{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1320575"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1320575","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Υπολογιστικές μελέτες περιφερειακών μεμβρανικών πρωτεϊνών","abstract":"Οι μεμβρανικές πρωτεΐνες επιτελούν μια σειρά από πολύ σημαντικές λειτουργίες, απαραίτητες για τη ζωή του κυττάρου. Οι πρωτεΐνες αυτές είναι δυνατόν είτε να εισέρχονται εντός της λιπιδικής διπλοστιβάδας, ή να σχετίζονται έμμεσα με τη μεμβράνη μέσω αλληλεπιδράσεων με άλλες μεμβρανικές πρωτεΐνες ή με λιπίδια της μεμβράνης. Ένας σημαντικός αριθμός αυτοτελών δομικών περιοχών με τη δυνατότητα μη ομοιοπολικής πρόσδεσης με λιπίδια της μεμβράνης έχει αναγνωριστεί. Αυτές οι δομικές αυτοτελείς περιοχές (domains) εντοπίζονται κατά κύριο λόγο σε περιφερειακές μεμβρανικές πρωτεΐνες και σε εξωκυττάριες περιοχές των διαμεμβρανικών πρωτεϊνών. Οι περιοχές αυτές επιτρέπουν στις πρωτεΐνες που τις φέρουν, να αλληλεπιδρούν μη ομοιοπολικά με λιπίδια της μεμβράνης, και μέχρι σήμερα είναι το μοναδικό χαρακτηριστικό που έχει εντοπιστεί και σε περιφερειακές μεμβρανικές πρωτεΐνες και είναι ικανό να τις διαχωρίζει από άλλες κατηγορίες πρωτεϊνών. Στα πλαίσια αυτής της μελέτης αναπτύχθηκε μία μέθοδος που μπορεί να προβλέπει μεμβρανικές πρωτεΐνες, οι οποίες αλληλεπιδρούν μη ομοιοπολικά με τη μεμβράνη (Membrane Binding Proteins – MBPs), αποκλειστικά από πληροφορία που κωδικοποιείται από την ακολουθία των πρωτεϊνών αυτών, και η οποία βρίσκει εφαρμογή σε ολόκληρα πρωτεόματα. Η μέθοδος που αναπτύχθηκε ονομάζεται MBP-Pred και έχει τη δυνατότητα με τη χρήση μίας βιβλιοθήκης profile Hidden Markov Models (pHMMs) που περιγράφει Membrane Binding Domains (MBDs) να εντοπίζει πρωτεΐνες οι οποίες αλληλεπιδρούν άμεσα με τη μεμβράνη, και να τις διαχωρίζει με βάση τον τρόπο αλληλεπίδρασης τους με την μεμβράνη σε περιφερειακές ή διαμεμβρανικές. Η μέθοδος που αναπτύχθηκε είναι η πρώτη που περιέχει μία πλήρη λίστα των MBDs τα οποία εντοπίστηκαν μετά από εκτενή έρευνα στη βιβλιογραφία και εντοπίζει MBPs. Επιπλέον, ο αλγόριθμός MBP-Pred έχει την ικανότητα να διαχωρίζει τις πρωτεΐνες αυτές σε περιφερειακές και διαμεμβρανικές και ως εκ τούτου, να εντοπίζει περιφερειακές μεμβρανικές πρωτεΐνες, μία ομάδα πρωτεϊνών ιδιαίτερα δύσκολη στη μελέτη της από την ακολουθία. Η ταχύτητα της μεθόδου την καθιστά εφαρμόσιμη σε ολόκληρα πρωτεόματα. Η χρήση αυτού της μεθόδου που αναπτύχθηκε και περιγραφέται στη συγκεκριμένη εργασία μπορεί να παρέχει νέους στόχους για βιοχημική και δομική ανάλυση κατά τον σχολιασμό πρωτεομάτων που αλληλουχούνται.","abstract_html":"Οι μεμβρανικές πρωτεΐνες επιτελούν μια σειρά από πολύ σημαντικές λειτουργίες, απαραίτητες για τη ζωή του κυττάρου. Οι πρωτεΐνες αυτές είναι δυνατόν είτε να εισέρχονται εντός της λιπιδικής διπλοστιβάδας, ή να σχετίζονται έμμεσα με τη μεμβράνη μέσω αλληλεπιδράσεων με άλλες μεμβρανικές πρωτεΐνες ή με λιπίδια της μεμβράνης. Ένας σημαντικός αριθμός αυτοτελών δομικών περιοχών με τη δυνατότητα μη ομοιοπολικής πρόσδεσης με λιπίδια της μεμβράνης έχει αναγνωριστεί. Αυτές οι δομικές αυτοτελείς περιοχές (domains) εντοπίζονται κατά κύριο λόγο σε περιφερειακές μεμβρανικές πρωτεΐνες και σε εξωκυττάριες περιοχές των διαμεμβρανικών πρωτεϊνών. Οι περιοχές αυτές επιτρέπουν στις πρωτεΐνες που τις φέρουν, να αλληλεπιδρούν μη ομοιοπολικά με λιπίδια της μεμβράνης, και μέχρι σήμερα είναι το μοναδικό χαρακτηριστικό που έχει εντοπιστεί και σε περιφερειακές μεμβρανικές πρωτεΐνες και είναι ικανό να τις διαχωρίζει από άλλες κατηγορίες πρωτεϊνών. Στα πλαίσια αυτής της μελέτης αναπτύχθηκε μία μέθοδος που μπορεί να προβλέπει μεμβρανικές πρωτεΐνες, οι οποίες αλληλεπιδρούν μη ομοιοπολικά με τη μεμβράνη (Membrane Binding Proteins – MBPs), αποκλειστικά από πληροφορία που κωδικοποιείται από την ακολουθία των πρωτεϊνών αυτών, και η οποία βρίσκει εφαρμογή σε ολόκληρα πρωτεόματα. Η μέθοδος που αναπτύχθηκε ονομάζεται MBP-Pred και έχει τη δυνατότητα με τη χρήση μίας βιβλιοθήκης profile Hidden Markov Models (pHMMs) που περιγράφει Membrane Binding Domains (MBDs) να εντοπίζει πρωτεΐνες οι οποίες αλληλεπιδρούν άμεσα με τη μεμβράνη, και να τις διαχωρίζει με βάση τον τρόπο αλληλεπίδρασης τους με την μεμβράνη σε περιφερειακές ή διαμεμβρανικές. Η μέθοδος που αναπτύχθηκε είναι η πρώτη που περιέχει μία πλήρη λίστα των MBDs τα οποία εντοπίστηκαν μετά από εκτενή έρευνα στη βιβλιογραφία και εντοπίζει MBPs. Επιπλέον, ο αλγόριθμός MBP-Pred έχει την ικανότητα να διαχωρίζει τις πρωτεΐνες αυτές σε περιφερειακές και διαμεμβρανικές και ως εκ τούτου, να εντοπίζει περιφερειακές μεμβρανικές πρωτεΐνες, μία ομάδα πρωτεϊνών ιδιαίτερα δύσκολη στη μελέτη της από την ακολουθία. Η ταχύτητα της μεθόδου την καθιστά εφαρμόσιμη σε ολόκληρα πρωτεόματα. Η χρήση αυτού της μεθόδου που αναπτύχθηκε και περιγραφέται στη συγκεκριμένη εργασία μπορεί να παρέχει νέους στόχους για βιοχημική και δομική ανάλυση κατά τον σχολιασμό πρωτεομάτων που αλληλουχούνται.","abstract_has_math":false,"creators":["Νάστου Αικατερίνη-Δέσποινα"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2015,"date_issued":"2015","date_published":"2015","updated_at":"2026-11-19T05:26:26Z","subjects":[],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320575"],"render_values":[{"text":"uoadl:1320575","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320575","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320575","record_label":"Repository record","record_kind":"record","record_source":"dc:identifier","download_url":null,"download_label":null,"download_source":null,"access_status":null,"embargo_until":null,"access_note":null},"source_record":{"url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh?verb=GetRecord&metadataPrefix=oai_dc&identifier=oai%3Alib.uoa.gr%3Auoadl%3A1320575","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Νάστου Αικατερίνη-Δέσποινα"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2015"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"language_rights","label":"Language and Rights","entries":[{"key":"dc:language","label":"Dc Language","values":["Ελληνικά","Greek"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320575","https://pergamos.lib.uoa.gr/uoa/dl/object/1320575"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι μεμβρανικές πρωτεΐνες επιτελούν μια σειρά από πολύ σημαντικές λειτουργίες, απαραίτητες για τη ζωή του κυττάρου. Οι πρωτεΐνες αυτές είναι δυνατόν είτε να εισέρχονται εντός της λιπιδικής διπλοστιβάδας, ή να σχετίζονται έμμεσα με τη μεμβράνη μέσω αλληλεπιδράσεων με άλλες μεμβρανικές πρωτεΐνες ή με λιπίδια της μεμβράνης. Ένας σημαντικός αριθμός αυτοτελών δομικών περιοχών με τη δυνατότητα μη ομοιοπολικής πρόσδεσης με λιπίδια της μεμβράνης έχει αναγνωριστεί. Αυτές οι δομικές αυτοτελείς περιοχές (domains) εντοπίζονται κατά κύριο λόγο σε περιφερειακές μεμβρανικές πρωτεΐνες και σε εξωκυττάριες περιοχές των διαμεμβρανικών πρωτεϊνών. Οι περιοχές αυτές επιτρέπουν στις πρωτεΐνες που τις φέρουν, να αλληλεπιδρούν μη ομοιοπολικά με λιπίδια της μεμβράνης, και μέχρι σήμερα είναι το μοναδικό χαρακτηριστικό που έχει εντοπιστεί και σε περιφερειακές μεμβρανικές πρωτεΐνες και είναι ικανό να τις διαχωρίζει από άλλες κατηγορίες πρωτεϊνών. Στα πλαίσια αυτής της μελέτης αναπτύχθηκε μία μέθοδος που μπορεί να προβλέπει μεμβρανικές πρωτεΐνες, οι οποίες αλληλεπιδρούν μη ομοιοπολικά με τη μεμβράνη (Membrane Binding Proteins – MBPs), αποκλειστικά από πληροφορία που κωδικοποιείται από την ακολουθία των πρωτεϊνών αυτών, και η οποία βρίσκει εφαρμογή σε ολόκληρα πρωτεόματα. Η μέθοδος που αναπτύχθηκε ονομάζεται MBP-Pred και έχει τη δυνατότητα με τη χρήση μίας βιβλιοθήκης profile Hidden Markov Models (pHMMs) που περιγράφει Membrane Binding Domains (MBDs) να εντοπίζει πρωτεΐνες οι οποίες αλληλεπιδρούν άμεσα με τη μεμβράνη, και να τις διαχωρίζει με βάση τον τρόπο αλληλεπίδρασης τους με την μεμβράνη σε περιφερειακές ή διαμεμβρανικές. Η μέθοδος που αναπτύχθηκε είναι η πρώτη που περιέχει μία πλήρη λίστα των MBDs τα οποία εντοπίστηκαν μετά από εκτενή έρευνα στη βιβλιογραφία και εντοπίζει MBPs. Επιπλέον, ο αλγόριθμός MBP-Pred έχει την ικανότητα να διαχωρίζει τις πρωτεΐνες αυτές σε περιφερειακές και διαμεμβρανικές και ως εκ τούτου, να εντοπίζει περιφερειακές μεμβρανικές πρωτεΐνες, μία ομάδα πρωτεϊνών ιδιαίτερα δύσκολη στη μελέτη της από την ακολουθία. Η ταχύτητα της μεθόδου την καθιστά εφαρμόσιμη σε ολόκληρα πρωτεόματα. Η χρήση αυτού της μεθόδου που αναπτύχθηκε και περιγραφέται στη συγκεκριμένη εργασία μπορεί να παρέχει νέους στόχους για βιοχημική και δομική ανάλυση κατά τον σχολιασμό πρωτεομάτων που αλληλουχούνται.","Membrane proteins form an important class of proteins, as they are crucial for a wide variety of cellular functions. These proteins can either be embedded directly within the lipid bilayer, or can be associated with the membrane indirectly via interactions with membrane proteins or lipids. A significant number of membrane lipid-binding domains has been identified to date. Such domains are mostly present in signaling and trafficking peripheral membrane proteins as well as in extramembranous domains of transmembrane proteins. These domains allow proteins to interact with membrane lipids non-covalently and up to this day have been the only characteristic trait peripheral membrane proteins have, that can distinguish them from other protein categories. The aim of this study was to identify Membrane Binding Proteins (MBPs) from their sequence, distinguish them in transmembrane and peripheral membrane proteins, and create an algorithm to detect such proteins, which could be applicable to entire proteomes. For this purpose we developed MBP-Pred an online fast and accurate sequence-based method that detects Membrane Binding Proteins in eukaryotic proteomes with the use of profile Hidden Markov Models (pHMMs) specific to Membrane Binding Domains (MBDs). Our method is the first to include an extended list of MBDs, identified after an extensive literature search, for the detection of MBPs. Moreover, MBP-Pred can distinguish between peripheral and transmembrane MBPs and thus can identify peripheral membrane proteins, a group of proteins extremely challenging to predict and study from sequence alone. MBP-Pred is relatively fast and therefore applicable to entire proteomes. Furthermore, the use of MBP-Pred for the annotation of newly sequenced proteomes is very important, since it can provide novel candidates for biochemical and structural analysis."]},{"key":"dc:title","label":"Title","values":["Υπολογιστικές μελέτες περιφερειακών μεμβρανικών πρωτεϊνών"]}]}],"canonical_facts":{"dc:creator":["Νάστου Αικατερίνη-Δέσποινα"],"dc:date":["2015"],"dc:description":["Οι μεμβρανικές πρωτεΐνες επιτελούν μια σειρά από πολύ σημαντικές λειτουργίες, απαραίτητες για τη ζωή του κυττάρου. Οι πρωτεΐνες αυτές είναι δυνατόν είτε να εισέρχονται εντός της λιπιδικής διπλοστιβάδας, ή να σχετίζονται έμμεσα με τη μεμβράνη μέσω αλληλεπιδράσεων με άλλες μεμβρανικές πρωτεΐνες ή με λιπίδια της μεμβράνης. Ένας σημαντικός αριθμός αυτοτελών δομικών περιοχών με τη δυνατότητα μη ομοιοπολικής πρόσδεσης με λιπίδια της μεμβράνης έχει αναγνωριστεί. Αυτές οι δομικές αυτοτελείς περιοχές (domains) εντοπίζονται κατά κύριο λόγο σε περιφερειακές μεμβρανικές πρωτεΐνες και σε εξωκυττάριες περιοχές των διαμεμβρανικών πρωτεϊνών. Οι περιοχές αυτές επιτρέπουν στις πρωτεΐνες που τις φέρουν, να αλληλεπιδρούν μη ομοιοπολικά με λιπίδια της μεμβράνης, και μέχρι σήμερα είναι το μοναδικό χαρακτηριστικό που έχει εντοπιστεί και σε περιφερειακές μεμβρανικές πρωτεΐνες και είναι ικανό να τις διαχωρίζει από άλλες κατηγορίες πρωτεϊνών. Στα πλαίσια αυτής της μελέτης αναπτύχθηκε μία μέθοδος που μπορεί να προβλέπει μεμβρανικές πρωτεΐνες, οι οποίες αλληλεπιδρούν μη ομοιοπολικά με τη μεμβράνη (Membrane Binding Proteins – MBPs), αποκλειστικά από πληροφορία που κωδικοποιείται από την ακολουθία των πρωτεϊνών αυτών, και η οποία βρίσκει εφαρμογή σε ολόκληρα πρωτεόματα. Η μέθοδος που αναπτύχθηκε ονομάζεται MBP-Pred και έχει τη δυνατότητα με τη χρήση μίας βιβλιοθήκης profile Hidden Markov Models (pHMMs) που περιγράφει Membrane Binding Domains (MBDs) να εντοπίζει πρωτεΐνες οι οποίες αλληλεπιδρούν άμεσα με τη μεμβράνη, και να τις διαχωρίζει με βάση τον τρόπο αλληλεπίδρασης τους με την μεμβράνη σε περιφερειακές ή διαμεμβρανικές. Η μέθοδος που αναπτύχθηκε είναι η πρώτη που περιέχει μία πλήρη λίστα των MBDs τα οποία εντοπίστηκαν μετά από εκτενή έρευνα στη βιβλιογραφία και εντοπίζει MBPs. Επιπλέον, ο αλγόριθμός MBP-Pred έχει την ικανότητα να διαχωρίζει τις πρωτεΐνες αυτές σε περιφερειακές και διαμεμβρανικές και ως εκ τούτου, να εντοπίζει περιφερειακές μεμβρανικές πρωτεΐνες, μία ομάδα πρωτεϊνών ιδιαίτερα δύσκολη στη μελέτη της από την ακολουθία. Η ταχύτητα της μεθόδου την καθιστά εφαρμόσιμη σε ολόκληρα πρωτεόματα. Η χρήση αυτού της μεθόδου που αναπτύχθηκε και περιγραφέται στη συγκεκριμένη εργασία μπορεί να παρέχει νέους στόχους για βιοχημική και δομική ανάλυση κατά τον σχολιασμό πρωτεομάτων που αλληλουχούνται.","Membrane proteins form an important class of proteins, as they are crucial for a wide variety of cellular functions. These proteins can either be embedded directly within the lipid bilayer, or can be associated with the membrane indirectly via interactions with membrane proteins or lipids. A significant number of membrane lipid-binding domains has been identified to date. Such domains are mostly present in signaling and trafficking peripheral membrane proteins as well as in extramembranous domains of transmembrane proteins. These domains allow proteins to interact with membrane lipids non-covalently and up to this day have been the only characteristic trait peripheral membrane proteins have, that can distinguish them from other protein categories. The aim of this study was to identify Membrane Binding Proteins (MBPs) from their sequence, distinguish them in transmembrane and peripheral membrane proteins, and create an algorithm to detect such proteins, which could be applicable to entire proteomes. For this purpose we developed MBP-Pred an online fast and accurate sequence-based method that detects Membrane Binding Proteins in eukaryotic proteomes with the use of profile Hidden Markov Models (pHMMs) specific to Membrane Binding Domains (MBDs). Our method is the first to include an extended list of MBDs, identified after an extensive literature search, for the detection of MBPs. Moreover, MBP-Pred can distinguish between peripheral and transmembrane MBPs and thus can identify peripheral membrane proteins, a group of proteins extremely challenging to predict and study from sequence alone. MBP-Pred is relatively fast and therefore applicable to entire proteomes. Furthermore, the use of MBP-Pred for the annotation of newly sequenced proteomes is very important, since it can provide novel candidates for biochemical and structural analysis."],"dc:identifier":["uoadl:1320575","https://pergamos.lib.uoa.gr/uoa/dl/object/1320575"],"dc:language":["Ελληνικά","Greek"],"dc:title":["Υπολογιστικές μελέτες περιφερειακών μεμβρανικών πρωτεϊνών"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:26:26Z"}