{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2810741"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2810741","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Advanced clustering methods for identifying bioactive molecular conformations","abstract":"Οι προσομοιώσεις μοριακών δυναμικών, ειδικά οι προσομοιώσεις αναδίπλωσης πρωτεϊνών, αποτελούν σημαντικές τεχνικές για τη δειγματοληψία των διαφόρων διαμορφώσεων πρωτεϊνών και άλλων βιομορίων. Λόγω της λεπτομέρειας ατομικού επιπέδου που παρέχουν, οι προσομοιώσεις μοριακών δυναμικών μπορούν να περιγράψουν τις δυναμικές των μορίων, με πολύ υψηλότερη ανάλυση ως προς τον χρόνο και το χώρο, σε σύγκριση με τις περισσότερες πειραματικές τεχνικές. Η ανάλυση αυτή μας επιτρέπει να λαμβάνουμε με πιο αποτελεσματικό τρόπο τις αλλαγές στις διαμορφώσεων των βιομορίων, οι οποίες είναι πολύ σημαντικές για διάφορες βιολογικές διεργασίες όπως η δίπλωση πρωτεϊνών και η πρόσδεση συνδέτη (ligand binding). Λόγω της μεγάλης χρονικής διάρκειας και της πολύπλοκης φύσης των δεδομένων αυτών, γίνεται ιδιαίτερα δύσκολο να τα αναλύσουμε ή να αποκτήσουμε κάποια διαίσθηση από αυτά. Η συσταδοποήση και τα Markov μοντέλα καταστάσεων (Markov State Models) αποτελούν λύσεις για την αντιμετώπιση των περισσοτέρων προκλήσεων που προκύπτουν από τα δεδομένα αυτά, ώστε να γίνονται με πιο αποτελεσματικό τρόπο αντιληπτές οι αλλαγές των διαμορφώσεων των βιομορίων, καθώς και να παρέχουν αναπαραστάσεις, εύκολα κατανοητές από τον άνθρωπο. Για τις μεγάλες, χρονικά, προσομοιώσεις, από τις οποίες προκύπτουν επίσης μεγάλα σύνολα δεδομένων, θα μπορούσαν να χρησιμοποιηθούν και προσεγγιστικές τεχνικές συσταδοποίησης για την αντικατάσταση κοινών μεθόδων όπως τον αλγόριθμο k-means. Στα πειράματά μας εδώ επικυρώνουμε την αποτελεσματικότητα, ως προς ποιότητα και χρόνο, ενός προσεγγιστικού αλγορίθμου συσταδοποίησης, του IQ-means (inverted-quantized k-mean), σε δεδομένα από προσομοιώσεις μοριακών δυναμικών. Ο αλγόριθμος αυτός (IQ-means) χρησιμοποιεί διάφορα συστατικά από υπάρχουσες προχωρημένες παραλλαγές του k-means και σε πειράματα που έχουν γίνει αναφέρεται να επιτυγχάνει την ομαδοποίηση 100 εκατομμυρίων εικόνων σε έναν μόνο υπολογιστή σε λιγότερο από μία ώρα. Οπότε, η χρήση του μπορεί να είναι ιδιαίτερα σημαντική όχι μόνο ως προς την αντικατάσταση του k-means, αλλά και ως βήμα για τον προσδιορισμό του αριθμού των ομάδων σε μεγάλα σύνολα δεδομένων. Εκτός από την ανάγκη για τεχνικές γρήγορης συσταδοποίησης, μια άλλη σημαντική πτυχή είναι να μπορούμε να παρέχουμε απλές αναπαραστάσεις των διαμορφώσεων, οι οποίες μπορούν να συμβάλουν στην ταχύτερη επεξεργασία και μεταφορά των δεδομένων αυτών. Μια τέτοια αναπαράσταση επαληθεύεται στην εργασία αυτή, όπου κάθε διαμόρφωση του βιομορίου μετατρέπεται σε ένα μοναδικό τρισδιάστατο σημείο και φαίνεται να διατηρεί τις διαφορές στα σχήματα των διαμορφώσεων. Επίσης, πειραματιζόμαστε με τα Markov State Models χρησιμοποιώντας διάφορες τεχνικές ομαδοποίησης, όπως τον IQ-means για το βήμα της γεωμετρικής ομαδοποίησης των διαμορφώσεων, καθώς και τους αλγόριθμους PCCA και BACE για την ομαδοποίηση ως προς την κινητική ομοιότητα των καταστάσεων. Ο αλγόριθμος BACE δίνει περισσότερη έμφαση σε καταστάσεις με επαρκή δειγματοληψία, έτσι ώστε να μην επικρατούν στα τελικά μοντέλα καταστάσεις με ανεπαρκές δείγμα. Η PCCA+, η οποία είναι μια βελτιωμένη έκδοση της PCCA, αποτελεί μία από τις πιο συχνά χρησιμοποιούμενες μεθόδους για τα MSM, όπου χρησιμοποιεί το φάσμα των ιδιοτιμών του πίνακα με τις μεταβατικές πιθανότητες. Εφαρμόζουμε αυτές τις μεθόδους και διερευνάμε τη βιοενεργή διαμόρφωση του οκταπεπτιδίου Αγγειοτενσίνη ΙΙ, χρησιμοποιώντας πολλαπλές τροχιές από προσομοιώσεις σε μείγματα νερού και νερού-αιθανόλης, σε διάφορες θερμοκρασίες. Προηγούμενες μελέτες για τη βιοενεργή διαμόρφωση της Αγγειοτενσίνης II, όταν συνδέεται με τον υποδοχέα διαμεμβρανικής πρωτεΐνης AT1, φάνηκε να έχουν αποκλίνοντα αποτελέσματα μεταξύ τους, καθιστώντας σημαντικό να μελετηθούν, σε λεπτομέρεια ατομικού επιπέδου, οι ενδομοριακές αλληλεπιδράσεις της Αγγειοτενσίνης ΙΙ με το περιβάλλον της μεμβράνης. Τα αποτελέσματα δείχνουν ότι στο περιβάλλον της μεμβράνης καθώς αυξάνεται η θερμοκρασία, η Αγγειοτενσίνη II τείνει να έχει πιο συμπαγείς (διπλωμένες) διαμορφώσεις (σχήματος U). Η αναπαράσταση των διαμορφώσεων σε ένα μοναδικό τρισδιάστατο σημείο φαίνεται να διακριτοποιούν τις διαμορφώσεις ως προς τις διαφορές τους στο σχήμα. Ο IQ-means παρέχει συσταδοποίση με λογική απώλεια ποιότητας ως προς την χρονική βελτίωση, καθώς και αποτελεί καλή προσέγγιση για τον προσδιορισμό των γεωμετρικών ομάδων στα MSM, συγκρίνοντας τα τελικά αποτελέσματα των μοντέλων. Τέλος, η χρήση των μεθόδων BACE και PCCA+ φαίνεται να παράγει παρόμοια τελικά αποτελέσματα με αυτά της τυπικής μεθόδου.","abstract_html":"Οι προσομοιώσεις μοριακών δυναμικών, ειδικά οι προσομοιώσεις αναδίπλωσης πρωτεϊνών, αποτελούν σημαντικές τεχνικές για τη δειγματοληψία των διαφόρων διαμορφώσεων πρωτεϊνών και άλλων βιομορίων. Λόγω της λεπτομέρειας ατομικού επιπέδου που παρέχουν, οι προσομοιώσεις μοριακών δυναμικών μπορούν να περιγράψουν τις δυναμικές των μορίων, με πολύ υψηλότερη ανάλυση ως προς τον χρόνο και το χώρο, σε σύγκριση με τις περισσότερες πειραματικές τεχνικές. Η ανάλυση αυτή μας επιτρέπει να λαμβάνουμε με πιο αποτελεσματικό τρόπο τις αλλαγές στις διαμορφώσεων των βιομορίων, οι οποίες είναι πολύ σημαντικές για διάφορες βιολογικές διεργασίες όπως η δίπλωση πρωτεϊνών και η πρόσδεση συνδέτη (ligand binding). Λόγω της μεγάλης χρονικής διάρκειας και της πολύπλοκης φύσης των δεδομένων αυτών, γίνεται ιδιαίτερα δύσκολο να τα αναλύσουμε ή να αποκτήσουμε κάποια διαίσθηση από αυτά. Η συσταδοποήση και τα Markov μοντέλα καταστάσεων (Markov State Models) αποτελούν λύσεις για την αντιμετώπιση των περισσοτέρων προκλήσεων που προκύπτουν από τα δεδομένα αυτά, ώστε να γίνονται με πιο αποτελεσματικό τρόπο αντιληπτές οι αλλαγές των διαμορφώσεων των βιομορίων, καθώς και να παρέχουν αναπαραστάσεις, εύκολα κατανοητές από τον άνθρωπο. Για τις μεγάλες, χρονικά, προσομοιώσεις, από τις οποίες προκύπτουν επίσης μεγάλα σύνολα δεδομένων, θα μπορούσαν να χρησιμοποιηθούν και προσεγγιστικές τεχνικές συσταδοποίησης για την αντικατάσταση κοινών μεθόδων όπως τον αλγόριθμο k-means. Στα πειράματά μας εδώ επικυρώνουμε την αποτελεσματικότητα, ως προς ποιότητα και χρόνο, ενός προσεγγιστικού αλγορίθμου συσταδοποίησης, του IQ-means (inverted-quantized k-mean), σε δεδομένα από προσομοιώσεις μοριακών δυναμικών. Ο αλγόριθμος αυτός (IQ-means) χρησιμοποιεί διάφορα συστατικά από υπάρχουσες προχωρημένες παραλλαγές του k-means και σε πειράματα που έχουν γίνει αναφέρεται να επιτυγχάνει την ομαδοποίηση 100 εκατομμυρίων εικόνων σε έναν μόνο υπολογιστή σε λιγότερο από μία ώρα. Οπότε, η χρήση του μπορεί να είναι ιδιαίτερα σημαντική όχι μόνο ως προς την αντικατάσταση του k-means, αλλά και ως βήμα για τον προσδιορισμό του αριθμού των ομάδων σε μεγάλα σύνολα δεδομένων. Εκτός από την ανάγκη για τεχνικές γρήγορης συσταδοποίησης, μια άλλη σημαντική πτυχή είναι να μπορούμε να παρέχουμε απλές αναπαραστάσεις των διαμορφώσεων, οι οποίες μπορούν να συμβάλουν στην ταχύτερη επεξεργασία και μεταφορά των δεδομένων αυτών. Μια τέτοια αναπαράσταση επαληθεύεται στην εργασία αυτή, όπου κάθε διαμόρφωση του βιομορίου μετατρέπεται σε ένα μοναδικό τρισδιάστατο σημείο και φαίνεται να διατηρεί τις διαφορές στα σχήματα των διαμορφώσεων. Επίσης, πειραματιζόμαστε με τα Markov State Models χρησιμοποιώντας διάφορες τεχνικές ομαδοποίησης, όπως τον IQ-means για το βήμα της γεωμετρικής ομαδοποίησης των διαμορφώσεων, καθώς και τους αλγόριθμους PCCA και BACE για την ομαδοποίηση ως προς την κινητική ομοιότητα των καταστάσεων. Ο αλγόριθμος BACE δίνει περισσότερη έμφαση σε καταστάσεις με επαρκή δειγματοληψία, έτσι ώστε να μην επικρατούν στα τελικά μοντέλα καταστάσεις με ανεπαρκές δείγμα. Η PCCA+, η οποία είναι μια βελτιωμένη έκδοση της PCCA, αποτελεί μία από τις πιο συχνά χρησιμοποιούμενες μεθόδους για τα MSM, όπου χρησιμοποιεί το φάσμα των ιδιοτιμών του πίνακα με τις μεταβατικές πιθανότητες. Εφαρμόζουμε αυτές τις μεθόδους και διερευνάμε τη βιοενεργή διαμόρφωση του οκταπεπτιδίου Αγγειοτενσίνη ΙΙ, χρησιμοποιώντας πολλαπλές τροχιές από προσομοιώσεις σε μείγματα νερού και νερού-αιθανόλης, σε διάφορες θερμοκρασίες. Προηγούμενες μελέτες για τη βιοενεργή διαμόρφωση της Αγγειοτενσίνης II, όταν συνδέεται με τον υποδοχέα διαμεμβρανικής πρωτεΐνης AT1, φάνηκε να έχουν αποκλίνοντα αποτελέσματα μεταξύ τους, καθιστώντας σημαντικό να μελετηθούν, σε λεπτομέρεια ατομικού επιπέδου, οι ενδομοριακές αλληλεπιδράσεις της Αγγειοτενσίνης ΙΙ με το περιβάλλον της μεμβράνης. Τα αποτελέσματα δείχνουν ότι στο περιβάλλον της μεμβράνης καθώς αυξάνεται η θερμοκρασία, η Αγγειοτενσίνη II τείνει να έχει πιο συμπαγείς (διπλωμένες) διαμορφώσεις (σχήματος U). Η αναπαράσταση των διαμορφώσεων σε ένα μοναδικό τρισδιάστατο σημείο φαίνεται να διακριτοποιούν τις διαμορφώσεις ως προς τις διαφορές τους στο σχήμα. Ο IQ-means παρέχει συσταδοποίση με λογική απώλεια ποιότητας ως προς την χρονική βελτίωση, καθώς και αποτελεί καλή προσέγγιση για τον προσδιορισμό των γεωμετρικών ομάδων στα MSM, συγκρίνοντας τα τελικά αποτελέσματα των μοντέλων. Τέλος, η χρήση των μεθόδων BACE και PCCA+ φαίνεται να παράγει παρόμοια τελικά αποτελέσματα με αυτά της τυπικής μεθόδου.","abstract_has_math":false,"creators":["Χριστοφόρου Εμμανουήλ","Christoforou Emmanouil"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2018,"date_issued":"2018","date_published":"2018","updated_at":"2026-11-19T05:32:14Z","subjects":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"languages":["English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2810741"],"render_values":[{"text":"uoadl:2810741","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2810741","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2810741","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%3A2810741","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Χριστοφόρου Εμμανουήλ","Christoforou Emmanouil"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2018"]},{"key":"dc:type","label":"Dc Type","values":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]}]},{"id":"subjects_keywords","label":"Subjects and Keywords","entries":[{"key":"dc:subject","label":"Dc Subject","values":["Τεχνολογία – Πληροφορική","Technology - Computer science"]}]},{"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:2810741","https://pergamos.lib.uoa.gr/uoa/dl/object/2810741"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Οι προσομοιώσεις μοριακών δυναμικών, ειδικά οι προσομοιώσεις αναδίπλωσης πρωτεϊνών, αποτελούν σημαντικές τεχνικές για τη δειγματοληψία των διαφόρων διαμορφώσεων πρωτεϊνών και άλλων βιομορίων. Λόγω της λεπτομέρειας ατομικού επιπέδου που παρέχουν, οι προσομοιώσεις μοριακών δυναμικών μπορούν να περιγράψουν τις δυναμικές των μορίων, με πολύ υψηλότερη ανάλυση ως προς τον χρόνο και το χώρο, σε σύγκριση με τις περισσότερες πειραματικές τεχνικές. Η ανάλυση αυτή μας επιτρέπει να λαμβάνουμε με πιο αποτελεσματικό τρόπο τις αλλαγές στις διαμορφώσεων των βιομορίων, οι οποίες είναι πολύ σημαντικές για διάφορες βιολογικές διεργασίες όπως η δίπλωση πρωτεϊνών και η πρόσδεση συνδέτη (ligand binding). Λόγω της μεγάλης χρονικής διάρκειας και της πολύπλοκης φύσης των δεδομένων αυτών, γίνεται ιδιαίτερα δύσκολο να τα αναλύσουμε ή να αποκτήσουμε κάποια διαίσθηση από αυτά. Η συσταδοποήση και τα Markov μοντέλα καταστάσεων (Markov State Models) αποτελούν λύσεις για την αντιμετώπιση των περισσοτέρων προκλήσεων που προκύπτουν από τα δεδομένα αυτά, ώστε να γίνονται με πιο αποτελεσματικό τρόπο αντιληπτές οι αλλαγές των διαμορφώσεων των βιομορίων, καθώς και να παρέχουν αναπαραστάσεις, εύκολα κατανοητές από τον άνθρωπο. Για τις μεγάλες, χρονικά, προσομοιώσεις, από τις οποίες προκύπτουν επίσης μεγάλα σύνολα δεδομένων, θα μπορούσαν να χρησιμοποιηθούν και προσεγγιστικές τεχνικές συσταδοποίησης για την αντικατάσταση κοινών μεθόδων όπως τον αλγόριθμο k-means. Στα πειράματά μας εδώ επικυρώνουμε την αποτελεσματικότητα, ως προς ποιότητα και χρόνο, ενός προσεγγιστικού αλγορίθμου συσταδοποίησης, του IQ-means (inverted-quantized k-mean), σε δεδομένα από προσομοιώσεις μοριακών δυναμικών. Ο αλγόριθμος αυτός (IQ-means) χρησιμοποιεί διάφορα συστατικά από υπάρχουσες προχωρημένες παραλλαγές του k-means και σε πειράματα που έχουν γίνει αναφέρεται να επιτυγχάνει την ομαδοποίηση 100 εκατομμυρίων εικόνων σε έναν μόνο υπολογιστή σε λιγότερο από μία ώρα. Οπότε, η χρήση του μπορεί να είναι ιδιαίτερα σημαντική όχι μόνο ως προς την αντικατάσταση του k-means, αλλά και ως βήμα για τον προσδιορισμό του αριθμού των ομάδων σε μεγάλα σύνολα δεδομένων. Εκτός από την ανάγκη για τεχνικές γρήγορης συσταδοποίησης, μια άλλη σημαντική πτυχή είναι να μπορούμε να παρέχουμε απλές αναπαραστάσεις των διαμορφώσεων, οι οποίες μπορούν να συμβάλουν στην ταχύτερη επεξεργασία και μεταφορά των δεδομένων αυτών. Μια τέτοια αναπαράσταση επαληθεύεται στην εργασία αυτή, όπου κάθε διαμόρφωση του βιομορίου μετατρέπεται σε ένα μοναδικό τρισδιάστατο σημείο και φαίνεται να διατηρεί τις διαφορές στα σχήματα των διαμορφώσεων. Επίσης, πειραματιζόμαστε με τα Markov State Models χρησιμοποιώντας διάφορες τεχνικές ομαδοποίησης, όπως τον IQ-means για το βήμα της γεωμετρικής ομαδοποίησης των διαμορφώσεων, καθώς και τους αλγόριθμους PCCA και BACE για την ομαδοποίηση ως προς την κινητική ομοιότητα των καταστάσεων. Ο αλγόριθμος BACE δίνει περισσότερη έμφαση σε καταστάσεις με επαρκή δειγματοληψία, έτσι ώστε να μην επικρατούν στα τελικά μοντέλα καταστάσεις με ανεπαρκές δείγμα. Η PCCA+, η οποία είναι μια βελτιωμένη έκδοση της PCCA, αποτελεί μία από τις πιο συχνά χρησιμοποιούμενες μεθόδους για τα MSM, όπου χρησιμοποιεί το φάσμα των ιδιοτιμών του πίνακα με τις μεταβατικές πιθανότητες. Εφαρμόζουμε αυτές τις μεθόδους και διερευνάμε τη βιοενεργή διαμόρφωση του οκταπεπτιδίου Αγγειοτενσίνη ΙΙ, χρησιμοποιώντας πολλαπλές τροχιές από προσομοιώσεις σε μείγματα νερού και νερού-αιθανόλης, σε διάφορες θερμοκρασίες. Προηγούμενες μελέτες για τη βιοενεργή διαμόρφωση της Αγγειοτενσίνης II, όταν συνδέεται με τον υποδοχέα διαμεμβρανικής πρωτεΐνης AT1, φάνηκε να έχουν αποκλίνοντα αποτελέσματα μεταξύ τους, καθιστώντας σημαντικό να μελετηθούν, σε λεπτομέρεια ατομικού επιπέδου, οι ενδομοριακές αλληλεπιδράσεις της Αγγειοτενσίνης ΙΙ με το περιβάλλον της μεμβράνης. Τα αποτελέσματα δείχνουν ότι στο περιβάλλον της μεμβράνης καθώς αυξάνεται η θερμοκρασία, η Αγγειοτενσίνη II τείνει να έχει πιο συμπαγείς (διπλωμένες) διαμορφώσεις (σχήματος U). Η αναπαράσταση των διαμορφώσεων σε ένα μοναδικό τρισδιάστατο σημείο φαίνεται να διακριτοποιούν τις διαμορφώσεις ως προς τις διαφορές τους στο σχήμα. Ο IQ-means παρέχει συσταδοποίση με λογική απώλεια ποιότητας ως προς την χρονική βελτίωση, καθώς και αποτελεί καλή προσέγγιση για τον προσδιορισμό των γεωμετρικών ομάδων στα MSM, συγκρίνοντας τα τελικά αποτελέσματα των μοντέλων. Τέλος, η χρήση των μεθόδων BACE και PCCA+ φαίνεται να παράγει παρόμοια τελικά αποτελέσματα με αυτά της τυπικής μεθόδου.","Molecular Dynamics (MD) simulations is a powerful technique for studying the structure and dynamics of biomolecules in atomic-level detail by sampling their various conformations in real time. Due to their atomic-level detail, MD simulations can describe the dynamics of molecules, providing a much higher temporal and spatial resolution than most experimental techniques. This allows for an efficient study of the conformational ensemble of proteins, which consists an essential part of many biological processes such as protein folding and ligand binding. Due to the long timescales that need to be sampled and the big and complex nature of the corresponding data, relevant analyses of important biophysical phenomena is challenging. Clustering and Markov State Models are efficient computational techniques that can be used to extract dominant conformational states and to connect those with kinetic information. For long simulations resulting in big datasets, approximate but efficient clustering techniques could be employed to replace common clustering methods such as k-means in order to reduce the computational effort. In this work, we validated the efficiency of an inverted-quantized k-means algorithm (IQ-means), as a fast approximate clustering technique, on data from trajectories of MD simulations with reasonable trade-offs between time and accuracy. IQ-means, using multiple ingredients from advanced approximate k-means variants, has been reported to achieve clustering of 100 million images on a single machine in less than an hour. Therefore, its application could be significant not only as an approximation to replace k-means, but also as a step to determine the number of clusters in a dataset, before using more accurate and time consuming techniques. In addition to the need for fast clustering solutions, another important aspect to efficiently analyze long trajectories is to produce simple meaningful representations for providing straightforward visualizations of the data, as well as the means for faster processing and transfer of the trajectories. A metadata representation, where each structure is converted into a single 3D point using the eigenvalues from the Multidimensional Scaling of the backbone atom distances was validated in this work. The resulting eigenvalues appear to provide simple representations reproducing the different shapes of the conformations. To extract the long-time statistical conformational dynamics of biomolecules using data from MD simulations, Markov State Models (MSMs) were generated using various clustering techniques. MSMs can predict both stationary and kinetic quantities on long timescales (e.g. milliseconds) using a set of atomistic MD simulations. For the generation of microstates, we validated IQ-means as an approximation technique, and to generate the macrostates PCCA and BACE were used. BACE places more emphasis on better sampled states so that poorly sampled states do not dominate the coarse-grained model, being thus more applicable to the generation of mesoscale models, as it could be slow and suffer from propagation error when building “extremely” coarse-grained model. PCCA+, which is a robust version of PCCA, is one of the most frequently used methods for coarse-graining MSMs and uses the eigenspectrum of the transition probability matrix. Finally, as representatives for each macrostate, the centroids with the largest neighborhood from the GROMOS clustering were selected. These methods were applied to investigate the bioactive conformation of the octapeptide Angiotensin II (AII), using multiple trajectories from simulations in mixtures of water and water-ethanol at various temperatures. AII is a hormone, which plays a vital role in the regulation of blood pressure, in the conservation of total blood volume, and salt homeostasis. AII binds to the AT1 receptor, which is a transmembrane protein. The simulations were thus performed in water as well as in water-ethanol mixtures to mimic the water-membrane interface as AII approaches the AT1 receptor. Previous studies of the bioactive conformation of Angiotensin II when bound to the transmembrane protein receptor AT1, appeared to have diverging results making it important to study, in atomic-level detail, the intermolecular interactions of AII. Our results show that in the water-ethanol environment Angiotensin II adopts more compact U-shaped (folded) conformations than in water, which resembles its structure when bound to the AT1 receptor. Also, we show that the eigenvalues of the Multidimensional Scaling on the backbone atom distances could provide a meaningful metadata representation. For clustering of the conformations we validate the efficiency of an inverted-quantized k-means algorithm (IQ-means), as a fast approximate clustering technique compared to k-means, on data from trajectories of MD simulations with reasonable trade-offs between time and accuracy. Finally, we extract Markov State Models using various clustering techniques for the generation of microstates (IQ-means), macrostates (PCCA, BACE) and for the selection of the macrostate representatives (GROMOS). The use of BACE and PCCA+ seems to produce the same results with the default method. IQ-means performed well on data from conformations of trajectories, as a very fast approximation with fair loss in quality and also as an approximate clustering solution to determine the microstates in MSMs."]},{"key":"dc:title","label":"Title","values":["Advanced clustering methods for identifying bioactive molecular conformations"]}]}],"canonical_facts":{"dc:creator":["Χριστοφόρου Εμμανουήλ","Christoforou Emmanouil"],"dc:date":["2018"],"dc:description":["Οι προσομοιώσεις μοριακών δυναμικών, ειδικά οι προσομοιώσεις αναδίπλωσης πρωτεϊνών, αποτελούν σημαντικές τεχνικές για τη δειγματοληψία των διαφόρων διαμορφώσεων πρωτεϊνών και άλλων βιομορίων. Λόγω της λεπτομέρειας ατομικού επιπέδου που παρέχουν, οι προσομοιώσεις μοριακών δυναμικών μπορούν να περιγράψουν τις δυναμικές των μορίων, με πολύ υψηλότερη ανάλυση ως προς τον χρόνο και το χώρο, σε σύγκριση με τις περισσότερες πειραματικές τεχνικές. Η ανάλυση αυτή μας επιτρέπει να λαμβάνουμε με πιο αποτελεσματικό τρόπο τις αλλαγές στις διαμορφώσεων των βιομορίων, οι οποίες είναι πολύ σημαντικές για διάφορες βιολογικές διεργασίες όπως η δίπλωση πρωτεϊνών και η πρόσδεση συνδέτη (ligand binding). Λόγω της μεγάλης χρονικής διάρκειας και της πολύπλοκης φύσης των δεδομένων αυτών, γίνεται ιδιαίτερα δύσκολο να τα αναλύσουμε ή να αποκτήσουμε κάποια διαίσθηση από αυτά. Η συσταδοποήση και τα Markov μοντέλα καταστάσεων (Markov State Models) αποτελούν λύσεις για την αντιμετώπιση των περισσοτέρων προκλήσεων που προκύπτουν από τα δεδομένα αυτά, ώστε να γίνονται με πιο αποτελεσματικό τρόπο αντιληπτές οι αλλαγές των διαμορφώσεων των βιομορίων, καθώς και να παρέχουν αναπαραστάσεις, εύκολα κατανοητές από τον άνθρωπο. Για τις μεγάλες, χρονικά, προσομοιώσεις, από τις οποίες προκύπτουν επίσης μεγάλα σύνολα δεδομένων, θα μπορούσαν να χρησιμοποιηθούν και προσεγγιστικές τεχνικές συσταδοποίησης για την αντικατάσταση κοινών μεθόδων όπως τον αλγόριθμο k-means. Στα πειράματά μας εδώ επικυρώνουμε την αποτελεσματικότητα, ως προς ποιότητα και χρόνο, ενός προσεγγιστικού αλγορίθμου συσταδοποίησης, του IQ-means (inverted-quantized k-mean), σε δεδομένα από προσομοιώσεις μοριακών δυναμικών. Ο αλγόριθμος αυτός (IQ-means) χρησιμοποιεί διάφορα συστατικά από υπάρχουσες προχωρημένες παραλλαγές του k-means και σε πειράματα που έχουν γίνει αναφέρεται να επιτυγχάνει την ομαδοποίηση 100 εκατομμυρίων εικόνων σε έναν μόνο υπολογιστή σε λιγότερο από μία ώρα. Οπότε, η χρήση του μπορεί να είναι ιδιαίτερα σημαντική όχι μόνο ως προς την αντικατάσταση του k-means, αλλά και ως βήμα για τον προσδιορισμό του αριθμού των ομάδων σε μεγάλα σύνολα δεδομένων. Εκτός από την ανάγκη για τεχνικές γρήγορης συσταδοποίησης, μια άλλη σημαντική πτυχή είναι να μπορούμε να παρέχουμε απλές αναπαραστάσεις των διαμορφώσεων, οι οποίες μπορούν να συμβάλουν στην ταχύτερη επεξεργασία και μεταφορά των δεδομένων αυτών. Μια τέτοια αναπαράσταση επαληθεύεται στην εργασία αυτή, όπου κάθε διαμόρφωση του βιομορίου μετατρέπεται σε ένα μοναδικό τρισδιάστατο σημείο και φαίνεται να διατηρεί τις διαφορές στα σχήματα των διαμορφώσεων. Επίσης, πειραματιζόμαστε με τα Markov State Models χρησιμοποιώντας διάφορες τεχνικές ομαδοποίησης, όπως τον IQ-means για το βήμα της γεωμετρικής ομαδοποίησης των διαμορφώσεων, καθώς και τους αλγόριθμους PCCA και BACE για την ομαδοποίηση ως προς την κινητική ομοιότητα των καταστάσεων. Ο αλγόριθμος BACE δίνει περισσότερη έμφαση σε καταστάσεις με επαρκή δειγματοληψία, έτσι ώστε να μην επικρατούν στα τελικά μοντέλα καταστάσεις με ανεπαρκές δείγμα. Η PCCA+, η οποία είναι μια βελτιωμένη έκδοση της PCCA, αποτελεί μία από τις πιο συχνά χρησιμοποιούμενες μεθόδους για τα MSM, όπου χρησιμοποιεί το φάσμα των ιδιοτιμών του πίνακα με τις μεταβατικές πιθανότητες. Εφαρμόζουμε αυτές τις μεθόδους και διερευνάμε τη βιοενεργή διαμόρφωση του οκταπεπτιδίου Αγγειοτενσίνη ΙΙ, χρησιμοποιώντας πολλαπλές τροχιές από προσομοιώσεις σε μείγματα νερού και νερού-αιθανόλης, σε διάφορες θερμοκρασίες. Προηγούμενες μελέτες για τη βιοενεργή διαμόρφωση της Αγγειοτενσίνης II, όταν συνδέεται με τον υποδοχέα διαμεμβρανικής πρωτεΐνης AT1, φάνηκε να έχουν αποκλίνοντα αποτελέσματα μεταξύ τους, καθιστώντας σημαντικό να μελετηθούν, σε λεπτομέρεια ατομικού επιπέδου, οι ενδομοριακές αλληλεπιδράσεις της Αγγειοτενσίνης ΙΙ με το περιβάλλον της μεμβράνης. Τα αποτελέσματα δείχνουν ότι στο περιβάλλον της μεμβράνης καθώς αυξάνεται η θερμοκρασία, η Αγγειοτενσίνη II τείνει να έχει πιο συμπαγείς (διπλωμένες) διαμορφώσεις (σχήματος U). Η αναπαράσταση των διαμορφώσεων σε ένα μοναδικό τρισδιάστατο σημείο φαίνεται να διακριτοποιούν τις διαμορφώσεις ως προς τις διαφορές τους στο σχήμα. Ο IQ-means παρέχει συσταδοποίση με λογική απώλεια ποιότητας ως προς την χρονική βελτίωση, καθώς και αποτελεί καλή προσέγγιση για τον προσδιορισμό των γεωμετρικών ομάδων στα MSM, συγκρίνοντας τα τελικά αποτελέσματα των μοντέλων. Τέλος, η χρήση των μεθόδων BACE και PCCA+ φαίνεται να παράγει παρόμοια τελικά αποτελέσματα με αυτά της τυπικής μεθόδου.","Molecular Dynamics (MD) simulations is a powerful technique for studying the structure and dynamics of biomolecules in atomic-level detail by sampling their various conformations in real time. Due to their atomic-level detail, MD simulations can describe the dynamics of molecules, providing a much higher temporal and spatial resolution than most experimental techniques. This allows for an efficient study of the conformational ensemble of proteins, which consists an essential part of many biological processes such as protein folding and ligand binding. Due to the long timescales that need to be sampled and the big and complex nature of the corresponding data, relevant analyses of important biophysical phenomena is challenging. Clustering and Markov State Models are efficient computational techniques that can be used to extract dominant conformational states and to connect those with kinetic information. For long simulations resulting in big datasets, approximate but efficient clustering techniques could be employed to replace common clustering methods such as k-means in order to reduce the computational effort. In this work, we validated the efficiency of an inverted-quantized k-means algorithm (IQ-means), as a fast approximate clustering technique, on data from trajectories of MD simulations with reasonable trade-offs between time and accuracy. IQ-means, using multiple ingredients from advanced approximate k-means variants, has been reported to achieve clustering of 100 million images on a single machine in less than an hour. Therefore, its application could be significant not only as an approximation to replace k-means, but also as a step to determine the number of clusters in a dataset, before using more accurate and time consuming techniques. In addition to the need for fast clustering solutions, another important aspect to efficiently analyze long trajectories is to produce simple meaningful representations for providing straightforward visualizations of the data, as well as the means for faster processing and transfer of the trajectories. A metadata representation, where each structure is converted into a single 3D point using the eigenvalues from the Multidimensional Scaling of the backbone atom distances was validated in this work. The resulting eigenvalues appear to provide simple representations reproducing the different shapes of the conformations. To extract the long-time statistical conformational dynamics of biomolecules using data from MD simulations, Markov State Models (MSMs) were generated using various clustering techniques. MSMs can predict both stationary and kinetic quantities on long timescales (e.g. milliseconds) using a set of atomistic MD simulations. For the generation of microstates, we validated IQ-means as an approximation technique, and to generate the macrostates PCCA and BACE were used. BACE places more emphasis on better sampled states so that poorly sampled states do not dominate the coarse-grained model, being thus more applicable to the generation of mesoscale models, as it could be slow and suffer from propagation error when building “extremely” coarse-grained model. PCCA+, which is a robust version of PCCA, is one of the most frequently used methods for coarse-graining MSMs and uses the eigenspectrum of the transition probability matrix. Finally, as representatives for each macrostate, the centroids with the largest neighborhood from the GROMOS clustering were selected. These methods were applied to investigate the bioactive conformation of the octapeptide Angiotensin II (AII), using multiple trajectories from simulations in mixtures of water and water-ethanol at various temperatures. AII is a hormone, which plays a vital role in the regulation of blood pressure, in the conservation of total blood volume, and salt homeostasis. AII binds to the AT1 receptor, which is a transmembrane protein. The simulations were thus performed in water as well as in water-ethanol mixtures to mimic the water-membrane interface as AII approaches the AT1 receptor. Previous studies of the bioactive conformation of Angiotensin II when bound to the transmembrane protein receptor AT1, appeared to have diverging results making it important to study, in atomic-level detail, the intermolecular interactions of AII. Our results show that in the water-ethanol environment Angiotensin II adopts more compact U-shaped (folded) conformations than in water, which resembles its structure when bound to the AT1 receptor. Also, we show that the eigenvalues of the Multidimensional Scaling on the backbone atom distances could provide a meaningful metadata representation. For clustering of the conformations we validate the efficiency of an inverted-quantized k-means algorithm (IQ-means), as a fast approximate clustering technique compared to k-means, on data from trajectories of MD simulations with reasonable trade-offs between time and accuracy. Finally, we extract Markov State Models using various clustering techniques for the generation of microstates (IQ-means), macrostates (PCCA, BACE) and for the selection of the macrostate representatives (GROMOS). The use of BACE and PCCA+ seems to produce the same results with the default method. IQ-means performed well on data from conformations of trajectories, as a very fast approximation with fair loss in quality and also as an approximate clustering solution to determine the microstates in MSMs."],"dc:identifier":["uoadl:2810741","https://pergamos.lib.uoa.gr/uoa/dl/object/2810741"],"dc:language":["English"],"dc:subject":["Τεχνολογία – Πληροφορική","Technology - Computer science"],"dc:title":["Advanced clustering methods for identifying bioactive molecular conformations"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:32:14Z"}