Abstract The aim of this PhD-study was to better understand the structure-function relationship of triosephosphate isomerase (TIM) and to use this expertise to change its substrate specificity. TIM is an important enzyme of the glycolytic pathway which catalyzes the interconversion of D-glyceraldehyde phosphate (D-GAP) and dihydroxyacetone phosphate (DHAP). Two main subjects are discussed: the engineering of monomeric TIM to create new substrate specificity and the structure-function relationship studies of the catalytically important mobile loop6. The starting point for the protein engineering project was the monomeric ml8bTIM, with an extended binding pocket between loop7 and loop8. Rational protein engineering efforts have resulted in a new variant called A-TIM that can competently bind wild type transition state analogues. A-TIM was also able to bind citrate, a compound that the wild type TIM does not bind. This A-TIM citrate complex structure is a good starting point for future protein engineering efforts. Based on the assumption that it would be beneficial for the monomeric forms of TIM to have loop6 closed permanently to increase the population of competent active sites, two point mutation variants, A178L and P168A were generated and characterized. The A178L-mutation was made to favor the closed conformation of loop6 through steric clashes in the open conformation. The P168A variant was made to stabilize the closed conformation of loop6 by removing strain. The A178L mutation induced some features of the closed conformation, but did not result in a closed conformation in the absence of ligands. Our structural studies also show that the P168A mutation does not favor the closed conformation either. However, the structures of the unliganded and liganded P168A variant, together with other known TIM structures show that the substrate binding first induces closure of loop7. This conformational switch subsequently forces loop6 to adopt its closed conformation. The protein engineering project was successful, but the efforts to find variants with a permanently closed loop6 did not fully succeed. In the context of this thesis a monomeric variant of TIM, with new binding properties, was created. Nevertheless, A-TIM still competently binds the inhibitors and transition state analogues of wild type TIM. Also, when combined, results discussed in the context of this thesis indicate that in wild type TIM the closure of loop7 after ligand binding is the initial step in the series of conformational changes that lead to the formation of the competent active site. / Tiivistelmä Tämän väitöskirjatyön tarkoituksena oli oppia paremmin ymmärtämään trioosifosfaatti-isomeraasin (TIM) toimintamekanismeja sen rakenteen perusteella ja käyttää tätä tietämystä samaisen proteiinin muokkaamiseen uusiin tarkoituksiin. TIM on keskeinen entsyymi solun energian tuotannossa ja sen toiminta on välttämätöntä kaikille eliöille. Tämän vuoksi on tärkeää oppia ymmärtämään miten se saavuttaa tehokkaan reaktionopeutensa ja miksi se katalysoi vain D-glyseraldehydi-3-fosfaattia (D-GAP) ja dihydroksiasetonifosfaattia (DHAP). TIM:n toiminta mekanismien ymmärtämiseksi sen aminohapposekvenssiä muokattiin kahdesta kohtaa (P168A ja A178L) ja seuraukset todettiin mittaamalla tuotettujen proteiinien stabiilisuutta optisesti eri lämpötiloissa ja selvittämällä niiden kolmiulotteinen rakenne käyttäen röntgensädekristallografiaa. Mutaatioita tehtiin dimeeriseen villityypin TIM:in (wtTIM) ja jo aikaisemmin muokattuun monomeeriseen TIM:in (ml1TIM). Näiden mutaatioiden tarkoituksena oli suosia entsyymin aktiivista konformaatiota, jossa reaktion kannalta välttämätön vapaasti liikkuva peptidisilmukka numero 6 on suljetussa konformaatiossa. Monomeerisissä TIM:ssa peptidisilmukka numero 6:n ei ole välttämätöntä aueta. Tulokset mutaatiokokeista olivat osittain lupaavia. P168A-mutaatio lisäsi D-GAP:in sitoutumista, mutta rikkoi tärkeän mekanismin suljetussa, ligandia sitovassa, konformaatiossa. A178L-mutaatio aiheutti muutoksia avoimeen konformaatioon ja teki siitä suljettua konformaatiota muistuttavan jopa ilman ligandia, mutta samalla koko proteiini muuttui epävakaammaksi. Näistä kahdesta mutaatiosta A178L voisi olla hyödyllinen muokattujen TIM-versioiden ominaisuuksien parantamiseksi. Lisäksi yhdessä jo aikaisemmin julkaistujen yksityiskohtien kanssa nämä tulokset tekevät mahdolliseksi esittää tarkennusta siihen miten TIM toimii kun ligandi saapuu sen lähettyville. Tämän väitöskirjatyön yksi tavoite oli myös muokata edelleen monomeeristä TIM versiota (ml8bTIM), joka on suunniteltu siten, että se voi mahdollisesti sitoa uudenlaisia ligandeja. Tämä projekti vaati onnistuakseen 20 eri versiota ml8bTIM:n sekvenssistä ja noin 30 rakennetta. Uusia ligandeja sitova muoto (A-TIM) sitoi onnistuneesti sitraattia ja villityypin TIM:n inhibiittoreita. Erityisen lupaavaa oli, että A-TIM sitoi myös bromohydroksiasetonifosfaattia (BHAP), joka sitoutuu ainoastaan toimivaan aktiiviseen kohtaan. Nämä tulokset osoittavat, että A-TIM kykenee tarvittaessa katalysoimaan isomerisaatio reaktion uudenlaisille molekyyleille. Esimerkiksi katalysoimaan isomerisointireaktiota sokerianalogien tuotannossa.

No description available.

This research investigated the concept of a sparsity method inspired by the principles of structural plasticity in the brain in order to create a sparse model of the Bayesian Confidence Propagation Neural Networks (BCPNN) during the training phase. This was done by extending the structural plasticity in the implementation of the BCPNN. While the initial algorithm presented two synaptic states (Active and Silent), this research extended it to three synaptic states (Active, Silent and Absent) with the aim to enhance sparsity configurability and emulate a more brain-like algorithm, drawing parallels with synaptic states observed in the brain. Benchmarking was conducted using the MNIST and Fashion-MNIST dataset, where the proposed threestate model was compared against the previous two-state model in terms of representational learning. The findings suggest that the three-state model not only provides added configurability but also, in certain low-sparsity settings, showcases similar representational learning abilities as the two-state model. Moreover, in high-sparsity settings, the three-state model demonstrates a commendable balance between accuracy and sparsity trade-off. / Denna forskning undersökte en konceptuell metod för gleshet inspirerad av principerna för strukturell plasticitet i hjärnan för att skapa glesa BCPNN. Forskningen utvidgade strukturell plasticitet i en implementering av BCPNN. Medan den ursprungliga algoritmen presenterade två synaptiska tillstånd (Aktiv och Tyst), utvidgade denna forskning den till tre synaptiska tillstånd (Aktiv, Tyst och Frånvarande) med målet att öka konfigurerbarheten av sparsitet och efterlikna en mer hjärnliknande algoritm, med paralleller till synaptiska tillstånd observerade i hjärnan. Jämförelse gjordes med hjälp av MNIST och Fashion-MNIST datasetet, där det föreslagna tre-tillståndsmodellen jämfördes med den tidigare tvåtillståndsmodellen med avseende på representationslärande. Resultaten tyder på att tre-tillståndsmodellen inte bara ger ökad konfigurerbarhet utan också, i vissa lågt glesa inställningar, visar samma inlärningsförmåga som två-tillståndsmodellen. Dessutom visar den tre-tillståndsmodellen i högsparsamma inställningar en anmärkningsvärd balans mellan noggrannhet och avvägningen mellan sparsitet.

The ability of the visual system for object recognition is remarkable. A better understanding of its processing would lead to better computer vision systems and could improve our understanding of the underlying principles which produce intelligence. We propose a computational model of the visual areas V1 and V2, implementing a rich connectivity inspired by the neocortical circuit. We combined the three most important cortical plasticity mechanisms. 1) Hebbian synaptic plasticity to learn the synapse strengths of excitatory and inhibitory neurons, including trace learning to learn invariant representations. 2) Intrinsic plasticity to regulate the neurons responses and stabilize the learning in deeper layers. 3) Structural plasticity to modify the connections and to overcome the bias for the learnings from the initial definitions. Among others, we show that our model neurons learn comparable receptive fields to cortical ones. We verify the invariant object recognition performance of the model. We further show that the developed weight strengths and connection probabilities are related to the response correlations of the neurons. We link the connection probabilities of the inhibitory connections to the underlying plasticity mechanisms and explain why inhibitory connections appear unspecific. The proposed model is more detailed than previous approaches. It can reproduce neuroscientific findings and fulfills the purpose of the visual system, invariant object recognition. / Das visuelle System des Menschen hat die herausragende Fähigkeit zur invarianten Objekterkennung. Ein besseres Verständnis seiner Arbeitsweise kann zu besseren Computersystemen für das Bildverstehen führen und könnte darüber hinaus unser Verständnis von den zugrundeliegenden Prinzipien unserer Intelligenz verbessern. Diese Arbeit stellt ein Modell der visuellen Areale V1 und V2 vor, welches eine komplexe, von den Strukturen des Neokortex inspirierte, Verbindungsstruktur integriert. Es kombiniert die drei wichtigsten kortikalen Plastizitäten: 1) Hebbsche synaptische Plastizität, um die Stärke der exzitatorischen und inhibitorischen Synapsen zu lernen, welches auch „trace“-Lernen, zum Lernen invarianter Repräsentationen, umfasst. 2) Intrinsische Plastizität, um das Antwortverhalten der Neuronen zu regulieren und damit das Lernen in tieferen Schichten zu stabilisieren. 3) Strukturelle Plastizität, um die Verbindungen zu modifizieren und damit den Einfluss anfänglicher Festlegungen auf das Lernergebnis zu reduzieren. Neben weiteren Ergebnissen wird gezeigt, dass die Neuronen des Modells vergleichbare rezeptive Felder zu Neuronen des visuellen Kortex erlernen. Ebenso wird die Leistungsfähigkeit des Modells zur invariante Objekterkennung verifiziert. Des Weiteren wird der Zusammenhang von Gewichtsstärke und Verbindungswahrscheinlichkeit zur Korrelation der Aktivitäten der Neuronen aufgezeigt. Die gefundenen Verbindungswahrscheinlichkeiten der inhibitorischen Neuronen werden in Zusammenhang mit der Funktionsweise der inhibitorischen Plastizität gesetzt, womit erklärt wird warum inhibitorische Verbindungen unspezifisch erscheinen. Das vorgestellte Modell ist detaillierter als vorangegangene Arbeiten. Es ermöglicht neurowissenschaftliche Erkenntnisse nachzuvollziehen, wobei es ebenso die Hauptleistung des visuellen Systems erbringt, invariante Objekterkennung. Darüber hinaus ermöglichen sein Detailgrad und seine Selbstorganisationsprinzipien weitere neurowissenschaftliche Erkenntnisse und die Modellierung komplexerer Modelle der Verarbeitung im Gehirn.