{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:1320983"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:1320983","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Detecting Molecular Boundaries in Density Maps","abstract":"Τα μακρομοριακά σύμπλοκα είναι τα δομικά συστατικά των βιολογικών οργανισμών. Η κατανόηση της δομής των συμπλόκων αυτών είναι ζωτικής σημασίας όχι μόνο για την καλύτερη κατανόηση της λειτουργίας τους αλλά και για να κατανοήσουμε γιατι, μερικές φορές, αδυνατούν να λειτουργήσουν σωστά. Για τον προσδιορισμό της δομής των συμπλόκων αυτών χρησιμοποιούμε χάρτες ηλεκτρονιακής πυκνότητας, οι οποίοι προκύπτουν είτε απο πειράματα Κρυσταλλογραφίας Ακτίνων Χ είτε απο πειράματα Κρυογενούς Ηλεκτρονικής Μικροσκοπίας (Cryo-EM). Ο χάρτης ηλεκτρονιακής πυκνότητας μπορεί να περιγραφεί ως ένα τρισδιάστατο πλέγμα απο voxels – ανάλογο του pixel στις 3 διαστάσεις- που το καθένα περιέχει μια τιμή πυκνότητας ηλεκτρονίων. Η Cryo-EM τεχνική υπερτερεί της κρυσταλλογραφίας λόγω της δυνατότητας της να μελετά αρκετά μεγαλύτερα σύμπλοκα που διατηρούνται στην φυσική τους κατάσταση εφόσον δεν απαιτείται κρυστάλλωση του υπο μελέτη δείγματος. Ωστόσο, το κύριο μειονέκτημα της είναι πως οι χάρτες που προκύπτουν διακρίνονται απο αρκετά χαμηλότερη ανάλυση, περιέχουν θόρυβο και είναι πολύ ασαφής λόγω της ανακατασκεύης τους απο δισδιάστατες εικόνες του δείγματος. Έτσι, προκειμένου να εξάγουμε σημαντική δομική πληροφορία απο χάρτες ηλεκτρονιακής πυκνότητας πρέπει να χρησιμοποιήσουμε μια μέθοδο τμηματοποίησης εικόνας.Στην παρούσα μελέτη, χρησιμοποιούμε την βιβλιοθήκη υπολογιστικής γεωμετρίας (CGAL), υλοποιημένη σε C++, και αναπτύσουμε μια νέα μέθοδο για την κατάτμηση χάρτών ηλεκτρονιακής πυκνότητας προσεγγίζοντας την επιφάνειά τους με ένα τριγωνοποιημένο πλέγμα. Πιο συγκεκριμένα , υπολογίζουμε ισοεπιφάνες (isosurfaces) από τους χάρτες πυκνότητας για διάφορες ισοτιμές (isovalues) στο διάστημα των ακραίων τιμών του χάρτη και ο συνδυασμός τους δίνει τα έγκυρα πεδία τιμών στο οποίο εντοπίζουμε τις διαφορετικές υπομονάδες του συμπλόκου του οποίου τον χάρτη μελετούμε. Με άλλα λόγια, ορίζουμε ένα διαμέρισμα του χάρτη συμβατό με τον αριθμό των υπομονάδων του συμπλόκου. Αν περιλαμβάνει n υπομονάδες το αποτέλεσμα της ανάλυσης πρέπει να αποτελείται από n απλά συνδεδεμένες περιοχές . Ο αλγόριθμος εφαρμόζεται σε προσομοιωμένους και πειραματικών Cryo-EM χάρτες. Οι προσομοιωμένοι χάρτες παρήχθησαν θολώνοντας μια ατομική δομή με έναν γκαουσιανό πυρήνα σε διάφορες τιμές ανάλυσης (SITUS λογισμικό), ενώ οι πειραματικοί παρέχονται EMDBdata τράπεζα. Τα κύρια πλεονεκτήματα της μεθόδου μας είναι ο γραμμικό χρόνος τρεξίματος και το χαρακτηριστικό της διατήρησης των σχήματων των εξαγόμενων τμημάτων. Στον προτεινόμενο αλγόριθμο , ο χρήστης επιλέγει ένα θετικό ακέραιο αριθμό που χωρίζει το εύρος [densitymin, densitymax] σε ίσα διαστήματα ισοτιμών και στο τέλος παράγεται ένα γράφημα που αποκαλύπτει την εξέλιξη των συνδεδεμένων περιοχών ως συνάρτηση των ισοτιμών. Από αυτό προκύπτει πολλαπλά ή/και μοναδικό έγκυρα πεδία τιμών που ανταποκρίνονται στον πραγματικό αριθμό των υπομονάδων του υπο μελέτη συμπλόκου. Η Boost Graph Library χρησιμοποιείται για το σκοπό της επιστροφής του αριθμού των συνδεδεμένων περιοχών τυ χάρτη. Στοχεύοντας σε αξιόπιστα αποτελέσματα , ο χρήστης μπορεί να προχωρήσει σε μια διαδικασία βελτίωσης σε επιμέρους διαστήματα όπου παρατηρείται θόρυβος . Τέλος , μια διαδικασία φιλτραρίσματος των πολλαπλών έγκυρων διαστημάτων ακολουθείται για την εξάλειψη των κακών όγκων ή των κακών ορισμένων υπομονάδων. Για την επικύρωση των αποτελεσμάτων που προκύπτουν απο την χρήση της μεθόδου που αναπτύξαμε εκμεταλλευόμαστε τους όγκους των συνδεδεμένων περιοχών του χάρτη και του ολικού όγου του συμπλόκου μέσω του DIOPHANTINE αναδρομικού αλγορίθμου Για την προσέγγιση του όγκου ενός στοιχείου του χάρτη χτίζουμε μια τετραεδρική απλοειδές πλέγμα ενώ ο όγκος του συμπλόκου υπολογίζεται από την αλληλουχία του. Τα ευρήματα της διαδικασίας αυτής επικυρώνουν τα αρχικά αποτελέσματα του προτεινόμενου αλγορίθμου.","abstract_html":"Τα μακρομοριακά σύμπλοκα είναι τα δομικά συστατικά των βιολογικών οργανισμών. Η κατανόηση της δομής των συμπλόκων αυτών είναι ζωτικής σημασίας όχι μόνο για την καλύτερη κατανόηση της λειτουργίας τους αλλά και για να κατανοήσουμε γιατι, μερικές φορές, αδυνατούν να λειτουργήσουν σωστά. Για τον προσδιορισμό της δομής των συμπλόκων αυτών χρησιμοποιούμε χάρτες ηλεκτρονιακής πυκνότητας, οι οποίοι προκύπτουν είτε απο πειράματα Κρυσταλλογραφίας Ακτίνων Χ είτε απο πειράματα Κρυογενούς Ηλεκτρονικής Μικροσκοπίας (Cryo-EM). Ο χάρτης ηλεκτρονιακής πυκνότητας μπορεί να περιγραφεί ως ένα τρισδιάστατο πλέγμα απο voxels – ανάλογο του pixel στις 3 διαστάσεις- που το καθένα περιέχει μια τιμή πυκνότητας ηλεκτρονίων. Η Cryo-EM τεχνική υπερτερεί της κρυσταλλογραφίας λόγω της δυνατότητας της να μελετά αρκετά μεγαλύτερα σύμπλοκα που διατηρούνται στην φυσική τους κατάσταση εφόσον δεν απαιτείται κρυστάλλωση του υπο μελέτη δείγματος. Ωστόσο, το κύριο μειονέκτημα της είναι πως οι χάρτες που προκύπτουν διακρίνονται απο αρκετά χαμηλότερη ανάλυση, περιέχουν θόρυβο και είναι πολύ ασαφής λόγω της ανακατασκεύης τους απο δισδιάστατες εικόνες του δείγματος. Έτσι, προκειμένου να εξάγουμε σημαντική δομική πληροφορία απο χάρτες ηλεκτρονιακής πυκνότητας πρέπει να χρησιμοποιήσουμε μια μέθοδο τμηματοποίησης εικόνας.Στην παρούσα μελέτη, χρησιμοποιούμε την βιβλιοθήκη υπολογιστικής γεωμετρίας (CGAL), υλοποιημένη σε C++, και αναπτύσουμε μια νέα μέθοδο για την κατάτμηση χάρτών ηλεκτρονιακής πυκνότητας προσεγγίζοντας την επιφάνειά τους με ένα τριγωνοποιημένο πλέγμα. Πιο συγκεκριμένα , υπολογίζουμε ισοεπιφάνες (isosurfaces) από τους χάρτες πυκνότητας για διάφορες ισοτιμές (isovalues) στο διάστημα των ακραίων τιμών του χάρτη και ο συνδυασμός τους δίνει τα έγκυρα πεδία τιμών στο οποίο εντοπίζουμε τις διαφορετικές υπομονάδες του συμπλόκου του οποίου τον χάρτη μελετούμε. Με άλλα λόγια, ορίζουμε ένα διαμέρισμα του χάρτη συμβατό με τον αριθμό των υπομονάδων του συμπλόκου. Αν περιλαμβάνει n υπομονάδες το αποτέλεσμα της ανάλυσης πρέπει να αποτελείται από n απλά συνδεδεμένες περιοχές . Ο αλγόριθμος εφαρμόζεται σε προσομοιωμένους και πειραματικών Cryo-EM χάρτες. Οι προσομοιωμένοι χάρτες παρήχθησαν θολώνοντας μια ατομική δομή με έναν γκαουσιανό πυρήνα σε διάφορες τιμές ανάλυσης (SITUS λογισμικό), ενώ οι πειραματικοί παρέχονται EMDBdata τράπεζα. Τα κύρια πλεονεκτήματα της μεθόδου μας είναι ο γραμμικό χρόνος τρεξίματος και το χαρακτηριστικό της διατήρησης των σχήματων των εξαγόμενων τμημάτων. Στον προτεινόμενο αλγόριθμο , ο χρήστης επιλέγει ένα θετικό ακέραιο αριθμό που χωρίζει το εύρος [densitymin, densitymax] σε ίσα διαστήματα ισοτιμών και στο τέλος παράγεται ένα γράφημα που αποκαλύπτει την εξέλιξη των συνδεδεμένων περιοχών ως συνάρτηση των ισοτιμών. Από αυτό προκύπτει πολλαπλά ή/και μοναδικό έγκυρα πεδία τιμών που ανταποκρίνονται στον πραγματικό αριθμό των υπομονάδων του υπο μελέτη συμπλόκου. Η Boost Graph Library χρησιμοποιείται για το σκοπό της επιστροφής του αριθμού των συνδεδεμένων περιοχών τυ χάρτη. Στοχεύοντας σε αξιόπιστα αποτελέσματα , ο χρήστης μπορεί να προχωρήσει σε μια διαδικασία βελτίωσης σε επιμέρους διαστήματα όπου παρατηρείται θόρυβος . Τέλος , μια διαδικασία φιλτραρίσματος των πολλαπλών έγκυρων διαστημάτων ακολουθείται για την εξάλειψη των κακών όγκων ή των κακών ορισμένων υπομονάδων. Για την επικύρωση των αποτελεσμάτων που προκύπτουν απο την χρήση της μεθόδου που αναπτύξαμε εκμεταλλευόμαστε τους όγκους των συνδεδεμένων περιοχών του χάρτη και του ολικού όγου του συμπλόκου μέσω του DIOPHANTINE αναδρομικού αλγορίθμου Για την προσέγγιση του όγκου ενός στοιχείου του χάρτη χτίζουμε μια τετραεδρική απλοειδές πλέγμα ενώ ο όγκος του συμπλόκου υπολογίζεται από την αλληλουχία του. Τα ευρήματα της διαδικασίας αυτής επικυρώνουν τα αρχικά αποτελέσματα του προτεινόμενου αλγορίθμου.","abstract_has_math":false,"creators":["Καλαμαρά Αγγελική"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2014,"date_issued":"2014","date_published":"2014","updated_at":"2026-11-19T05:26:35Z","subjects":[],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320983"],"render_values":[{"text":"uoadl:1320983","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320983","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/1320983","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%3A1320983","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Καλαμαρά Αγγελική"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2014"]},{"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":["English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:1320983","https://pergamos.lib.uoa.gr/uoa/dl/object/1320983"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα μακρομοριακά σύμπλοκα είναι τα δομικά συστατικά των βιολογικών οργανισμών. Η κατανόηση της δομής των συμπλόκων αυτών είναι ζωτικής σημασίας όχι μόνο για την καλύτερη κατανόηση της λειτουργίας τους αλλά και για να κατανοήσουμε γιατι, μερικές φορές, αδυνατούν να λειτουργήσουν σωστά. Για τον προσδιορισμό της δομής των συμπλόκων αυτών χρησιμοποιούμε χάρτες ηλεκτρονιακής πυκνότητας, οι οποίοι προκύπτουν είτε απο πειράματα Κρυσταλλογραφίας Ακτίνων Χ είτε απο πειράματα Κρυογενούς Ηλεκτρονικής Μικροσκοπίας (Cryo-EM). Ο χάρτης ηλεκτρονιακής πυκνότητας μπορεί να περιγραφεί ως ένα τρισδιάστατο πλέγμα απο voxels – ανάλογο του pixel στις 3 διαστάσεις- που το καθένα περιέχει μια τιμή πυκνότητας ηλεκτρονίων. Η Cryo-EM τεχνική υπερτερεί της κρυσταλλογραφίας λόγω της δυνατότητας της να μελετά αρκετά μεγαλύτερα σύμπλοκα που διατηρούνται στην φυσική τους κατάσταση εφόσον δεν απαιτείται κρυστάλλωση του υπο μελέτη δείγματος. Ωστόσο, το κύριο μειονέκτημα της είναι πως οι χάρτες που προκύπτουν διακρίνονται απο αρκετά χαμηλότερη ανάλυση, περιέχουν θόρυβο και είναι πολύ ασαφής λόγω της ανακατασκεύης τους απο δισδιάστατες εικόνες του δείγματος. Έτσι, προκειμένου να εξάγουμε σημαντική δομική πληροφορία απο χάρτες ηλεκτρονιακής πυκνότητας πρέπει να χρησιμοποιήσουμε μια μέθοδο τμηματοποίησης εικόνας.Στην παρούσα μελέτη, χρησιμοποιούμε την βιβλιοθήκη υπολογιστικής γεωμετρίας (CGAL), υλοποιημένη σε C++, και αναπτύσουμε μια νέα μέθοδο για την κατάτμηση χάρτών ηλεκτρονιακής πυκνότητας προσεγγίζοντας την επιφάνειά τους με ένα τριγωνοποιημένο πλέγμα. Πιο συγκεκριμένα , υπολογίζουμε ισοεπιφάνες (isosurfaces) από τους χάρτες πυκνότητας για διάφορες ισοτιμές (isovalues) στο διάστημα των ακραίων τιμών του χάρτη και ο συνδυασμός τους δίνει τα έγκυρα πεδία τιμών στο οποίο εντοπίζουμε τις διαφορετικές υπομονάδες του συμπλόκου του οποίου τον χάρτη μελετούμε. Με άλλα λόγια, ορίζουμε ένα διαμέρισμα του χάρτη συμβατό με τον αριθμό των υπομονάδων του συμπλόκου. Αν περιλαμβάνει n υπομονάδες το αποτέλεσμα της ανάλυσης πρέπει να αποτελείται από n απλά συνδεδεμένες περιοχές . Ο αλγόριθμος εφαρμόζεται σε προσομοιωμένους και πειραματικών Cryo-EM χάρτες. Οι προσομοιωμένοι χάρτες παρήχθησαν θολώνοντας μια ατομική δομή με έναν γκαουσιανό πυρήνα σε διάφορες τιμές ανάλυσης (SITUS λογισμικό), ενώ οι πειραματικοί παρέχονται EMDBdata τράπεζα. Τα κύρια πλεονεκτήματα της μεθόδου μας είναι ο γραμμικό χρόνος τρεξίματος και το χαρακτηριστικό της διατήρησης των σχήματων των εξαγόμενων τμημάτων. Στον προτεινόμενο αλγόριθμο , ο χρήστης επιλέγει ένα θετικό ακέραιο αριθμό που χωρίζει το εύρος [densitymin, densitymax] σε ίσα διαστήματα ισοτιμών και στο τέλος παράγεται ένα γράφημα που αποκαλύπτει την εξέλιξη των συνδεδεμένων περιοχών ως συνάρτηση των ισοτιμών. Από αυτό προκύπτει πολλαπλά ή/και μοναδικό έγκυρα πεδία τιμών που ανταποκρίνονται στον πραγματικό αριθμό των υπομονάδων του υπο μελέτη συμπλόκου. Η Boost Graph Library χρησιμοποιείται για το σκοπό της επιστροφής του αριθμού των συνδεδεμένων περιοχών τυ χάρτη. Στοχεύοντας σε αξιόπιστα αποτελέσματα , ο χρήστης μπορεί να προχωρήσει σε μια διαδικασία βελτίωσης σε επιμέρους διαστήματα όπου παρατηρείται θόρυβος . Τέλος , μια διαδικασία φιλτραρίσματος των πολλαπλών έγκυρων διαστημάτων ακολουθείται για την εξάλειψη των κακών όγκων ή των κακών ορισμένων υπομονάδων. Για την επικύρωση των αποτελεσμάτων που προκύπτουν απο την χρήση της μεθόδου που αναπτύξαμε εκμεταλλευόμαστε τους όγκους των συνδεδεμένων περιοχών του χάρτη και του ολικού όγου του συμπλόκου μέσω του DIOPHANTINE αναδρομικού αλγορίθμου Για την προσέγγιση του όγκου ενός στοιχείου του χάρτη χτίζουμε μια τετραεδρική απλοειδές πλέγμα ενώ ο όγκος του συμπλόκου υπολογίζεται από την αλληλουχία του. Τα ευρήματα της διαδικασίας αυτής επικυρώνουν τα αρχικά αποτελέσματα του προτεινόμενου αλγορίθμου.","Macromolecular complexes are the building blocks and workhorses of biological organisms. Gaining insight into the structure of such complexes is critical not only to better understand their function but also to comprehend why they , sometimes, fail to function properly. To determine the structure of these complexes electron density maps are used. They derive either from X-Ray Crystallography or Cryo-Electron Microscopy (Cryo-EM) experiments and they are described as a 3-dimensional grid of voxels each containing an electron density value. The advantage of Cryo-EM technique is that we can study large macromolecular assemblies preserved in their native state. However, the main shortcoming of this technique is that the resulting maps are of lower resolution and very fuzzy. Thus, segmentation methods are commonly used to extract structural information from low-resolution density maps.In this present study we use CGAL, written in C++, and develop a novel method for segmenting density maps by approximating their surface with a triangular mesh. More specifically, we calculate level set surfaces (isosurfaces) from density maps for various level set values (isovalues) and combine them to identify the molecular boundaries within a density map. In other words we define a partition of the map compliant with the number of subunits; if the assembly involves \\emph{n} subunits the result of the analysis should consist of \\emph{n} simply connected regions. The algorithm is applied to both simulated and experimental Cryo-Electron Microscopy (Cryo-EM) maps. Simulated maps were generated by blurring an atomic structure with a Gaussian kernel at various resolution values (SITUS package) while the latter were provided by the EMDBdata Bank. The main advantages of our method are its running time - close to linear time - and the characteristic of shape preservation. In the proposed algorithm, a user chooses a positive integer number which equally splits the [densitymin, densitymax] range of values and a plot is produced, revealing the evolution of the connected components as a function of the isovalues. From this we obtain multiple/single valid isovalue ranges. Boost Graph Library is used for the purpose of returning as output the total number of connected components; in this case the triangulated surface mesh is treated like a graph. Aiming at reliable results, the user may proceed with a refinement process in sub-intervals where noise is observed. Finally, a filtration process of multiple ranges is subsequently followed to eliminate poor volumes or ill-posed components.The reported results are validated exploiting information from the connected components' and complex structure's volume via the DIOPHANTINE recursive algorithm. To approximate the volume of a component of the map we build a tetrahedral simplicial mesh whereas the structure's volume is calculated by its sequence. Findings result from validation denote that our algorithm is able to predict correctly the location of the subunits of a complex structure; except one case."]},{"key":"dc:title","label":"Title","values":["Detecting Molecular Boundaries in Density Maps"]}]}],"canonical_facts":{"dc:creator":["Καλαμαρά Αγγελική"],"dc:date":["2014"],"dc:description":["Τα μακρομοριακά σύμπλοκα είναι τα δομικά συστατικά των βιολογικών οργανισμών. Η κατανόηση της δομής των συμπλόκων αυτών είναι ζωτικής σημασίας όχι μόνο για την καλύτερη κατανόηση της λειτουργίας τους αλλά και για να κατανοήσουμε γιατι, μερικές φορές, αδυνατούν να λειτουργήσουν σωστά. Για τον προσδιορισμό της δομής των συμπλόκων αυτών χρησιμοποιούμε χάρτες ηλεκτρονιακής πυκνότητας, οι οποίοι προκύπτουν είτε απο πειράματα Κρυσταλλογραφίας Ακτίνων Χ είτε απο πειράματα Κρυογενούς Ηλεκτρονικής Μικροσκοπίας (Cryo-EM). Ο χάρτης ηλεκτρονιακής πυκνότητας μπορεί να περιγραφεί ως ένα τρισδιάστατο πλέγμα απο voxels – ανάλογο του pixel στις 3 διαστάσεις- που το καθένα περιέχει μια τιμή πυκνότητας ηλεκτρονίων. Η Cryo-EM τεχνική υπερτερεί της κρυσταλλογραφίας λόγω της δυνατότητας της να μελετά αρκετά μεγαλύτερα σύμπλοκα που διατηρούνται στην φυσική τους κατάσταση εφόσον δεν απαιτείται κρυστάλλωση του υπο μελέτη δείγματος. Ωστόσο, το κύριο μειονέκτημα της είναι πως οι χάρτες που προκύπτουν διακρίνονται απο αρκετά χαμηλότερη ανάλυση, περιέχουν θόρυβο και είναι πολύ ασαφής λόγω της ανακατασκεύης τους απο δισδιάστατες εικόνες του δείγματος. Έτσι, προκειμένου να εξάγουμε σημαντική δομική πληροφορία απο χάρτες ηλεκτρονιακής πυκνότητας πρέπει να χρησιμοποιήσουμε μια μέθοδο τμηματοποίησης εικόνας.Στην παρούσα μελέτη, χρησιμοποιούμε την βιβλιοθήκη υπολογιστικής γεωμετρίας (CGAL), υλοποιημένη σε C++, και αναπτύσουμε μια νέα μέθοδο για την κατάτμηση χάρτών ηλεκτρονιακής πυκνότητας προσεγγίζοντας την επιφάνειά τους με ένα τριγωνοποιημένο πλέγμα. Πιο συγκεκριμένα , υπολογίζουμε ισοεπιφάνες (isosurfaces) από τους χάρτες πυκνότητας για διάφορες ισοτιμές (isovalues) στο διάστημα των ακραίων τιμών του χάρτη και ο συνδυασμός τους δίνει τα έγκυρα πεδία τιμών στο οποίο εντοπίζουμε τις διαφορετικές υπομονάδες του συμπλόκου του οποίου τον χάρτη μελετούμε. Με άλλα λόγια, ορίζουμε ένα διαμέρισμα του χάρτη συμβατό με τον αριθμό των υπομονάδων του συμπλόκου. Αν περιλαμβάνει n υπομονάδες το αποτέλεσμα της ανάλυσης πρέπει να αποτελείται από n απλά συνδεδεμένες περιοχές . Ο αλγόριθμος εφαρμόζεται σε προσομοιωμένους και πειραματικών Cryo-EM χάρτες. Οι προσομοιωμένοι χάρτες παρήχθησαν θολώνοντας μια ατομική δομή με έναν γκαουσιανό πυρήνα σε διάφορες τιμές ανάλυσης (SITUS λογισμικό), ενώ οι πειραματικοί παρέχονται EMDBdata τράπεζα. Τα κύρια πλεονεκτήματα της μεθόδου μας είναι ο γραμμικό χρόνος τρεξίματος και το χαρακτηριστικό της διατήρησης των σχήματων των εξαγόμενων τμημάτων. Στον προτεινόμενο αλγόριθμο , ο χρήστης επιλέγει ένα θετικό ακέραιο αριθμό που χωρίζει το εύρος [densitymin, densitymax] σε ίσα διαστήματα ισοτιμών και στο τέλος παράγεται ένα γράφημα που αποκαλύπτει την εξέλιξη των συνδεδεμένων περιοχών ως συνάρτηση των ισοτιμών. Από αυτό προκύπτει πολλαπλά ή/και μοναδικό έγκυρα πεδία τιμών που ανταποκρίνονται στον πραγματικό αριθμό των υπομονάδων του υπο μελέτη συμπλόκου. Η Boost Graph Library χρησιμοποιείται για το σκοπό της επιστροφής του αριθμού των συνδεδεμένων περιοχών τυ χάρτη. Στοχεύοντας σε αξιόπιστα αποτελέσματα , ο χρήστης μπορεί να προχωρήσει σε μια διαδικασία βελτίωσης σε επιμέρους διαστήματα όπου παρατηρείται θόρυβος . Τέλος , μια διαδικασία φιλτραρίσματος των πολλαπλών έγκυρων διαστημάτων ακολουθείται για την εξάλειψη των κακών όγκων ή των κακών ορισμένων υπομονάδων. Για την επικύρωση των αποτελεσμάτων που προκύπτουν απο την χρήση της μεθόδου που αναπτύξαμε εκμεταλλευόμαστε τους όγκους των συνδεδεμένων περιοχών του χάρτη και του ολικού όγου του συμπλόκου μέσω του DIOPHANTINE αναδρομικού αλγορίθμου Για την προσέγγιση του όγκου ενός στοιχείου του χάρτη χτίζουμε μια τετραεδρική απλοειδές πλέγμα ενώ ο όγκος του συμπλόκου υπολογίζεται από την αλληλουχία του. Τα ευρήματα της διαδικασίας αυτής επικυρώνουν τα αρχικά αποτελέσματα του προτεινόμενου αλγορίθμου.","Macromolecular complexes are the building blocks and workhorses of biological organisms. Gaining insight into the structure of such complexes is critical not only to better understand their function but also to comprehend why they , sometimes, fail to function properly. To determine the structure of these complexes electron density maps are used. They derive either from X-Ray Crystallography or Cryo-Electron Microscopy (Cryo-EM) experiments and they are described as a 3-dimensional grid of voxels each containing an electron density value. The advantage of Cryo-EM technique is that we can study large macromolecular assemblies preserved in their native state. However, the main shortcoming of this technique is that the resulting maps are of lower resolution and very fuzzy. Thus, segmentation methods are commonly used to extract structural information from low-resolution density maps.In this present study we use CGAL, written in C++, and develop a novel method for segmenting density maps by approximating their surface with a triangular mesh. More specifically, we calculate level set surfaces (isosurfaces) from density maps for various level set values (isovalues) and combine them to identify the molecular boundaries within a density map. In other words we define a partition of the map compliant with the number of subunits; if the assembly involves \\emph{n} subunits the result of the analysis should consist of \\emph{n} simply connected regions. The algorithm is applied to both simulated and experimental Cryo-Electron Microscopy (Cryo-EM) maps. Simulated maps were generated by blurring an atomic structure with a Gaussian kernel at various resolution values (SITUS package) while the latter were provided by the EMDBdata Bank. The main advantages of our method are its running time - close to linear time - and the characteristic of shape preservation. In the proposed algorithm, a user chooses a positive integer number which equally splits the [densitymin, densitymax] range of values and a plot is produced, revealing the evolution of the connected components as a function of the isovalues. From this we obtain multiple/single valid isovalue ranges. Boost Graph Library is used for the purpose of returning as output the total number of connected components; in this case the triangulated surface mesh is treated like a graph. Aiming at reliable results, the user may proceed with a refinement process in sub-intervals where noise is observed. Finally, a filtration process of multiple ranges is subsequently followed to eliminate poor volumes or ill-posed components.The reported results are validated exploiting information from the connected components' and complex structure's volume via the DIOPHANTINE recursive algorithm. To approximate the volume of a component of the map we build a tetrahedral simplicial mesh whereas the structure's volume is calculated by its sequence. Findings result from validation denote that our algorithm is able to predict correctly the location of the subunits of a complex structure; except one case."],"dc:identifier":["uoadl:1320983","https://pergamos.lib.uoa.gr/uoa/dl/object/1320983"],"dc:language":["English"],"dc:title":["Detecting Molecular Boundaries in Density Maps"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:26:35Z"}