In dieser Dissertation wurde das Softwareprojekt AUREMOL zur automatischen Auswertung von multidimensionalen NMR-Spektren entwickelt. Dazu wurde ein neuer molekülorientierter Ansatz implementiert, der darauf basiert, dass unter Verwendung von a priori Wissen und einer möglichst guten Vorhersage der Molekülstruktur NMR-Parameter vorhergesagt werden, die dann als Leitfaden bei der Auswertung der experimentellen NMR-Spektren dienen. Dazu wurde die Simulation von NOESY-Spektren um die Berechnung der Linienbreiten der NOE-Signale erweitert. Zusätzlich wurde der Einfluss der Anisotropie der chemischen Verschiebung und der J-Kopplung bei der Rückrechnung berücksichtigt. 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 neuen, wissensbasierten Ansatzes 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. Das zweite Verfahren ermittelt anhand einer 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. Ergebnisse mit synthetischen Datensätzen belegen die Robustheit der Methode gegen Rauschen, Artefaktsignale und fehlende Kreuzsignale. Ergebnisse mit einem experimentellen 2D-NOESY-Spektrum der HPr Mutante H15A zeigen, dass auch bei realen Datensätzen fehlende chemische Verschiebungen korrekt bestimmt werden können.

The software project AUREMOL aimed at the automatic evaluation of multidimensional NMR spectra was developed in the course of this Ph.D. thesis. A new molecule centered approach was implemented. It is based upon the usage of a priori knowledge and predicted structural information of the molecule in question to simulate NMR parameter necessary for the evaluation of the experimental NMR spectra. Therefore, an improved algorithm for the simulation of NOESY spectra was developed. The calculation of NOE signal linewidths was implemented and chemical shift anisotropy and scalar coupling effects were taken into account. Two approaches were developed for the automatic assignment of NOE signals and finding missing assignments, respectively. The algorithm KNOWNOE determines automatically structures of proteins if the resonance assignment is known. Using a novel, knowledge based approach signals of 2D- and 3D-NOESY spectra will be assigned automatically. The structure of the cold shock protein TmCsp was determined by KNOWNOE. The quality of the automatically determined structure is similar to the manually determined structure as shown by the calculation of the R-factors. The second approach determines missing assignments using a partial resonance assignment and some knowledge about the structure of the molecule. A two-step optimization algorithm is used that is based on the comparison of simulated and experimental NOESY spectra. Results obtained using synthetic data sets show the robustness of the algorithm against noise, artefacts and missing NOE signals. Results obtained using an experimental 2D-NOESY spectrum of the mutant HPr H15A show the applicability of the algorithm to real data sets.