Identification of functionally important protein residues by means of entropy based methods, and experimental validation by mutational analysis

Der Algorithmus H2r analysiert korrelierte Mutationen mithilfe Entropie-basierter Verfahren, um wichtige Positionen in Proteinen zu identifizieren. In der laufenden Förderperiode wurden Vorhersagen von H2r am Beispiel zweier Enzyme aus der Tryptophanbiosynthese experimentell überprüft. Wir konnten zeigen, dass Mutationen an den vom Algorithmus identifizierten Positionen die katalytische Effizienz oder die Proteinstabilität beeinflussen. Basierend auf diesen viel versprechenden Ergebnissen wollen wir Spezifität und Sensitivität von H2r weiter steigern. Um die Spezifität zu verbessern, wollen wir die Neumann Entropie nutzen. Dieser Entropiebegriff erlaubt es, physikalisch-chemische Eigenschaften von Aminosäurepaaren zu bewerten. Die benötigten Ähnlichkeitsmatrizen haben wir bereits berechnet und einen ersten prototypischen Algorithmus implementiert. Die Sensitivität wird steigen, wenn H2r alle statistisch signifikanten Korrelationssignale zur Vorhersage nutzt. Ein MSA-spezifisches Null-Modell und ein Residuenpaar-spezifischer Ansatz zur Berechnung eines Schwellenwertes stehen vor der Fertigstellung und werden in den nächsten Monaten in das Programm integriert. Mithilfe der neuen Algorithmen können wir eine größere Anzahl wichtiger Positionen identifizieren. Zusätzlich soll die Korrelationsanalyse auf Proteinkomplexe ausgedehnt werden. Resultierende Vorhersagen werden wiederum mithilfe von in silico Verfahren und durch Mutationsanalyse gut charakterisierter Enzyme und Enzymkomplexe überprüft.