Submitted by Luciana Sebin (lusebin@ufscar.br) on 2016-09-26T19:33:26Z No. of bitstreams: 1 DissJPPS.pdf: 2939420 bytes, checksum: 44366c4d259a65ba75e54d36b01b8483 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-27T19:57:29Z (GMT) No. of bitstreams: 1 DissJPPS.pdf: 2939420 bytes, checksum: 44366c4d259a65ba75e54d36b01b8483 (MD5) / Approved for entry into archive by Marina Freitas (marinapf@ufscar.br) on 2016-09-27T19:57:35Z (GMT) No. of bitstreams: 1 DissJPPS.pdf: 2939420 bytes, checksum: 44366c4d259a65ba75e54d36b01b8483 (MD5) / Made available in DSpace on 2016-09-27T19:57:40Z (GMT). No. of bitstreams: 1 DissJPPS.pdf: 2939420 bytes, checksum: 44366c4d259a65ba75e54d36b01b8483 (MD5) Previous issue date: 2016-03-23 / Conselho Nacional de Desenvolvimento Científico e Tecnológico (CNPq) / Knowledge about horizontal gene transfer has been proposed even before the determination of the molecular structure of DNA. It has been experimentally shown that micro-homologies rich in adenine and cytosine mediates the integration of Trypanosoma cruzi’s kDNA minicircle, in the vertebrate genome. After human genome sequencing, the genome characterization of different organisms has been one of the main driving forces of science, providing a quantity of biological data for modern biomedical research, unprecedented in the history of science. However, even though traditional DNA mapping algorithms are highly accurate, they operate at a much lower rate than that needed for the next generation sequencers to accumulate new data. This great asymmetry between data generation and analysis capability requires the rapid evolution of mapping and reading algorithms so that this large volume of information can be worked through targeted searches. Thus, this work proposes an efficient, fast and easy way to search and locate multiple signatures of indicators that allow exogenous kDNA integration in the human genome, by creating a set of scripts for in silico analysis adapted to large files sequences. Three scripts based in R language were developed: to permute the elements (nucleic acids or amino acids codes); for search, grouping and plotting matches in genome; and for counting total matches and chromosomal window. All adenine and cytosine signatures were properly identified in the human genome, but no point more susceptible to T. cruzi kDNA integration was identified. With the obtained data, a genetic map was created, listing all matchings in each cytogenetic band, but it was not possible to identify which chromosome was more prone to mutations, since the bigger the chromosome is, the higher the quantity of matches are. / Com o sequenciamento do genoma humano e tantas outras espécies, abre-se agora uma nova janela de oportunidades analíticas. Podemos pensar em fazer buscas orientadas dentro dessa massa enorme de dados publicados em bancos de dados biológicos. Tendo isso em foco, buscamos estruturar uma forma automatizada de busca dentro do genoma humano, pela qual pudéssemos inferir sobre os sítios mais prováveis de integração de DNA exógeno. Para isso utilizamos como modelo os trabalhos que indicam que a doença de Chagas é produzida pela introgressão do kDNA de Trypanosoma cruzi no genoma hospedeiro, por meio de herança genética horizontal. Já foi demonstrado experimentalmente que micro-homologias ricas em adenina e citosina medeiam as integrações de minicírculos de kDNA do T. cruzi, no genoma de vertebrados. Deste modo, o presente trabalho propõe uma maneira eficiente, fácil e rápida para a busca e localização de múltiplas assinaturas dos sinalizadores que propiciam a introgressão do kDNA exógeno no genoma humano, através da criação de um conjunto de scripts para análises in silico, adaptados a grandes arquivos de sequências. Foram desenvolvidos três scripts, baseados na linguagem R: para permutação de elementos (ácidos nucleicos ou aminoácidos); para busca, agrupamento e plotagem das correspondências em genoma; e para contagem total de correspondências e contagem por janela cromossômica. Todas as assinaturas compostas por adenina e citosina (motivos CA’s) foram devidamente identificadas no genoma humano, porém não foi identificado nenhum ponto mais suscetível à integração do kDNA de T. cruzi. Com os dados obtidos, um mapa genético foi criado, listando as correspondências em cada banda citogenética, porém não foi possível identificar qual cromossomo possui maior propensão à mutações, já que quanto maior o cromossomo, maior é a quantidade de correspondências presentes.

Aptamere besitzen als nahezu universelle Binder ein großes Anwendungspotential in Biotechnologie und Medizin; ihre Selektion aus zufälligen Sequenzbibliotheken liefert jedoch nur suboptimale Ergebnisse. Während der Selektion schlagen sich in der Bibliothek Bindungsinformationen nieder, die zur Optimierung des Verfahrens eingesetzt werden können. Die vorliegende Arbeit widmet sich der bioinformatischen Erschließung dieser Informationen. Für die initiale Auswertung der gewonnenen Aptamersequenzdaten erwiesen sich unter Zuhilfenahme von n-Gramm-Deskriptoren und Affinitäten die Regressionsanalyse und auf statistisch-symbolischer Ebene die Mustersuche als wirkungsvolle Verfahren. Für die Aufklärung der Komplexstruktur aus Aptamer und Zielprotein wurde eine Bewertungsfunktion gefunden, die die Identifikation sogenannter nahe-nativer Bindungskonformationen unter den Ergebnissen einer Dockingsimulation erlaubt. Nach dieser methodischen Evaluation erfolgte die Selektion eines Aptamers gegen das Kapsid des humanen Norovirus. Auf Basis der erhobenen Sequenzdaten wurde die Bindegeometrie zwischen Aptamer und Zielprotein durch Anwendung der im Verfahrensprotokoll festgehaltenen Kombination der Analysemethoden aufgeklärt. Das dabei als bindungsrelevant identifizierte Sequenzmotiv kann bei der Erzeugung targetspezifisch optimierter Selektionsbibliotheken als a priori-Information einfließen.:Inhaltsverzeichnis Abbildungsverzeichnis Tabellenverzeichnis Formelverzeichnis Abkürzungsverzeichnis Vorwort 1 Thematische Einleitung 1.1 Hypothesen und Fragestellungen 1.2 Aufbau der Arbeit 2 Allgemeine Grundlagen 2.1 Protein-Nukleinsäure-Komplexe 2.1.1 Aufbau von Proteinen 2.1.2 Aufbau von Nukleinsäuren 2.1.3 Interaktionen zwischen Proteinen und Nukleinsäuren 2.2 Aptamere und deren Gewinnung 2.2.1 Aptamere als universelle Binder 2.2.2 Das Grundverfahren der Aptamerselektion 2.2.3 Methodische Modifikationen des Selektionsverfahrens 3 Auswertung der Primär- und Sekundärstruktur von Nukleinsäuren 3.1 Numerische Beschreibung von Nukleinsäuren 3.1.1 Nukleobasendeskriptoren 3.1.2 Transformationsstrategien 3.1.3 Direkt anwendbare Beschreibungskonzepte 3.2 Konzeption einer Strategie zur Evaluation der Beschreibungskonzepte 3.2.1 Beschreibung und Vorverarbeitung des Datensatzes 3.2.2 Zusammenstellung von Deskriptorensets 3.2.3 Eingesetzte Methoden 3.3 Ergebnisse der Evaluation 3.3.1 Gegenüberstellung der Beschreibungskonzepte 3.3.2 Überprüfung der Plausibilität 3.3.3 Verhältnismäßigkeit 3.3.4 Abschließende Betrachtung 4 Mustersuche in biologischen Sequenzen 4.1 Sequenzmuster 4.1.1 Definition der Sequenzmuster 4.1.2 Bewertung konkreter Musterfunde 4.1.3 Bewertung einzelner Musterinstanzen 4.1.4 Visualisierung 4.2 Algorithmus zur Mustersuche 4.2.1 Suche in Suffixbäumen 4.2.2 Durchsuchen des Musterraumes 4.2.3 Optimierung der Suchstrategie 4.2.4 Ordnung der Ergebnisse 4.2.5 Zusammenfassung 5 Auswertung der Tertiärstruktur von Protein-Nukleinsäure-Komplexen 5.1 Übersicht der Bewertungsmodelle für Protein-Nukleinsäure-Komplexe 5.1.1 Wissensbasierte Paarpotentiale 5.1.2 Molekularmechanische Bewertung 5.1.3 Auswahl der Konzepte für die weitere Betrachtung 5.2 Vorstellung und Herleitung der ausgewählten Bewertungsmodelle 5.2.1 Die SPA-PN-Potentiale 5.2.2 Die modifizierten SPA-PN Potentiale 5.2.3 Die ITScore-PR Potentiale 5.2.4 Molekularmechanische Bewertung 5.3 Konzeption des Vergleichs der Bewertungsmodelle 5.3.1 Auswahl und Vorstellung der Referenzkomplexe 5.3.2 Generierung von Decoy-Strukturen 5.3.3 Quantifizierung der strukturellen Abweichung 5.4 Ergebnisse des Vergleichs 5.4.1 Referenzkomplex 4PDB 5.4.2 Referenzkomplex 5CMX 5.4.3 Gewichtung der HADDOCK-Bewertung 5.4.4 Visualisierung der Bewertung 5.5 Zusammenfassung 6 Selektion und Analyse eines Norovirus-Aptamers 6.1 Der Norovirus als Zielstruktur der Aptamerselektion 6.1.1 Epidemiologische Aspekte 6.1.2 Aufbau des Norovirus 6.1.3 Nachweis des Norovirus 6.1.4 Eingesetzter Norovirusstamm 6.2 Experimentelle Durchführung und Auswertung 6.2.1 Aptamerselektion 6.2.2 Evaluation der Anreicherung von Aptamerkandidaten 6.2.3 Experimentelle Verifikation der Bindung 6.2.4 Entwurf eines bioinformatischen Analyseprotokolls 6.3 Bioinformatische Analysen auf Basis der Primär- und Sekundärstruktur 6.3.1 Vorhersage der Sekundärstrukturen für die Aptamerkandidaten 6.3.2 Untersuchung der Anreicherung über die Clusteranalyse 6.3.3 Untersuchung der n-Gramm-Zusammensetzung 6.3.4 Durchführung einer Mustersuche 6.3.5 Validierung der Musterfunde 6.4 Bioinformatische Analyse auf Basis der Tertiärstruktur 6.4.1 Bestimmung der Struktur des Zielproteins 6.4.2 Bestimmung der Aptamerstruktur 6.4.3 Bildung eines Komplexes aus Aptamer und Zielprotein 6.4.4 Einschätzung der Relevanz für die Epitope der Proteinoberfläche 6.5 Konzepte für die spezifische Anreicherung von Oligonukleotidbibliotheken 6.5.1 Ableitbare Unterräume des Sequenz- und Strukturraumes 6.5.2 Zusammensetzung einer Bibliothek 7 Abschließende Betrachtung 7.1 Zusammenfassung der Ergebnisse 7.2 Ausblick Literatur Versicherung

Les biomolécules exercent leurs fonctions en interagissant avec d'autres molécules. Le recensement de l'ensemble des biomolécules et leurs interactions permet de construire leurs réseaux d'interactions et de les analyser sur le plan structural et fonctionnel par des outils bioinformatiques (BiNGO, DAVID). Cela permet d'identifier les biomolécules clés, de prédire de nouvelles fonctions des protéines et de comprendre et modéliser les mécanismes moléculaires d'un processus biologique ou pathologique donné. Les protéines ou régions intrinsèquement désordonnées, qui possèdent une grande plasticité structurale, sont susceptibles d'interagir avec de nombreux partenaires et d'être importantes dans les réseaux d'interactions. A l'aide du prédicteur IUPred, nous avons dans un premier temps cartographié le désordre intrinsèque des protéines dans le réseau d'interactions de la matrice extracellulaire et dans le réseau extracellulaire des protéoglycanes construits à partir de la base de données MatrixDB développée dans l'équipe. Nous avons montré que les protéines très connectées de ces deux réseaux ne sont pas enrichies en désordre. Les fonctions moléculaires surreprésentées dans le jeu de protéines extracellulaires contenant au moins 50% de désordre intrinsèque sont les interactions avec les facteurs de croissance ou les glycosaminoglycanes. Nous avons étudié un jeu de données d'interactions protéine-héparine comportant 118 valeurs de cinétique et nous avons montré une relation positive entre la vitesse d'association des protéines à l'héparine et le pourcentage de désordre de leurs sites de fixation à l'héparine. Nous avons également étudié les interactions de la matrice extracellulaire avec un pathogène, le parasite Leishmania. Nous avons montré que les protéines sécrétées par les Leishmania ne sont pas enrichies en désordre par rapport au protéome. Nous avons établi une liste de onze protéines parasitaires sécrétées possédant au moins trois motifs d'interaction et susceptibles d'interagir avec l'hôte / Biomolecules perform their functions by interacting with other molecules. The identification of all biomolecules and their interactions is required to build their interaction networks. Their structural and functional analysis with bioinformatics tools (BiNGO, DAVID) allow us to identify the key biomolecules, to predict new protein functions and to understand and model the molecular mechanisms of biological or pathological process. Intrinsically disordered proteins or regions, which are characterized by structural plasticity, may interact with many partners and may play a role in the interaction networks. Using the predictor IUPred we mapped the intrinsic disorder in protein interaction networks of the extracellular matrix and of the proteoglycans constructed from the MatrixDB database developed in the laboratory. We have shown that the highest connected proteins of these two networks are not enriched in disorder. The molecular functions overrepresented in the set of extracellular proteins containing at least 50% of intrinsically disordered residues are interactions with growth factors or glycosaminoglycans. We studied a dataset of heparin-protein interactions including 118 kinetic values and we have shown that the association rate of proteins with heparin is related to the intrinsic disorder of heparin-binding sites. We also studied the interactions of the extracellular matrix with a pathogen, the parasite Leishmania. We have shown that proteins secreted by Leishmania are not enriched in disorder compared to their proteome. We have selected eleven parasite proteins containing at least three interaction motifs, which may interact with the host