Με την αλληλούχιση του ανθρώπινου γονιδιώματος αλλά και άλλων οργανισμών, μια νέα εποχή άρχισε για την επιστήμη της βιολογίας, γνωστή ως "μεταγονιδιωματική εποχή". Ο όρος σε καμιά περίπτωση δεν σηματοδοτεί το τέλος της αλληλούχισης ή της ανάλυσης των ήδη αλληλουχημένων γονιδιωμάτων, απλά δηλώνει πως οι τεχνικοί περιορισμοί για την ανίχνευση γονιδιωματικής πληροφορίας έχουν σε μεγάλο βαθμό αντιμετωπισθεί . Η επόμενη μεγάλη πρόκληση είναι η κατανόηση του πρωτεόματος, δηλαδή του συνόλου των πρωτεϊνών που εκφράζονται σε ένα κύτταρο. Εξαιρετικά σημαντικό βήμα προς την κατεύθυνση αυτή αποτελεί η μελέτη του δικτύου των πρωτεϊνικών αλληλεπιδράσεων. Οι πρωτεϊνικές αλληλεπιδράσεις αποτελούν ένα ιδιαίτερα σημαντικό πεδίο έρευνας καθώς ρυθμίζουν ένα τεράστιο αριθμό διεργασιών οι οποίες είναι βασικές για τη δομή και τη λειτουργία του. Εκτιμάται πως το δίκτυο των πρωτεϊνικών αλληλεπιδράσεων στον άνθρωπο αφορά περίπου 130,000 ζεύγη αλληλεπιδράσεων, ενώ ο αριθμός των αλληλεπιδράσεων που έχουν ταυτοποιηθεί αλλά παραμένει ως ζητούμενο η επιβεβαίωση των αντίστοιχων πειραματικών αποτελεσμάτων, αποτελεί μόνο το 8%, περίπου, του πραγματικού δικτύου. Ο κύριος όγκος πληροφορίας στο πεδίο αυτό δίνεται μέσα από βάσεις δεδομένων και έρχεται από μεγάλης κλίμακας πειράματα υψηλής απόδοσης τα οποία όμως, έχει βρεθεί πως δίνουν σε μεγάλο ποσοστό ανακριβή αποτελέσματα εξ αιτίας μιας σειράς εγγενών προβλημάτων των μεθόδων και της φύσεως των πρωτεϊνών. Η εκτίμηση του πραγματικού μεγέθους του δικτύου των πρωτεϊνικών αλληλεπιδράσεων υποδεικνύει και τον όγκο των δεδομένων που θα παραχθεί στο εγγύς μέλλον αλλά και την ανάγκη για βελτίωση της αξιοπιστίας της πληροφορίας που διατίθεται στις σχετικές βάσεις δεδομένων. Σκοπός αυτής της εργασίας είναι η ανάπτυξη μιας αναλυτικής βάσης δεδομένων γνώσης για την ταυτοποίηση δικτύων πρωτεϊνικών αλληλεπιδράσεων αντλώντας πληροφορία από επιλεγμένες μετά από αξιολόγηση, δημόσιες βάσεις πρωτεϊνικών αλληλεπιδράσεων. Η συλλογή αυτή της πληροφορίας θα οδηγήσει μεσοπρόθεσμα στη δημιουργία μιας βάσης δεδομένων για τη διαχείριση της συλλογής, της οργάνωσης και της ανάκτησης δεδομένων πρωτεϊνικών αλληλεπιδράσεων όπου κατάλληλα υπολογιστικά εργαλεία θα αναπτυχθούν ώστε να αξιολογηθεί ο βαθμός αξιοπιστίας της καταχωρημένης σχετικής πληροφορίας σε μια μεγάλη ομάδα δημόσιων γονιδιωματικών βάσεων δεδομένων. Επίσης θα υπάρξει η δυνατότητα χρήσης εργαλείων για την ανάλυση των αξιολογημένων δεδομένων πρωτεϊνικών αλληλεπιδράσεων, την μελέτη πρωτεϊνών με άγνωστη λειτουργία αλλά και τον προσδιορισμό μη καταγεγραμμένων έως τώρα πρωτεϊνικών συμπλεγμάτων. / The elucidation of protein-protein interaction (PPI) networks (protein interactomes) is a major objective of systems biology. This task is crucial for furthering our understanding of the cellular machinery dynamics, in light of the fundamental role of proteins in cellular function. The development of high-throughput methods for PPI identification, including the widely used yeast two hybrid and the mass spectrometry of co-immunoprecipitated complexes, drastically increased the PPI data in model organisms and the human. However, these methods suffer from intrinsic detection biases and >70% of false positives. Moreover, independent public databases (dbs) of experimentally derived PPIs exhibit a remarkably limited overlap, mainly due to uncoordinated data validation and curation criteria. These limitations scale up in highly complex systems like the human for which only 8-10% of the estimated PPIs have been determined. Furthermore, new PPI prediction is affected by the current data quality and quantity along with predictive algorithm limitations to incorporate the available protein information. Thus, there is initially a need for a systematic curation of multiple datasets into one common db. We have integrated high- and low- throughput experimental data, ortholog protein interactions, protein domain interactions, and protein structure/function and expression data from twelve highly informative and updated dbs into one local db using the Microsoft_SQL_Server. The db selection was based on their unique gene content, PPIs recorded, annotation depth, curation methodology and relational scheme. This data will be enriched with PPI information mined from the literature. The final dataset will be appropriately scored to rank and validate the PPIs with increased confidence, forming the basis for a human interactome knowledge base.

Οι οπιοειδείς υποδοχείς (OR), μ, δ, κ και NOP, είναι μέλη των επταελικοειδών υποδοχέων που συζεύγνυνται με G πρωτεΐνες (7ΤΜ ή GPCR), οι οποίοι αποτελούν τη μεγαλύτερη υπεροικογένεια υποδοχέων και έναν από τους κύριους φαρμακολογικούς στόχους λόγω της υψηλής φυσιολογικής τους σημασίας. Οι OR ρυθμίζουν μια ποικιλία φυσιολογικών αποκρίσεων στο νευρικό σύστημα, με κυριότερη την αναλγησία. Τα οπιοειδή φάρμακα είναι τα πιο ισχυρά και αποτελεσματικά αναλγητικά έναντι στον οξύ πόνο, όμως η παρατεταμένη χρήση τους οδηγεί σε φαινόμενα ανοχής και εξάρτησης. Γι’ αυτό υπάρχει έντονο ενδιαφέρον στην αποσαφήνιση των μηχανισμών που εμπλέκονται στα φαινόμενα αυτά προκειμένου να σχεδιαστούν πιο αποτελεσματικά φάρμακα χωρίς τέτοιες παρενέργειες. Η σηματοδότηση των οπιοειδών υποδοχέων γίνεται κυρίως μέσω της ενεργοποίησης των Gi/o πρωτεϊνών που με τη σειρά τους ρυθμίζουν κατάλληλους τελεστές. Πέρα όμως από αυτούς τους κλασσικούς αλληλεπιδρώντες εταίρους οι OR έχουν την ικανότητα να αλληλεπιδρούν και με πολλές άλλες πρωτεΐνες κυρίως μέσω των περιοχών της τρίτης ενδοκυτταρικής τους θηλιάς (i3L) και του καρβοξυτελικού τους άκρου (CT) (Georgoussi et al., 2006- Georgoussi, 2008- Georgoussi et al., 2012). Οι αλληλεπιδράσεις αυτές επηρεάζουν όχι μόνο την σηματοδότηση των OR αλλά και την εν γένει εύρυθμη λειτουργία τους. Μια σημαντική πρωτεϊνική οικογένεια που ελέγχει τη μεταγωγή σήματος από τις G πρωτεΐνες βρέθηκε να είναι οι πρωτεΐνες Ρυθμιστές της κυτταρικής Σηματοδότησης μέσω G πρωτεϊνών ή RGS πρωτεΐνες (Regulators of G protein signaling, RGS). Ο πρωταρχικός τους ρόλος είναι η αλληλεπίδραση τους με τις Gα υπομονάδες των G πρωτεϊνών και η επιτάχυνση της υδρόλυσης του GTP από τις τελευταίες οδηγώντας στη μείωση της σηματοδότησης των GPCR. Μέλη της οικογένειας των RGS πρωτεϊνών είχε δειχθεί ότι πέρα από τις Gα πρωτεΐνες αλληλεπιδρούν επίσης με υποδοχείς GPCR, τελεστές αλλά και με άλλες ρυθμιστικές πρωτεΐνες, προσδίδοντας τους έναν ιδιαίτερο οργανωτικό ρόλο στη λειτουργία του κυττάρου και καθιστώντας τις RGS πρωτεΐνες μόρια υψηλού φαρμακολογικού ενδιαφέροντος. Παρελθόντα πειράματα in vitro συγκατακρήμνισης, του εργαστηρίου Κυτταρικής Σηματοδότησης και Μοριακής Φαρμακολογίας, με τη χρήση GST-χιμαιρικών πεπτιδίων των καρβοξυτελικών άκρων των μ-OR και δ-OR (μ-CT και δ-CT αντίστοιχα) και της τρίτης ενδοκυτταρικής θηλιάς του δ-OR (δ-i3L), έδειξαν ότι η RGS4, ένα μέλος της B/R4 υποοικογένειας, αλληλεπιδρά και με τους δυο υποδοχείς στις περιοχές αυτές (Georgoussi et al., 2006- Leontiadis et al., 2009). Η αλληλεπίδραση της RGS4 στα καρβοξυτελικά άκρα των υποδοχέων αυτών γίνεται στην περιοχή που σχηματίζει μια 8η αμφιπαθική α-έλικα (έλικα VIII), σημείο επαφής των OR και για άλλες πρωτεϊνικές αλληλεπιδράσεις όπως αυτή των STAT5A/B ((Mazarakou and Georgoussi, 2005- Georganta et al., 2010), της σπινοφιλίνης (Fourla et al., 2012) και άλλων πρωτεϊνών (Georgoussi et al., 2012). Βρέθηκε επίσης ότι η RGS4 είναι αρνητικός ρυθμιστής της κυτταρικής σηματοδότησης των μ-OR και δ-OR (Georgoussi et al., 2006- Leontiadis et al., 2009). Τέλος, αποδείχθηκε για πρώτη φορά ότι η RGS4 παίξει το ρόλο «μοριακού φίλτρου» καθοδηγώντας τους μ-OR και δ-OR να αλληλεπιδράσουν με συγκεκριμένο διαφορετικό υποπληθυσμό Gα υπομονάδων των G πρωτεϊνών (Leontiadis et al., 2009). Καμία πληροφορία για τον ρόλο των RGS πρωτεϊνών δεν υπάρχει για τον κ-OR. Για τον λόγο αυτό σκοπός της παρούσας διατριβής ήταν να ελέγξουμε αν οι RGS πρωτεΐνες της Β/R4 υποοικογένειας αλληλεπιδρούν με τον κ-OR και αν ναι, ποιος είναι ο ρόλος τους στη σηματοδότηση του κ-OR και των G πρωτεϊνών με τις οποίες ο τελευταίος συζεύγνυται. Τα αποτελέσματά μας έδειξαν ότι ο κ-OR μπορεί να αλληλεπιδράσει και με την RGS4 και με την RGS2 τόσο in vitro όσο και in vivo. Η δημιουργία GST-χιμαιρικών πεπτιδίων του καρβοξυτελικού άκρου του κ-OR (κ-CT) έδειξε ότι η RGS4 αλληλεπιδρά επίσης εντός της έλικας VIII ενώ η RGS2 αλληλεπιδρά με το τελικό μη συντηρημένο άκρο του κ-CT όσο και του δ-CT. Επιπλέον η συνέκφραση της RGS4 ή της RGS2 σε κύτταρα 293F που εκφράζουν τον κ-OR έδειξε ότι και οι δυο RGS πρωτεΐνες προάγουν την επιλεκτική και διαφορική σύζευξη του κ-OR με συγκεκριμένο υποπληθυσμό των Gαi/o υπομονάδων. Σε ότι αφορά τον φυσιολογικό ρόλο των RGS4 και RGS2 στις ελεγχόμενες από τον κ-OR κυτταρικές αποκρίσεις βρήκαμε ότι τόσο η RGS4 όσο και η RGS2 ανέστειλαν την καταστολή της αδενυλικής κυκλάσης που ελέγχει ο κ-OR, αλλά όχι ο δ-OR, με την RGS2 να έχει ισχυρότερη επίδραση στο μονοπάτι αυτό. Επίσης οι RGS4 και RGS2 μείωσαν την ενεργοποίηση των ERK1,2 κινασών που σηματοδοτούσε ο κ-OR. Τέλος, βρήκαμε ότι παρόλο που καμία από τις δυο RGS δεν επηρεάζει την εσωτερίκευση του κ-OR, η RGS4 επιταχύνει την εσωτερίκευση του δ-OR. Τα ευρήματά μας καταδεικνύουν ότι οι RGS4 και RGS2 πρωτεΐνες είναι δυο νέοι αρνητικοί ρυθμιστές στην σηματοδότηση των κ-OR και δ-OR. Εμφανίζουν διαφορικό ρυθμιστικό ρόλο στα σηματοδοτικά μονοπάτια καθενός OR, με ρόλο κλειδί στην καθοδήγηση της σύζευξής τους με τις Gα υπομονάδες και μπορούν να αποτελέσουν ενδιαφέροντες φαρμακολογικούς στόχους για τον έλεγχο της δράσης των οπιοειδών. / Οpioid receptors (OR) (subtypes μ, δ, κ and NOP) belong to the superfamily of the Heptahelical G protein-coupled receptors (7TM or GPCRs), the largest class of receptors in the human genome and common targets for therapeutics. ORs mediate their responses in the nervous system via coupling to members of the Gi/Go proteins to regulate the activity of various effector systems. Opioids are the most potent analgesics but prolonged administration leads to phenomena of tolerance and dependence thus there is a great interest towards understanding of OR signalling in an effort to develop new drugs devoid of adverse effects. Extended observations have demonstrated that the cytoplasmic face of the ORs is critical in mediating their signal through interactions not only with G proteins but also with multiple other proteins. These regulatory proteins play distinct roles in the regulation of the OR signalling, and in the fine tuning of these receptors. Regulators of G protein signalling (RGS) proteins is a class of proteins that modulate G protein signalling events by directly interacting with Gα subunits and accelerating the GTP hydrolysis, thus reducing GPCR signalling towards their effectors. RGS can also interact with many GPCRs, effectors and auxiliary proteins thus playing a key role in the cell functions, making them highly attractive as pharmacological targets (Abramow-Newerly et al., 2006). Our previous in vitro studies have shown that a member of the B/R4 subfamily of RGS proteins such as RGS4 interacts directly with μ-OR and δ-OR within a conserved region in their C-termini (μ-CT and δ-CT), forming a helix VIII, as well as within the δ-third intracellular loop (δ-i3L). RGS4 associates with μ-OR and δ-OR in living cells and forms selective complexes with Gαi/o proteins in a receptor dependent manner. Expression of RGS4 in HEK293 cells attenuated adenylyl cyclase inhibition mediated by μ-OR and agonist-mediated ERK1,2 phosphorylation for both receptors (Georgoussi et al., 2006- Leontiadis et al., 2009), suggesting for the first time that RGS4 is a negative modulator of μ-OR and δ-OR signalling. To deduce whether similar effects also occur for the κ-opioid receptor (κ-ΟR) and define the ability of other members of the B/R4 subfamily of RGS proteins, such as RGS2, to interact with OR we generated fusion peptides encompassing the C-terminus of κ-OR (κ-CT). Results from pull down experiments indicated that RGS2 interacts with the κ-CT, the δ-CT and the δ-i3L but fails to interact with the μ-CT. RGS4-N-terminal domain is responsible for OR interaction. Mapping the sites of RGS2 interaction indicated that RGS2 interacts with the non conserved portion of the C-termini of ORs exhibiting a different docking site as compared to that of RGS4. Co-precipitation studies in living cells indicated that RGS2 and RGS4 associate with κ-ΟR constitutively and upon receptor activation and confer selectivity for coupling with a specific subset of G proteins in an RGS protein dependent manner. Expression of both RGS2 and/or RGS4, in 293F cells attenuated agonist mediated-adenylyl cyclase inhibition for κ-ΟR, but not δ-OR, with RGS2 exhibiting a more robust effect. RGS4 and RGS2 reduced κ-ΟR-mediated ERK1,2 phosphorylation whereas, RGS4 accelerated agonist-induced internalization of the δ-OR but not of the κ-OR. Collectively, our observations demonstrate that RGS2 and RGS4 are novel interacting partners and negative modulators of κ-ΟR and δ-OR signalling. These two RGS proteins display a differential modulatory effect in each signalling pathway tested and play a key functional role by conferring selectivity for both κ-OR and δ-OR coupling with a specific subset of G proteins. Therefore they can be considered as attractive new pharmacological targets to manipulate opioid receptors signalling.

Τα τελευταία χρόνια κυριαρχεί στο χώρο της γενωμικής έρευνας η τεχνολογία των μικροσυστοιχιών, η οποία επέτρεψε την ποσοτική μέτρηση της έκφρασης χιλιάδων γονιδίων ταυτόχρονα. Παρόλο που τα δεδομένα έκφρασης των γονιδίων μπορεί να εμπεριέχουν θόρυβο και να μην είναι πλήρως αντικειμενικά, εντούτοις περιγράφουν την έκφραση όλου του γονιδιώματος ενός οργανισμού, κάτι το οποίο δεν ήταν εφικτό τις προηγούμενες δεκαετίες. Επίσης ένα άλλο είδος δεδομένων που συνέβαλλε δραστικά στην κατανόηση των δυναμικών διεργασιών του κυττάρου ήταν τα δεδομένα πρωτεϊνικών αλληλεπιδράσεων (πρωτεΐνη-πρωτεΐνη). Μεγάλης κλίμακας τεχνικές όπως το διυβριδικό σύστημα του σακχαρομύκητα και η φασματομετρία μάζας καθαρισμένων πρωτεϊνικών συμπλόκων παρήγαγαν μεγάλη ποσότητα πληροφορίας για τις σχέσεις μεταξύ των γονιδιακών προϊόντων. Επίσης και αυτό το είδος δεδομένων χαρακτηρίζεται από πολλές αναληθείς αλληλεπιδράσεις και στην εργασία αυτή χρησιμοποιούνται οι πιο έγκυρες από αυτές. Ταυτόχρονα ξεκίνησε μια προσπάθεια να περιγραφούν οι δυναμικές διεργασίες του κυττάρου μέσα από βιολογικά δίκτυα π.χ. γονιδιακά, πρωτεϊνικά, μεταβολικά κτλ. Ακόμα μεγαλύτερη πρόκληση είναι η εύρεση υποδικτύων με βιολογικά διακριτό ρόλο, τα οποία ονομάζονται λειτουργικές υπο-δομές. Η ανίχνευση τέτοιων υπο-δομών θα συντελέσει στην κατανόηση των σχέσεων μεταξύ των γονιδίων ή των προϊόντων τους αλλά και στην επισήμανση γονιδίων ή πρωτεϊνών που δεν έχουν χαρακτηριστεί ακόμα. Στην εργασία αυτή τέλος περιγράφονται τρόποι ομαδοποίησης των δεδομένων γονιδιακής έκφρασης, αναλύονται διεξοδικά τα δίκτυα αλληλεπίδρασης πρωτεϊνών και παρουσιάζονται τρόποι ομαδοποίησης αυτών. Επίσης προτείνεται ενοποίηση των παραπάνω δεδομένων στον οργανισμό Saccharomyces cerevisiae με σκοπό την ανίχνευση λειτουργικών υπο-δομών στον πρωτεϊνικό του γράφο. Επιπρόσθετα, η ανίχνευση αυτών των υπο-δομών υλοποιήθηκε με έναν νέο αλγόριθμο, τον Detect Module from Seed Protein (DMSP), ο οποίος δεν διαμερίζει το γράφο σε ομάδες όπως οι κλασικοί τρόποι ομαδοποίησης αλλά χτίζει υπο-δομές ξεκινώντας από μια πρωτεΐνη-«σπόρο». / -

Στην παρούσα διπλωματική εργασία γίνεται χρήση λεπτών υμενίων TiO2 ως στερεό υπόστρωμα για την ακινητοποίηση πρωτεϊνών με απώτερο σκοπό την ανάπτυξη ενός αμπερομετρικού βιοαισθητήρα με ευαισθησία στο υπεροξείδιο του υδρογόνου (H2O2). Αρχικά περιγράφεται η λειτουργία των βιοαισθητήρων καθώς και οι σημαντικότεροι τύποι βιοαισθητήρων που έχουν κατασκευαστεί μέχρι σήμερα. Σημαντικό ρόλο στην επιτυχή κατασκευή ενός βιοαισθητήρα παίζει η επιλογή του υλικού που θα χρησιμοποιηθεί ως υπόστρωμα / ηλεκτρόδιο (υμένια TiO2) καθώς και ο τρόπος που ακινητοποιείται το βιομόριο πάνω σε αυτό, γι’ αυτό και έχει δοθεί έμφαση στην ανάλυση των παραπάνω πληροφοριών. Επίσης περιγράφεται η δομή και η φυσική λειτουργία της πρωτεΐνης, (κυτόχρωμα c), που χρησιμοποιήθηκε ως το βιομόριο επιλογής για την ανάπτυξη του βιοαισθητήρα. Αναλύθηκαν επίσης οι κρυσταλλικές δομές του διοξειδίου του τιτανίου, οι βασικές φυσικοχημικές τους ιδιότητες και οι λόγοι που επιλέξαμε την ανατάση για τη συγκεκριμένη εργασία. Περιγράφεται η πειραματική διαδικασία εναπόθεσης των υμενίων του TiO2 σε υποστρώματα αγώγιμου υάλου. Στη συνέχεια περιγράφονται οι πειραματικές διατάξεις που χρησιμοποιήθηκαν τόσο για τον χαρακτηρισμό των υμενίων διοξειδίου του τιτανίου (TiO2) όσο και για την αναλυτική μελέτη της ακινητοποίησης του κυτοχρώματος c πάνω σε αυτά. Τέλος περιγράφεται η ηλεκτροχημική κυψελίδα 3 ηλεκτροδίων και η τεχνική της κυκλικής βολταμετρίας που επιλέχθηκαν τόσο για τη μελέτη των ηλεκτροχημικών ιδιοτήτων των υμενίων TiO2 με ή χωρίς ακινητοποιημένη πρωτεΐνη όσο και για την ανάπτυξη ενός αμπερομετρικού βιοαισθητήρα με ευαισθησία στο H2O2. / In the present study, the use of thin nanocrystalline TiO2 films as solid substrates for protein immobilization and for the development of an electrochemical biosensor for hydrogen peroxide (H2O2) are investigated. First of all, a general description of biosensors and their most important types that have been developed to date is given. For the successful development of a biosensor, the choice of material/substrate used as the surface/electrode (thin film of TiO2) for the attachment of the bio-molecule of interest, as well as the manner in which the bio-molecule is immobilized upon it are critical and therefore emphasis is given for the analysis of this information. Furthermore, a description of the structure and basic functions of the bio-molecules (cytochrome c and hemoglobin), used for the immobilization studies and for the development of the biosensor is presented. Additionally, the crystalline structures of titanium dioxide have been analyzed, along with its basic physicochemical properties and the reasons for choosing its anatase structure for the specific project. In the experimental part, the deposition of the colloidal TiO2 paste on conducting glass for the preparation of the thin mesoporous TiO2 films is described in detail. Also described are the experimental techniques used for the characterization of these films as well as a thorough analysis of the binding of cytochrome c upon them and the parameters that influence its adsorption. Finally, description of the 3-elecrode electrochemical cell used in this study of perform of cyclic voltammetry experiments in order to investigate the electrochemical properties of the TiO2 thin films with or without immobilized protein is given. The same setup is also used for the development of an electrochemical biosensor for H2O2.

H παρούσα διατριβή εκπονήθηκε στο Εργαστήριο Αναγνώρισης Προτύπων, του Τμήματος Μηχανικών Ηλεκτρονικών Υπολογιστών και Πληροφορικής του Πανεπιστημίου Πατρών. Αποτελεί μέρος της ευρύτερης ερευνητικής δραστηριότητας του Εργαστηρίου στον τομέα του σχεδιασμού και της εφαρμογής των τεχνολογιών Υπολογιστικής Νοημοσύνης στην ανάλυση βιολογικών δεδομένων. Η διδακτορική αυτή διατριβή χρηματοδοτήθηκε από το πρόγραμμα Ηράκλειτος ΙΙ. Ο τομέας της πρωτεωμικής είναι ένα σχετικά καινούργιο και γρήγορα αναπτυσσόμενο ερευνητικό πεδίο. Μια από τις μεγαλύτερες προκλήσεις στον τομέα της πρωτεωμικής είναι η αναδόμηση του πλήρους πρωτεϊνικού αλληλεπιδραστικού δικτύου μέσα στα κύτταρα. Εξαιτίας του γεγονότος, ότι οι πρωτεϊνικές αλληλεπιδράσεις παίζουν πολύ σημαντικό ρόλο στις βασικές λειτουργίες ενός κυττάρου, η ανάλυση αυτών των δικτύων μπορεί να αποκαλύψει τον ρόλο αυτών των αλληλεπιδράσεων στις ασθένειες καθώς και τον τρόπο με τον οποίο οι τελευταίες αναπτύσσονται. Παρόλα αυτά, είναι αρκετά δύσκολο να καταγραφούν και να μελετηθούν οι πρωτεϊνικές αλληλεπιδράσεις ενός οργανισμού, καθώς το πρωτέωμα διαφοροποιείται από κύτταρο σε κύτταρο και αλλάζει συνεχώς μέσα από τις βιοχημικές του αλληλεπιδράσεις με το γονιδίωμα και το περιβάλλον. Ένας οργανισμός έχει ριζικά διαφορετική πρωτεϊνική έκφραση στα διάφορα σημεία του σώματός του, σε διαφορετικά στάδια του κύκλου ζωής του και υπό διαφορετικές περιβαλλοντικές συνθήκες. Δημιουργούνται, λοιπόν, δύο πάρα πολύ σημαντικοί τομείς έρευνας, που είναι, πρώτον, η εύρεση των πραγματικών πρωτεϊνικών αλληλεπιδράσεων ενός οργανισμού που θα συνθέσουν το πρωτεϊνικό δίκτυο αλληλεπιδράσεων και, δεύτερον, η περαιτέρω ανάλυση του πρωτεϊνικού δικτύου για εξόρυξη πληροφορίας (εύρεση πρωτεϊνικών συμπλεγμάτων, καθορισμός λειτουργίας πρωτεϊνών κτλ). Στην παρούσα διδακτορική διατριβή παρουσιάζονται καινοτόμες αλγοριθμικές τεχνικές Υπολογιστικής Νοημοσύνης για την πρόβλεψη πρωτεϊνικών αλληλεπιδράσεων, τον υπολογισμό ενός βαθμού εμπιστοσύνης για κάθε προβλεφθείσα αλληλεπίδραση, την πρόβλεψη πρωτεϊνικών συμπλόκων από δίκτυα πρωτεϊνικών αλληλεπιδράσεων και την πρόβλεψη της λειτουργίας πρωτεϊνών. Συγκεκριμένα, στο κομμάτι της πρόβλεψης και βαθμολόγησης πρωτεϊνικών αλληλεπιδράσεων αναπτύχθηκε μια πληθώρα καινοτόμων τεχνικών ταξινόμησης. Αυτές κυμαίνονται από υβριδικούς συνδυασμούς μετα-ευρετικών μεθόδων και ταξινομητών μηχανικής μάθησης, μέχρι μεθόδους γενετικού προγραμματισμού και υβριδικές μεθοδολογίες ασαφών συστημάτων. Στο κομμάτι της πρόβλεψης πρωτεϊνικών συμπλόκων υλοποιήθηκαν δύο βασικές καινοτόμες μεθοδολογίες μη επιβλεπόμενης μάθησης, οι οποίες θεωρητικά και πειραματικά ξεπερνούν τα μειονεκτήματα των υπαρχόντων αλγορίθμων. Για τις περισσότερες από αυτές τις υλοποιηθείσες μεθοδολογίες υλοποιήθηκαν φιλικές προς τον χρήστη διεπαφές. Οι περισσότερες από αυτές τις μεθοδολογίες μπορούν να χρησιμοποιηθούν και σε άλλους τομείς. Αυτό πραγματοποιήθηκε με μεγάλη επιτυχία σε προβλήματα βιοπληροφορικής όπως η πρόβλεψη microRNA γονιδίων και mRNA στόχων τους και η μοντελοποίηση - πρόβλεψη οικονομικών χρονοσειρών. Πειραματικά, η μελέτη αρχικά επικεντρώθηκε στον οργανισμό της ζύμης (Saccharomyces cerevisiae), έτσι ώστε να αξιολογηθούν οι αλγόριθμοι, που υλοποιήθηκαν και να συγκριθούν με τις υπάρχουσες αλγοριθμικές μεθοδολογίες. Στη συνέχεια, δόθηκε ιδιαίτερη έμφαση στις πρωτεΐνες του ανθρώπινου οργανισμού. Συγκεκριμένα, οι καλύτερες αλγοριθμικές τεχνικές για την ανάλυση δεδομένων πρωτεϊνικών αλληλεπιδράσεων εφαρμόστηκαν σε ένα σύνολο δεδομένων που δημιουργήθηκε για τον ανθρώπινο οργανισμό. Αυτό είχε σαν αποτέλεσμα την δημιουργία ενός πλήρους, σταθμισμένου δικτύου πρωτεϊνικών αλληλεπιδράσεων για τον άνθρωπο και την εξαγωγή των πρωτεϊνικών συμπλόκων, που υπάρχουν σε αυτό καθώς και τον λειτουργικό χαρακτηρισμό πολλών αχαρακτήριστων πρωτεϊνών. Τα αποτελέσματα της ανάλυσης των δεδομένων πρωτεϊνικών αλληλεπιδράσεων για τον άνθρωπο είναι διαθέσιμα μέσω μίας διαδικτυακής βάσης γνώσης HINT-KB (http://hintkb.ceid.upatras.gr), που υλοποιήθηκε στα πλαίσια αυτής της διδακτορικής διατριβής. Σε αυτή την βάση γνώσης ενσωματώνεται, από διάφορες πηγές, ακολουθιακή, δομική και λειτουργική πληροφορία για ένα τεράστιο πλήθος ζευγών πρωτεϊνών του ανθρώπινου οργανισμού. Επίσης, οι χρήστες μπορούν να έχουν προσβαση στις προβλεφθείσες πρωτεϊνικές αλληλεπιδράσεις και στον βαθμό εμπιστοσύνης τους. Τέλος, παρέχονται εργαλεία οπτικοποίησης του δικτύου πρωτεϊνικών αλληλεπιδράσεων, αλλά και εργαλεία ανάκτησης των πρωτεϊνικών συμπλόκων που υπάρχουν σε αυτό και της λειτουργίας πρωτεϊνών και συμπλόκων. Το προβλήματα με τα οποία καταπιάνεται η παρούσα διδακτορική διατριβή έχουν σημαντικό ερευνητικό ενδιαφέρον, όπως τεκμηριώνεται και από την παρατιθέμενη στη διατριβή εκτενή βιβλιογραφία. Μάλιστα, βασικός στόχος είναι οι παρεχόμενοι αλγόριθμοι και υπολογιστικά εργαλεία να αποτελέσουν ένα οπλοστάσιο στα χέρια των βιοπληροφορικάριων για την επίτευξη της κατανόησης των κυτταρικών λειτουργιών και την χρησιμοποίηση αυτής της γνώσης για γονιδιακή θεραπεία διαφόρων πολύπλοκων πολυπαραγοντικών ασθενειών όπως ο καρκίνος. Τα σημαντικόταρα επιτεύγματα της παρούσας διατριβής μπορούν να συνοψισθούν στα ακόλουθα σημεία: • Παροχή ολοκληρωμένης υπολογιστικής διαδικασίας ανάλυσης δεδομένων πρωτεϊνικών αλληλεπιδράσεων • Σχεδιασμός και υλοποίηση ευφυών τεχνικών πρόβλεψης και βαθμολόγησης πρωτεϊνικών αλληλεπιδράσεων, που θα παρέχουν αποδοτικά και ερμηνεύσιμα μοντέλα πρόβλεψης. • Σχεδιασμός και υλοποίηση αποδοτικών αλγορίθμων μη επιβλεπόμενης μάθησης για την εξόρυξη πρωτεϊνικών συμπλόκων από δίκτυα πρωτεϊνικών αλληλλεπιδράσεων. • Δημιουργία μιας βάσης γνώσης που θα παρέχει στην επιστημονική κοινότητα όλα τα ευρήματα της ανάλυσης των δεδομένων πρωτεϊνικών αλληλεπιδράσεων για τον ανθρώπινο οργανισμό. / The present dissertation was conducted in the Pattern Recognition Laboratory, of the Department of Computer Engineering and Informatics at the University of Patras. It is a part of the wide research activity of the Pattern Recognition Laboratory in the domain of designing, implementing and applying Computational Intelligence technologies for the analysis of biological data. The present dissertation was co-financed by the research program Hrakleitos II. The proteomics domain is a quite new and fast evolving research domain. One of the great challenges in the domain of proteomics is the reconstruction of the complete protein-protein interaction network within the cells. The analysis of these networks is able to uncover the role of protein-protein interactions in diseases as well as their developmental procedure, as protein-protein interactions play very important roles in the basic cellular functions. However, this is very hard to be accomplished as protein-protein interactions and the whole proteome is differentiated among cells and it constantly changes through the biochemical cellular and environment interactions. An organism has radically different protein expression in different tissues, in different phases of his life and under varying environmental conditions. Two very important domains of research are created. First, the identification of the real protein-protein interactions within an organism which will compose its protein interaction network. Second, the analysis of the protein interaction network to extract knowledge (search for protein complexes, uncovering of proteins functionality e.tc.) In the present dissertation novel algorithmic Computational Intelligent techniques are presented for the prediction of protein-protein interactions, the prediction of a confidence score for each predicted protein-protein interaction, the prediction of protein complexes and the prediction of proteins functionality. In particular, in the task of predicting and scoring protein-protein interactions, a wide range of novel classification techniques was designed and developed. These techniques range from hybrid combinations of meta-heuristic methods and machine learning classifiers, to genetic programming methods and fuzzy systems. For the task of predicting protein complexes, two novel unsupervised methods were designed and developed which theoretically and experimentally surpassed the limitations of existing methodologies. For most of the designed techniques user friendly interfaces were developed to allow their utilizations by other researchers. Moreover, many of the implemented techniques were successfully applied to other research domaines such as the prediction of microRNAs and their targets and the forecastment of financial time series. The experimental procedure, initially focused on the well studied organism of Yeast (Saccharomyces cerevisiae) to validate the performance of the proposed algorithms and compare them with existing computational methodologies. Then, it focuses on the analysis of protein-protein interaction data from the Human organism. In specific, the best algorithmic techniques, from the ones proposed in the present dissertation, were applied to a human protein-protein interaction dataset. This resulted to the construction of a weighted protein-protein interaction network of high coverage, to the extraction of human protein complexes and to the functional characterization of Human proteins and complexes. The results of the analysis of Human protein-protein interaction data are available in the web knowledge base HINT-KB (http://hintkb.ceid.upatras.gr) which was implemented during this dissertation. In this knowledge base, structural, functional and sequential information from various sources were incorporated for every protein pair. Moreover, HINTKB provide access to the predicted and scored protein-protein interactions and to the predicted protein complexes and their functional characterization. The problems which occupied the present dissertation have very significant research interest as it is proved by the provided wide bibliography. The basic goal is the provided algorithms and tools to contribute in the ultimate goal of systems biology to understand the cellular mechanisms and contribute in the development of genomic therapy of complex diseases such as cancer. The most important achievements of the present dissertation are summarized in the next points: • Providing an integrated computational framework for the analysis of protein-protein interaction data. • Designing and implementing intelligent techniques for predicting and scoring protein-protein interactions in an accurate and interpretable manner. • Designing and implementing effective unsupervised algorithmic techniques for extracting protein complexes and predicting their functionality. • Creating a knowledge base which will provide to the scientific community all the findings of the analysis conducted on the Human protein-protein interaction data.

Λόγω της διαφάνειας των οφθαλμικών ιστών η σκέδαση φωτός αποτελεί ιδανικό εργαλείο για την ανίχνευση των αρχικών σταδίων ορισμένων παθολογικών τους καταστάσεων. Για παράδειγμα, η θόλωση του φακού των θηλαστικών λόγω ηλικίας ή/και άλλων εξωγενών αιτίων καλείται καταρράκτης. Ο καταρράκτης δεν μπορεί να διαγνωστεί κλινικά σε πρώιμο στάδιο με αποτέλεσμα την δημιουργία σοβαρών προβλημάτων στην όραση. Το γεγονός ότι το φως έχει την ικανότητα να ανιχνεύει τις μοριακές αλλαγές οι οποίες είναι πρόδρομα συμπτώματα του καταρράκτη αναδεικνύει την σημασία της έγκαιρης διάγνωσης στην αντιμετώπιση διάφορων οφθαλμικών παθήσεων. Ο φακός θεωρείται ως ένα πυκνό διάλυμα πρωτεϊνών (κρυσταλλίνες, ~40 % wt) σε νερό και η αδιαφάνεια η οποία αποτελεί την εκδήλωση του καταρράκτη προκαλείται ουσιαστικά από την συσσωμάτωση των πρωτεϊνών. Στόχος αυτής της διατριβής είναι η διερεύνηση των μοριακών μεταβολών οι οποίες λαμβάνουν χώρα κατά την ανάπτυξη του καταρράκτη. Ιδιαίτερη σημασία δίνεται επίσης στην ανάπτυξη μιας μη-επεμβατικής μεθοδολογίας για έγκαιρη διάγνωση οφθαλμικών παθήσεων με τη βοήθεια της δυναμικής σκέδασης φωτός. Με την βοήθεια της τεχνικής αυτής, κατάλληλα τροποποιημένης για την μελέτη οφθαλμικών ιστών, μελετήθηκαν οι δυναμικές ιδιότητες των πρωτεϊνών χοίρειων φακών (π.χ. οι συντελεστές διάχυσης, η θερμοκρασιακή τους εξάρτηση σε διάφορα μέρη του φακού, κλπ.) χρησιμοποιώντας το πειραματικό μοντέλο του “ψυχρού” καταρράκτη. Στο μοντέλο αυτό η ελεγχόμενη ψύξη φακών επιφέρει βαθμιαία καταρρακτογένεση. Ιδιαίτερη έμφαση δόθηκε σε τέσσερα κυρίως είδη περαμάτων. (α) Μελέτη της εμφάνισης του ψυχρού καταρράκτη στον πυρήνα του φακού. (β) Μελέτη της επίδρασης του μήκους κύματος της ακτινοβολίας στην εμφάνιση και στην έκταση του φαινομένου του ψυχρού καταρράκτη. (γ) Μελέτη του φαινομένου του ψυχρού καταρράκτη κατά μήκος μιας διαμέτρου του φακού, δεδομένης της βαθμίδας συγκέντρωσης των πρωτεϊνών του φακού (μεγάλη συγκέντρωση στον πυρήνα και μικρή συγκέντρωση στην περιφέρεια του φακού). (δ) Μελέτη του επίδρασης της προθέρμανσης του φακού σε θερμοκρασίες υψηλότερες της φυσιολογικής στο φαινόμενο του ψυχρού καταρράκτη. Τα βασικά συμπεράσματα της παρούσας διατριβής συνοψίζονται ως εξής. Υπάρχουν σαφείς συσχετισμοί μεταξύ των φασματικών χαρακτηριστικών (συναρτήσεις αυτοσυσχέτισης) και των ιεραρχικών σταδίων ανάπτυξης του καταρράκτη. Ποιοτικές και ποσοτικές αλλαγές στην θερμοκρασιακή εξάρτηση διαφόρων παραμέτρων, οι οποίες σχετίζονται με τις μοριακές διαμορφώσεις των αρχικών σταδίων του καταρράκτη, εμφανίζονται ήδη από τους 17 oC όπου ο πυρήνας του φακού είναι ακόμα διαυγής. Η χρήση ακτινοβολίας κοντά στο υπεριώδες μέρος τους φάσματος ενισχύει την ανάπτυξη του ψυχρού καταρράκτη στον πυρήνα του φακού. Ο ψυχρός καταρράκτης δεν αναπτύσσεται στην περιφέρεια του φακού. Η προθέρμανση του φακού σε συγκεκριμένη θερμοκρασία καθώς και ο χρόνος παραμονής σε αυτήν επηρεάζει σημαντικά την ανάπτυξη του ψυχρού καταρράκτη στον πυρήνα αλλά όχι στην περιφέρεια του φακού. Όλα τα παραπάνω δείχνουν πως η δυναμική σκέδαση φωτός μπορεί να παρέχει παραμέτρους οι οποίες μπορούν να χρησιμοποιηθούν με επιτυχία ως ευαίσθητοι και αξιόπιστοι δείκτες της έγκαιρης, μη-επεμβατικής, και in vivo διάγνωσης του καταρράκτη. / On account of the transparency of ophthalmic tissues, light scattering is an ideal tool for detecting the early stages of some of their pathological conditions. For example, the opacity of the mammalian lens due to age or other external causes is called cataract. Cataract cannot be detected clinically at early stages and as a result serious vision problems appear. The fact that, light has the ability to detect molecular changes that are related to the mechanism of cataract formation draws attention to the importance of early diagnosis in ophthalmic disorders. The lens can be considered as a dense colloidal protein dispersion (crystallins, ~ 40% wt) in water where the opacity that leads to cataract formation how its basis to the aggregation of proteins. This dissertation is aimed at studying the molecular changes that take place upon cataract development. Particular emphasis is paid to the development of a non-invasive methodology for early diagnosis of ocular diseases with the aid of dynamic light scattering. By means of this technique, suitably modified for the study of ophthalmic tissues, the dynamic properties of the proteins of porcine lenses (e.g. diffusion coefficients and their temperature dependence at various parts inside the lens, etc.) were studied by using the experimental model of ‘cold’ cataract. In cold cataract the controlled cooling of the lens at temperatures below the physiological one induces gradual cataractogenesis. In particular, we focused on four kinds of experiments. (a) Detailed study on the cold cataract onset in the lens nucleus. (b) Study on the effect of the laser light wavelength in the onset and the extent development of cold cataract. (c) Study of the cold cataract effect along an equatorial diameter of the lens, considering the gradual concentration of the lens proteins (high protein concentration in the nucleus and low concentration in the cortex). (d) Study on the effect of thermal history, i.e. by warming up the lens at temperatures higher than the physiological one on the cold cataract effect. The basic conclusions of the present dissertation are summarized as follows: There are clear correlations between the spectral characteristics (autocorrelation functions) and the hierarchical stages of the onset of cataract. Qualitative and quantitative changes in the temperature dependence of several parameters, which are related with the diffusive motions of proteins at the early stages of cataract, appear already at 17 oC while the nucleus is still clear and highly transparent. The use of laser radiation close to the ultraviolet part of the spectrum seems to enhance the formation of cold cataract in the lens nucleus. Cold cataract does not develop at the cortex of the lens, in view of the low protein concentration. The lens pre-heating at a certain temperature for various time periods affects significantly cold cataract formation in the lens nucleus but not in lens cortex. The above mentioned make clear that dynamic light scattering can indeed provide useful parameters that can be successfully used as sensitive and reliable indicators for the early, non-invasive diagnosis of cataract in mammalian lenses and in vivo.

Τρεις ευρέως χρησιμοποιούμενες μέθοδοι τυποποίησης, μια βιοχημική (API20NE), μια φαινοτυπική (SDS-PAGE) και μια μοριακή (RAPD) χρησιμοποιήθηκαν για την ταυτοποίηση και ταξινόμηση 160 περιβαλλοντικών ψευδομονάδων που απομονώθηκαν από το υδάτινο περιβάλλον της Νοτιοδυτικής Ελλάδας και συγκεκριμένα από εμφιαλωμένα νερά (46%), νερά δικτύου ύδρευσης (16%), κολυμβητικών δεξαμενών (9%) και θαλασσών (29%). Οι ψευδομονάδες ταυτοποιήθηκαν με βάση το βιοχημικό τους αποτύπωμα δια μέσου του συστήματος ΑΡΙ20ΝΕ, και στη συνέχεια υποβλήθηκαν σε ηλεκτροφόρηση των ολικών πρωτεϊνών τους (SDS-PAGE) και σε ανάλυση του γενετικού τους υλικού με τη μέθοδο RAPD (Random Amplified Polymorphic DNAs) με χρήση δύο διαφορετικών δεκαμερών εκκινητών (primers). Το σύστημα API20NE ταυτοποίησε το 88% των στελεχών διακρίνοντας 14 ομάδες-είδη, ενώ η SDS-PAGE ταξινόμησε το 98.1% σε 20 ομάδες και η RAPD το 94% των στελεχών σε 22 και 34 ομάδες, με εκκινητή τον OPA-13 και τον OPD-13 αντίστοιχα. Η ταξινόμηση προέκυψε με εφαρμογή της ανάλυσης κατά συστάδες (cluster analysis) των αποτυπωμάτων (πρωτεϊνικών και γενετικών) που παρήγαγαν τα στελέχη. Τα 20 στελέχη που δεν ταυτοποιήθηκαν σε επίπεδο είδους με το API20NE, ταξινομήθηκαν με την SDS-PAGE σε ποσοστό 100%, ενώ με την RAPD σε ποσοστό 90%. Οι τρεις μέθοδοι συγκρίθηκαν ως προς την επαναληψιμότητα (reproducibility), την ικανότητα τυποποίησης (typeability) και τη διακριτική ικανότητα (discriminatory power). Την μεγαλύτερη επαναληψιμότητα έδωσαν το API20NE και η RAPD με τον εκκινητή OPA-13, την μεγαλύτερη ικανότητα τυποποίησης η SDS-PAGE, ενώ τη μεγαλύτερη διακριτική ικανότητα έδωσε η RAPD με τον εκκινητή OPD-13. Η πλέον σωστή ταξινόμηση, όπως προέκυψε από τη διακριτή ανάλυση, επιτεύχθη με τη μέθοδο SDS-PAGE. Η παρούσα εργασία αποδεικνύει ότι τα βιοχημικά συστήματα ταυτοποίησης (όπως το API20NE) μπορούν να χρησιμοποιηθούν με αξιοπιστία μόνο για αδρή αναγνώριση των περιβαλλοντικών ψευδομονάδων. Πληροφορίες σε βάθος για την ταυτότητα και τη φύση τους μπορούν να εξαχθούν με τη περαιτέρω εφαρμογή ηλεκτροφορητικών και μοριακών μεθόδων. Δεδομένης της ευρείας διασποράς, της ετερογένειας και της, έστω και δυνητικής, παθογόνου δράσης των ψευδομονάδων, είναι σημαντικό, από πλευράς δημόσιας υγείας, ο προσδιορισμός της ταυτότητάς τους να γίνεται με συνδυασμένη εφαρμογή βιοχημικών, ηλεκτροφορητικών και μοριακών μεθόδων ώστε να καθίσταται δυνατή η αναγνώριση στελεχών που μπορούν να αποτελέσουν αιτιολογικούς παράγοντες ασθενειών, ιδιαίτερα σε ομάδες υψηλού κινδύνου. / Three broadly used typing techniques, one biochemical (API20NE), one phenotypic (SDS-PAGE) and one molecular (RAPD), were employed for the identification and taxonomy of 160 environmental pseudomonas isolated from the aquatic environment in Southwestern Greece. In particular, the isolates were obtained from bottled waters (46%), potable waters (16%), waters from swimming pools (9%) and seawaters (29%). The isolates were identified by the system API20NE and then subjected to whole-cell protein electrophoresis (SDS-PAGE) and Random Amplified Polymorphic DNAs (RAPD) using two 10-mer primers. The API20NE system identified 88% of the whole bacterial population and classified them in 14 species, while SDS-PAGE classified 98.1% of the isolates in 20 groups and RAPD classified 94% of the strains in 22 groups using the primer OPA-13 and 34 groups using the primer OPD-13. The classification was achieved by applying cluster analysis in the protein or RAPD fingerprints of the isolates. Twenty isolates that could not be identified by the API20NE system, at least to the species level, were classified by the SDS-PAGE and the RAPD in a percentage of 100% and 90%, respectively. The reproducibility, typeability and discriminatory power of the three methods were compared to evaluate their application. The API20NE and the RAPD assay with primer OPA-13 showed better reproducibility in comparison with the other methods; the higher typeability was achieved by the SDS-PAGE assay while the higher discriminatory power was that obtained by the RAPD method with the primer OPD-13. The SDS-PAGE gave the higher percentage of “correctly classified” isolates, as it was assessed by discriminant analysis. This study shows that the rapid identification systems, such as the API20NE, may be reliable only for a rough characterization of environmental Pseudomonas. In order to acquire further information about their identities, other phenotypic and molecular techniques have to be applied. Given the ubiquity, heterogeneity and pathogenicity, either established or potential, of the environmental pseudomonas it is important, from a public health point of view, to monitor the identities of environmental Pseudomonas isolates using the combination of specific methods, so as to be possible for strains, which can serve as causative agents of diseases, especially in high risk population, to be recognizable.

Τα πεπτίδια, είτε ως πρωτεϊνικά θραύσματα είτε ως φυσικές οντότητες, χαρακτηρίζονται από την ακολουθία τους και από τα λειτουργικά τους χαρακτηριστικά. Ο σκοπός αυτής της Διδακτορικής Διατριβής είναι η ανάπτυξη μιας μεθοδολογίας εξόρυξης δεδομένων για μοναδικά tags και πεπτιδικά/πρωτεϊνικά χαρακτηριστικά του ανθρώπινου πρωτεώματος καθώς επίσης η ανάλυση και η εφαρμογή αυτών των βιολογικών δεδομένων σε πρωτεϊνες που σχετίζονται με τον καρκίνο. Δημιουργήθηκε μια αποθήκη αρχείων η οποία περιέχει μοριακά βάρη με ακρίβεια 0.01 Da που συνδέονται με τις αντίστοιχες πεπτιδικές ακολουθίες ανθρώπινων πρωτεϊνών της Swiss-Prot βάσης. Αυτές οι πρωτεϊνες διασπάστηκαν εξαντλητικά παρέχοντας ανεξαρτησία στις πεπτιδικές ακολουθίες από άλλες μεθόδους που βασίζονται στην ενζυματική διάσπαση. Από αυτήν την αποθήκη δεδομένων, διαχωρίστηκαν τα μοριακά βάρη που είναι μοναδικά και φτάνουν μέχρι τα 10 kDa καθώς και οι μοναδικές πεπτιδικές ακολουθίες (μέχρι 10 kDa). Στα πλαίσια της αξιοποίησης των δεδομένων εξόρυξης για την ταυτοποίηση των πρωτεϊνών, αναπτύχθηκε μια ευρέως διαθέσιμη διαδικτυακή εφαρμογή όπου γίνεται η αντιστοίχιση των μοριακών βαρών υψηλής ανάλυσης με πεπτίδια και πρωτεϊνες. Μια ακόμη διαδικτυακή εφαρμογή αναπτύχθηκε για να προσφέρει την πληροφορία της μοναδικότητας των μοριακών βαρών και των πεπτιδικών ακολουθιών στο ανθρώπινο πρωτέωμα. Η εφαρμογή μπορεί να αναζητήσει μοναδικά πρωτεϊνικά θραύσματα που προκύπτουν από την εζυματική διάσπαση πρωτεϊνών και να προσφέρει την πληροφορία για όλα τα μοναδικά μοριακά βάρη και τις μοναδικές πεπτιδικές ακολουθίες που περιέχονται σε μια πρωτεϊνη. Πολλές φορές χρειάζεται η μαζική διαχείριση των πεπτιδίων από λίστες. Για το σκοπό αυτό, αναπτύχθηκε ένας web server ο οποίος διαχειρίζεται τις πεπτιδικές λίστες, αναλύοντας τα χαρακτηριστικά των πεπτιδίων και ομαδοποιώντας τα πεπτίδια σύμφωνα μα αυτά τα χαρακτηριστικά, ενώ οπτικοποιείται η ομαδοποίηση με την χρήση ενός java applet. Το PepServe είναι ένα χρήσιμο εργαλείο για την κατανόηση της κατανομής των πεπτιδικών χαρακτηριστικών για ένα σύνολο πεπτιδίων. Τέλος, αναλύθηκαν σύνολα πρωτεϊνών που σχετίζονται με διάφορες περιπτώσεις καρκίνων, για πεπτιδικά χαρακτηριστικά. Αυτή η ανάλυση έχει σκοπό την εύρεση πιθανών προτιμήσεων σε χαρακτηριστικά και την εύρεση μοναδικών tags των πρωτεϊνών που σχετίζονται με καρκίνους. Τα μοναδικά tags μπορούν να χρησιμοποιηθούν στην ανακάλυψη βιοδεικτών και την ανάπτυξη νεων φαρμάκων για την πιο αποτελεσματική διάγνωση και θεραπεία. / Peptides, either as protein fragments or as naturally occurring entities are characterized by their sequence and function features. The purpose of the present Ph.D. thesis is to develop a datamining method for unique tags and peptide/protein characteristics in the human proteome and to analyze and apply the derived biological data in cancer-related proteins. A file repository has been created, containing indexed information that relates molecular masses with an accuracy of 0.01 Da to the corresponding peptides existing in human proteins. These proteins have been deposited in a completely digested protein database (Swiss-Prot) providing independence from any specific enzyme/digestion method. From this repository, the unique molecular masses, ranging from 1 to 10 kDa, and the unique peptide sequences from all the possible sequence fragments (up to 10 kDa) have been mined. A publicly available web application has been developed which facilitates a high resolution mapping of measured molecular masses to peptides and proteins, irrespectively of the enzyme/digestion method used. Μulti-filtering may be applied in terms of measured mass tolerance, molecular mass and isoelectric point range as well as pattern matching to refine the results In addition, another publicly available web application has been developed that offers information concerning the uniqueness of molecular masses and peptide sequences in the human proteome. The application is able to search for unique protein fragments derived computationally from enzymatic digestion driven by certain enzymes. Furthermore, the application can list all the unique masses and peptides of a given protein. Through this application, researchers are able to find unique tags, either on a molecular mass level or on a sequence level. A web server has beed developed that manages peptide lists in terms of feature analysis as well as interactive clustering and visualization of the given peptides. PepServe is a useful tool towards understanding peptide feature distribution among a group of peptides. Finally, cancer-related proteins have been analyzed producing peptide features and peptide feature’s sequence uniqueness resulting in some feature preferences and peptide unique tags. These unique tags can be used in biomarker discovery, and novel drug development for an efficient diagnosis and treatment.