein stability. The main goal is to create a consensual predictor that uses the outputs of chosen existing tools in order to improve accuracy of prediction. The optimal consensus of theese tools was designed using evolution strategies in three variants: 1/5 success rule, self-adaptation variant and the CMA-ES method. Then, the quality of calculated weight vectors was tested on the independent dataset. Although the highest prediction performance was attained by self-adaptation method, the differences between all three variants were not significant. Compared to the individual tools, the predictions provided by consensual methods were generally more accurate - the self-adaptation variant imporved the Pearson's corelation coeficient of the predictions by 0,057 on the training dataset. On the testing dataset, the improvement of designed method was smaller (0,040). Relatively low improvement of prediction performance (both on the training and the testing dataset) were caused by the fact, that for some records of testing dataset, some individual tools vere not able to provide their results. When omitting these records, consensual method improved the Pearson's corelations coeficient by 0,118.
|
|
|
Multi-Agent System for the Prediction of the Effect of Mutations on Protein Stability
Doseděl, Ondřej ; Martínek, Tomáš (referee) ; Musil, Miloš (advisor)
Proteiny jsou základním stavebním blokem všech žijících organismů, kde jsou zodpovědné za mnoho důležitých procesů. Jsou složeny z řetězců aminokyselin. Tyto řetězce mohou být jakkoliv změněné. Tomuto procesu se říká mutace a může být samovolná nebo indukovaná v laboratoři. Cílem této práce bylo vytvoření nových modelů pro určení stability proteinů. Skládá se ze dvou modelů. První model je multi-agentní systém pro klasifikaci stability proteinů. Nejlepší multi-agentní systém získal přesnost 0.7 a 0.41 MCC. Druhá část se~zabývala predikcí konkrétních hodnot G, kde byl vytvořený Extreme Gradient Boosting model, který získal 1.67 RMSE a 0.53 PCC. Součástí této práce byly představené 2 datasety, které jsou na sobě plně nezávislé, použitelné pro trénování a validaci modelů.
|
|
|
Fully Automated Method for the Design of Ancestral Proteins
Štěpánek, Martin ; Martínek, Tomáš (referee) ; Musil, Miloš (advisor)
Stabilita proteinů je zásadní vlastností ovlivňující možnosti průmyslového použití proteinů. Tato práce se zaměřuje na vylepšení automatizovaného nástroje FireProtASR, který využívá rekonstrukci ancestrálních sekvencí pro návrh proteinů se zvýšenou stabilitou. Do tohoto nástroje byla přidána nově navržená metoda rekonstrukce successorů. Successory představují sekvence proteinů, ke kterým bude v budoucnosti směřovat evoluce. Podle současných poznatků by měly mít vyšší aktivitu než současné proteiny, společně s vyšší schopností vázat se specificky na určité molekuly. Dále bylo vytvořeno nové webové uživatelské rozhraní, které poskytuje rychlé a intuitivní ovládání nástroje FireProtASR.
|
|
|
Computational Workflow for the Prediction and Design of Stable Proteins
Kadleček, Josef ; Martínek, Tomáš (referee) ; Musil, Miloš (advisor)
Tato práce se soustředí na rozšíření výpočetního nástroje pro predikci mutací proteinů za účelem zvýšení jejich stability. Stabilizace proteinů je nezbytnou součástí návrhu léčiv, a jelikož experimentální vyhodnocení přínosu jednotlivých mutací na stabilitu proteinu je nákladné a zdlouhavé, byl vyvinut nástroj FireProt. FireProt využívá kombinaci evolučních a energetických přístupů pro identifikaci potencionálně stabilizujících mutací. Tato práce rozšiřuje nástroj FireProt o možnost zadat vlastní mutace k analýze, integruje predikční nástroj FireProt ASR a dává možnost uživateli vybrat z několika strategií pro detekci stabilizujících mutací. Tato práce dále rozšiřuje nástroj FireProt o další informace k jednotlivým residuím (jako je například relativní B-faktor), umožňuje využít homologní modelování k vytvoření struktury proteinu na základě jeho sekvence, a v neposlední řadě představuje nový přístup k návrhu vícebodových mutantů.
|
guest ::
