{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:2884122"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:2884122","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"Κατασκευή αλγορίθμου πρόγνωσης καναλιών ιόντων που ελέγχονται από προσδέτες","abstract":"Τα κανάλια ιόντων είναι μεμβρανικές πρωτεΐνες που σχηματίζουν πόρους για τη διαμεμβρανική ανταλλαγή ανόργανων ιόντων. Τα κανάλια ιόντων υπάρχουν στις μεμβράνες όλων των κυττάρων και είναι χρήσιμα σε πολυάριθμες φυσιολογικές και παθολογικές διεργασίες, όπως η ρύθμιση της νευρωνικής και καρδιακής διεγερσιμότητας, η συστολή των μυών, η έκκριση ορμονών, η κίνηση υγρών και η ενεργοποίηση ανοσοκυττάρων Λόγω του σημαντικού ρόλου τους στις βιολογικές διεργασίες, τα κανάλια ιόντων χρησιμοποιούνται συχνά ως στόχοι για τη διάγνωση ασθενειών και την ανάπτυξη φαρμάκων. Υπάρχουν πάνω από 300 τύποι καναλιών ιόντων σε ζωντανά κύτταρα τα οποία διαφέρουν ως προς τη δομή και τη λειτουργία τους. Σύμφωνα με τους διαφορετικούς μηχανισμούς ελέγχου του πόρου, τα κανάλια ιόντων μπορούν να χωριστούν κυρίως σε τρεις κατηγορίες, τα τασεο-ελεγχόμενα κανάλια ιόντων (VGIC), τα κανάλια που ελέγχονται από προσδέτες (LGIC) και σε αλλά κανάλια ιόντων που δεν μπορούν να ταξινομηθούν σε κάποια από τις δυο προηγούμενες κατηγορίες. Τα κανάλια που ελέγχονται από προσδέτες (LGIC) είναι έτερο- ή όμο-ολιγομερή σύμπλοκα πρωτεϊνών, στα οποία το άνοιγμα ή το κλείσιμο του πόρου ελέγχεται με τη σύνδεση ενός συγκεκριμένου προσδέτη σε ενδοκυττάριες η εξωκυτταρικές περιοχές προκαλώντας αλλοστερική τροποποίηση στην δομή τους. Τα LGICs μεσολαβούν στη γρήγορη συναπτική μετάδοση στο νευρικό σύστημα και στη σωματική νευρομυϊκή σύνδεση. Όμως, παρόλο που υπάρχουν αρκετές μέθοδοι για την πρόγνωση και κατηγοριοποίηση καναλιών ιόντων στις τρεις κύριες κατηγορίες τους, δεν υπάρχουν αρκετές για την πρόβλεψη και κατηγοριοποίηση των LGIC με βάση τoν προσδέτη τους. Στα πλαίσια της εργασίας αυτής, σχεδιάστηκε και αναπτύχθηκε ένας αλγόριθμος ο οποίος βασίζεται σε προφίλ κρυφών μαρκοβιανών μοντέλων τα οποία εφαρμόζονται σε πρωτεϊνικές ακολουθίες. Ο συγκεκριμένος αλγόριθμος μπορεί να προβλέψει πρωτεΐνες που αποτελούν υπομονάδες LGIC και να τις κατηγοριοποιήσει ανάλογα με τον προσδέτη τους. Η εργασία αποτελείται από 5 κεφάλαια: Κεφάλαιο 1: Εισαγωγή, Κεφάλαιο 2: Σκοπός, Κεφάλαιο 3: Μέθοδος, Κεφάλαιο 4: Αποτελέσματα, Κεφάλαιο 5: Συμπεράσματα. Στο πρώτο κεφάλαιο αναλύονται όλες οι προαπαιτούμενες γνώσεις που χρειάζεται ο αναγνώστης ώστε να μπορέσει να αντιληφθεί το υπό μελέτη θέμα. Στο δεύτερο καθορίζεται ο λόγος ανάπτυξης του αλγορίθμου, ενώ στο τρίτο περιγράφεται αναλυτικά όλη η μεθοδολογία καθώς και τα εργαλεία που χρειάστηκαν για την ανάπτυξη και την αξιολόγηση του αλγορίθμου. Στο τέταρτο παρατίθενται όλα τα αποτελέσματα. Τέλος, στο πέμπτο και τελευταίο κεφάλαιο γίνεται ανάλυση των παραχθέντων αποτελεσμάτων.","abstract_html":"Τα κανάλια ιόντων είναι μεμβρανικές πρωτεΐνες που σχηματίζουν πόρους για τη διαμεμβρανική ανταλλαγή ανόργανων ιόντων. Τα κανάλια ιόντων υπάρχουν στις μεμβράνες όλων των κυττάρων και είναι χρήσιμα σε πολυάριθμες φυσιολογικές και παθολογικές διεργασίες, όπως η ρύθμιση της νευρωνικής και καρδιακής διεγερσιμότητας, η συστολή των μυών, η έκκριση ορμονών, η κίνηση υγρών και η ενεργοποίηση ανοσοκυττάρων Λόγω του σημαντικού ρόλου τους στις βιολογικές διεργασίες, τα κανάλια ιόντων χρησιμοποιούνται συχνά ως στόχοι για τη διάγνωση ασθενειών και την ανάπτυξη φαρμάκων. Υπάρχουν πάνω από 300 τύποι καναλιών ιόντων σε ζωντανά κύτταρα τα οποία διαφέρουν ως προς τη δομή και τη λειτουργία τους. Σύμφωνα με τους διαφορετικούς μηχανισμούς ελέγχου του πόρου, τα κανάλια ιόντων μπορούν να χωριστούν κυρίως σε τρεις κατηγορίες, τα τασεο-ελεγχόμενα κανάλια ιόντων (VGIC), τα κανάλια που ελέγχονται από προσδέτες (LGIC) και σε αλλά κανάλια ιόντων που δεν μπορούν να ταξινομηθούν σε κάποια από τις δυο προηγούμενες κατηγορίες. Τα κανάλια που ελέγχονται από προσδέτες (LGIC) είναι έτερο- ή όμο-ολιγομερή σύμπλοκα πρωτεϊνών, στα οποία το άνοιγμα ή το κλείσιμο του πόρου ελέγχεται με τη σύνδεση ενός συγκεκριμένου προσδέτη σε ενδοκυττάριες η εξωκυτταρικές περιοχές προκαλώντας αλλοστερική τροποποίηση στην δομή τους. Τα LGICs μεσολαβούν στη γρήγορη συναπτική μετάδοση στο νευρικό σύστημα και στη σωματική νευρομυϊκή σύνδεση. Όμως, παρόλο που υπάρχουν αρκετές μέθοδοι για την πρόγνωση και κατηγοριοποίηση καναλιών ιόντων στις τρεις κύριες κατηγορίες τους, δεν υπάρχουν αρκετές για την πρόβλεψη και κατηγοριοποίηση των LGIC με βάση τoν προσδέτη τους. Στα πλαίσια της εργασίας αυτής, σχεδιάστηκε και αναπτύχθηκε ένας αλγόριθμος ο οποίος βασίζεται σε προφίλ κρυφών μαρκοβιανών μοντέλων τα οποία εφαρμόζονται σε πρωτεϊνικές ακολουθίες. Ο συγκεκριμένος αλγόριθμος μπορεί να προβλέψει πρωτεΐνες που αποτελούν υπομονάδες LGIC και να τις κατηγοριοποιήσει ανάλογα με τον προσδέτη τους. Η εργασία αποτελείται από 5 κεφάλαια: Κεφάλαιο 1: Εισαγωγή, Κεφάλαιο 2: Σκοπός, Κεφάλαιο 3: Μέθοδος, Κεφάλαιο 4: Αποτελέσματα, Κεφάλαιο 5: Συμπεράσματα. Στο πρώτο κεφάλαιο αναλύονται όλες οι προαπαιτούμενες γνώσεις που χρειάζεται ο αναγνώστης ώστε να μπορέσει να αντιληφθεί το υπό μελέτη θέμα. Στο δεύτερο καθορίζεται ο λόγος ανάπτυξης του αλγορίθμου, ενώ στο τρίτο περιγράφεται αναλυτικά όλη η μεθοδολογία καθώς και τα εργαλεία που χρειάστηκαν για την ανάπτυξη και την αξιολόγηση του αλγορίθμου. Στο τέταρτο παρατίθενται όλα τα αποτελέσματα. Τέλος, στο πέμπτο και τελευταίο κεφάλαιο γίνεται ανάλυση των παραχθέντων αποτελεσμάτων.","abstract_has_math":false,"creators":["Πετυχάκης Γεώργιος","Petychakis Georgios"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2019,"date_issued":"2019","date_published":"2019","updated_at":"2026-11-19T05:36:19Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:2884122"],"render_values":[{"text":"uoadl:2884122","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2884122","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/2884122","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%3A2884122","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Πετυχάκης Γεώργιος","Petychakis Georgios"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2019"]},{"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":["Θετικές Επιστήμες","Science"]}]},{"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:2884122","https://pergamos.lib.uoa.gr/uoa/dl/object/2884122"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Τα κανάλια ιόντων είναι μεμβρανικές πρωτεΐνες που σχηματίζουν πόρους για τη διαμεμβρανική ανταλλαγή ανόργανων ιόντων. Τα κανάλια ιόντων υπάρχουν στις μεμβράνες όλων των κυττάρων και είναι χρήσιμα σε πολυάριθμες φυσιολογικές και παθολογικές διεργασίες, όπως η ρύθμιση της νευρωνικής και καρδιακής διεγερσιμότητας, η συστολή των μυών, η έκκριση ορμονών, η κίνηση υγρών και η ενεργοποίηση ανοσοκυττάρων Λόγω του σημαντικού ρόλου τους στις βιολογικές διεργασίες, τα κανάλια ιόντων χρησιμοποιούνται συχνά ως στόχοι για τη διάγνωση ασθενειών και την ανάπτυξη φαρμάκων. Υπάρχουν πάνω από 300 τύποι καναλιών ιόντων σε ζωντανά κύτταρα τα οποία διαφέρουν ως προς τη δομή και τη λειτουργία τους. Σύμφωνα με τους διαφορετικούς μηχανισμούς ελέγχου του πόρου, τα κανάλια ιόντων μπορούν να χωριστούν κυρίως σε τρεις κατηγορίες, τα τασεο-ελεγχόμενα κανάλια ιόντων (VGIC), τα κανάλια που ελέγχονται από προσδέτες (LGIC) και σε αλλά κανάλια ιόντων που δεν μπορούν να ταξινομηθούν σε κάποια από τις δυο προηγούμενες κατηγορίες. Τα κανάλια που ελέγχονται από προσδέτες (LGIC) είναι έτερο- ή όμο-ολιγομερή σύμπλοκα πρωτεϊνών, στα οποία το άνοιγμα ή το κλείσιμο του πόρου ελέγχεται με τη σύνδεση ενός συγκεκριμένου προσδέτη σε ενδοκυττάριες η εξωκυτταρικές περιοχές προκαλώντας αλλοστερική τροποποίηση στην δομή τους. Τα LGICs μεσολαβούν στη γρήγορη συναπτική μετάδοση στο νευρικό σύστημα και στη σωματική νευρομυϊκή σύνδεση. Όμως, παρόλο που υπάρχουν αρκετές μέθοδοι για την πρόγνωση και κατηγοριοποίηση καναλιών ιόντων στις τρεις κύριες κατηγορίες τους, δεν υπάρχουν αρκετές για την πρόβλεψη και κατηγοριοποίηση των LGIC με βάση τoν προσδέτη τους. Στα πλαίσια της εργασίας αυτής, σχεδιάστηκε και αναπτύχθηκε ένας αλγόριθμος ο οποίος βασίζεται σε προφίλ κρυφών μαρκοβιανών μοντέλων τα οποία εφαρμόζονται σε πρωτεϊνικές ακολουθίες. Ο συγκεκριμένος αλγόριθμος μπορεί να προβλέψει πρωτεΐνες που αποτελούν υπομονάδες LGIC και να τις κατηγοριοποιήσει ανάλογα με τον προσδέτη τους. Η εργασία αποτελείται από 5 κεφάλαια: Κεφάλαιο 1: Εισαγωγή, Κεφάλαιο 2: Σκοπός, Κεφάλαιο 3: Μέθοδος, Κεφάλαιο 4: Αποτελέσματα, Κεφάλαιο 5: Συμπεράσματα. Στο πρώτο κεφάλαιο αναλύονται όλες οι προαπαιτούμενες γνώσεις που χρειάζεται ο αναγνώστης ώστε να μπορέσει να αντιληφθεί το υπό μελέτη θέμα. Στο δεύτερο καθορίζεται ο λόγος ανάπτυξης του αλγορίθμου, ενώ στο τρίτο περιγράφεται αναλυτικά όλη η μεθοδολογία καθώς και τα εργαλεία που χρειάστηκαν για την ανάπτυξη και την αξιολόγηση του αλγορίθμου. Στο τέταρτο παρατίθενται όλα τα αποτελέσματα. Τέλος, στο πέμπτο και τελευταίο κεφάλαιο γίνεται ανάλυση των παραχθέντων αποτελεσμάτων.","Ion channels are membrane proteins which form pores that permit the passage of ions. Ion channels are located at the membranes of all cells and are useful at multiples physiological and pathological processes including regulation of neuronal and cardiac excitability, hormone secretion, muscle contraction, fluid movement and immune cell activation. Due to their valuable role in several biological processes, ion channels are used as diagnostic and drug targets. There are over 300 types of ion channels in cells and are diverged in terms of structure and function. According to the different gating mechanisms, ion channels can be classified into three categories, Voltage-gate ion channels, Ligand-gated ion channel, and other ion channels that cannot be classified in any of the two preceding categories. Ligand-gated ion channels are homo- or hetero-oligomeric protein complexes in which the opening or closing of the pore is controlled by binding of a particular ligand to intracellular or extracellular domains causing allosteric conformational changes in their structure. LGICs mediate rapid synaptic transmission to the nervous system and to the body's neuromuscular junction. However, although there are several methods for predicting and categorizing ion channels in their three main categories, there are not enough to predict and categorize LGICs based on their ligand. In the context of this work, an algorithm was developed based on the profile Hidden Markov Models (pHMMs), applied to protein sequences. This algorithm can predict proteins that are LGIC subunits and categorizes them based on their ligand."]},{"key":"dc:title","label":"Title","values":["Κατασκευή αλγορίθμου πρόγνωσης καναλιών ιόντων που ελέγχονται από προσδέτες"]}]}],"canonical_facts":{"dc:creator":["Πετυχάκης Γεώργιος","Petychakis Georgios"],"dc:date":["2019"],"dc:description":["Τα κανάλια ιόντων είναι μεμβρανικές πρωτεΐνες που σχηματίζουν πόρους για τη διαμεμβρανική ανταλλαγή ανόργανων ιόντων. Τα κανάλια ιόντων υπάρχουν στις μεμβράνες όλων των κυττάρων και είναι χρήσιμα σε πολυάριθμες φυσιολογικές και παθολογικές διεργασίες, όπως η ρύθμιση της νευρωνικής και καρδιακής διεγερσιμότητας, η συστολή των μυών, η έκκριση ορμονών, η κίνηση υγρών και η ενεργοποίηση ανοσοκυττάρων Λόγω του σημαντικού ρόλου τους στις βιολογικές διεργασίες, τα κανάλια ιόντων χρησιμοποιούνται συχνά ως στόχοι για τη διάγνωση ασθενειών και την ανάπτυξη φαρμάκων. Υπάρχουν πάνω από 300 τύποι καναλιών ιόντων σε ζωντανά κύτταρα τα οποία διαφέρουν ως προς τη δομή και τη λειτουργία τους. Σύμφωνα με τους διαφορετικούς μηχανισμούς ελέγχου του πόρου, τα κανάλια ιόντων μπορούν να χωριστούν κυρίως σε τρεις κατηγορίες, τα τασεο-ελεγχόμενα κανάλια ιόντων (VGIC), τα κανάλια που ελέγχονται από προσδέτες (LGIC) και σε αλλά κανάλια ιόντων που δεν μπορούν να ταξινομηθούν σε κάποια από τις δυο προηγούμενες κατηγορίες. Τα κανάλια που ελέγχονται από προσδέτες (LGIC) είναι έτερο- ή όμο-ολιγομερή σύμπλοκα πρωτεϊνών, στα οποία το άνοιγμα ή το κλείσιμο του πόρου ελέγχεται με τη σύνδεση ενός συγκεκριμένου προσδέτη σε ενδοκυττάριες η εξωκυτταρικές περιοχές προκαλώντας αλλοστερική τροποποίηση στην δομή τους. Τα LGICs μεσολαβούν στη γρήγορη συναπτική μετάδοση στο νευρικό σύστημα και στη σωματική νευρομυϊκή σύνδεση. Όμως, παρόλο που υπάρχουν αρκετές μέθοδοι για την πρόγνωση και κατηγοριοποίηση καναλιών ιόντων στις τρεις κύριες κατηγορίες τους, δεν υπάρχουν αρκετές για την πρόβλεψη και κατηγοριοποίηση των LGIC με βάση τoν προσδέτη τους. Στα πλαίσια της εργασίας αυτής, σχεδιάστηκε και αναπτύχθηκε ένας αλγόριθμος ο οποίος βασίζεται σε προφίλ κρυφών μαρκοβιανών μοντέλων τα οποία εφαρμόζονται σε πρωτεϊνικές ακολουθίες. Ο συγκεκριμένος αλγόριθμος μπορεί να προβλέψει πρωτεΐνες που αποτελούν υπομονάδες LGIC και να τις κατηγοριοποιήσει ανάλογα με τον προσδέτη τους. Η εργασία αποτελείται από 5 κεφάλαια: Κεφάλαιο 1: Εισαγωγή, Κεφάλαιο 2: Σκοπός, Κεφάλαιο 3: Μέθοδος, Κεφάλαιο 4: Αποτελέσματα, Κεφάλαιο 5: Συμπεράσματα. Στο πρώτο κεφάλαιο αναλύονται όλες οι προαπαιτούμενες γνώσεις που χρειάζεται ο αναγνώστης ώστε να μπορέσει να αντιληφθεί το υπό μελέτη θέμα. Στο δεύτερο καθορίζεται ο λόγος ανάπτυξης του αλγορίθμου, ενώ στο τρίτο περιγράφεται αναλυτικά όλη η μεθοδολογία καθώς και τα εργαλεία που χρειάστηκαν για την ανάπτυξη και την αξιολόγηση του αλγορίθμου. Στο τέταρτο παρατίθενται όλα τα αποτελέσματα. Τέλος, στο πέμπτο και τελευταίο κεφάλαιο γίνεται ανάλυση των παραχθέντων αποτελεσμάτων.","Ion channels are membrane proteins which form pores that permit the passage of ions. Ion channels are located at the membranes of all cells and are useful at multiples physiological and pathological processes including regulation of neuronal and cardiac excitability, hormone secretion, muscle contraction, fluid movement and immune cell activation. Due to their valuable role in several biological processes, ion channels are used as diagnostic and drug targets. There are over 300 types of ion channels in cells and are diverged in terms of structure and function. According to the different gating mechanisms, ion channels can be classified into three categories, Voltage-gate ion channels, Ligand-gated ion channel, and other ion channels that cannot be classified in any of the two preceding categories. Ligand-gated ion channels are homo- or hetero-oligomeric protein complexes in which the opening or closing of the pore is controlled by binding of a particular ligand to intracellular or extracellular domains causing allosteric conformational changes in their structure. LGICs mediate rapid synaptic transmission to the nervous system and to the body's neuromuscular junction. However, although there are several methods for predicting and categorizing ion channels in their three main categories, there are not enough to predict and categorize LGICs based on their ligand. In the context of this work, an algorithm was developed based on the profile Hidden Markov Models (pHMMs), applied to protein sequences. This algorithm can predict proteins that are LGIC subunits and categorizes them based on their ligand."],"dc:identifier":["uoadl:2884122","https://pergamos.lib.uoa.gr/uoa/dl/object/2884122"],"dc:language":["Ελληνικά","Greek"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["Κατασκευή αλγορίθμου πρόγνωσης καναλιών ιόντων που ελέγχονται από προσδέτες"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T05:36:19Z"}