{"id":{"repo_id":"athens","oai_identifier":"oai:lib.uoa.gr:uoadl:3418092"},"canonical_url":"https://search.ndltd.org/etd/athens/oai:lib.uoa.gr:uoadl:3418092","repository":{"repo_id":"athens","name":"National and Kapodistrian University of Athens","base_url":"https://pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh"},"display":{"title":"«Ανακάλυψη ενζύμων βιοτεχνολογικού ενδιαφέροντος μέσω μεταγονιδιωματικής ανάλυσης αλληλουχιών»","abstract":"Το μεταγονιδίωμα αναφέρεται στο σύνολο του γενετικού υλικού που περιέχεται σε ένα περιβαλλοντικό δείγμα. Η ανάλυση των μεταγονιδιωμάτων έχει ιδιαίτερη σημασία για την εύρεση και κατανόηση της αλληλουχίας, της δομής και λειτουργίας νέων πρωτεϊνών, καθώς και για τον εντοπισμό νέων ενζύμων που μπορούν να χρησιμοποιηθούν στη βιοτεχνολογία. Η αλληλούχιση μεταγονιδιωμάτων μέσω της μεθόδου shotgun είναι η πιο διαδεδομένη προσέγγιση για τη μελέτη και την ταξινόμηση μικροοργανισμών που προέρχονται από διαφορετικά βιοσυστήματα (biomes). Στα πλαίσια αυτής της εργασίας, επιστρατεύτηκαν βιοπληροφορικές μέθοδοι με κεντρικό στόχο την ανακάλυψη ενζύμων βιοτεχνολογικού ενδιαφέροντος και τη λειτουργική ανάλυση πρωτεϊνικών αλληλουχιών από μεταγονιδιωματικά σύνολα δεδομένων. Η εργασία εστιάζει σε βακτηριακά ένζυμα με εφαρμογές στη βιοϊατρική και τη βιοτεχνολογία και χρησιμοποιεί προηγμένες μέθοδους αναζήτησης και ομαδοποίησης για δεδομένα που είναι καταχωρημένα σε εγκεκριμένες βάσεις μεταγονιδιωματικών δεδομένων, όπως οι IMG/M, MGnify και UniParc. Τα αποτελέσματα της ομαδοποίησης θα χρησιμοποιηθούν για τη δημιουργία τρισδιάστατων δομικών μοντέλων ενζύμων με τη χρήση της τεχνητής νοημοσύνης (A.I) ενώ τα μοντέλα αυτά θα αποτελέσουν τη βάση για την εξερεύνηση των μηχανισμών ενζυμικής δράσης, προκειμένου να επιλεχθούν τα κατάλληλα ένζυμα για την εκάστοτε εφαρμογή καθώς και να σχεδιαστούν στο μέλλον καινοτόμα ένζυμα. Με το πέρας της εργασίας, έχει ολοκληρωθεί η ανάλυση της βάσης δεδομένων UniParc (~544 εκατομμύρια καταχωρήσεις) σε σχέση με συγκεκριμένες αυτοτελείς δομικές περιοχές (πρωτεϊνικά domains) από τέσσερις μεγάλες οικογένειες όπως οι: Nattokinase, Feruloyl Esterases, Cocaine Esterases, Petases Pet Hydrolases. Τα δεδομένα για τα πρωτεϊνικά προφίλ προήλθαν από τις βάσεις δεδομένων που είναι μέλη της InterPro: Pfam, PRINTS, PANTHER, PROSITE patterns, Tigrfams, SUPERFAMILY. Για την ανάλυση, χρησιμοποιήθηκαν διακριτές μέθοδοι βιοπληροφορικής ανάλυσης ενώ για το χειρισμό του μεγάλου όγκου δεδομένων αναπτύχθηκαν ροές σε διαφορες γλώσσες προγραμματισμού. Τα εργαλεία ανάλυσης ενσωματώθηκαν σε ολοκληρωμένες ροές εργασίας χρησιμοποιώντας τη γλώσσα nextflow και διατίθενται σε ένα από τα δημόσια αποθετήρια κώδικα όπως το GitHub. Τα αποτελέσματα της ανάλυσης, συμπεριλαμβανομένων των διακριτών στρατολογημένων πρωτεϊνών στις οποίες κατέληξε η εργασία, διατίθενται σε βάση δεδομένων με τη μορφή διαδικτυακής εφαρμογής (Meta-4) στην οποία ο χρήστης μπορεί να περιηγηθεί και να αναγνώσει τα χαρακτηριστικά των πρωτεϊνικών καταχωρήσεων, των τρισδιάστατων δομικών μοντέλων και τα μεταδεδομένα αυτών.","abstract_html":"Το μεταγονιδίωμα αναφέρεται στο σύνολο του γενετικού υλικού που περιέχεται σε ένα περιβαλλοντικό δείγμα. Η ανάλυση των μεταγονιδιωμάτων έχει ιδιαίτερη σημασία για την εύρεση και κατανόηση της αλληλουχίας, της δομής και λειτουργίας νέων πρωτεϊνών, καθώς και για τον εντοπισμό νέων ενζύμων που μπορούν να χρησιμοποιηθούν στη βιοτεχνολογία. Η αλληλούχιση μεταγονιδιωμάτων μέσω της μεθόδου shotgun είναι η πιο διαδεδομένη προσέγγιση για τη μελέτη και την ταξινόμηση μικροοργανισμών που προέρχονται από διαφορετικά βιοσυστήματα (biomes). Στα πλαίσια αυτής της εργασίας, επιστρατεύτηκαν βιοπληροφορικές μέθοδοι με κεντρικό στόχο την ανακάλυψη ενζύμων βιοτεχνολογικού ενδιαφέροντος και τη λειτουργική ανάλυση πρωτεϊνικών αλληλουχιών από μεταγονιδιωματικά σύνολα δεδομένων. Η εργασία εστιάζει σε βακτηριακά ένζυμα με εφαρμογές στη βιοϊατρική και τη βιοτεχνολογία και χρησιμοποιεί προηγμένες μέθοδους αναζήτησης και ομαδοποίησης για δεδομένα που είναι καταχωρημένα σε εγκεκριμένες βάσεις μεταγονιδιωματικών δεδομένων, όπως οι IMG/M, MGnify και UniParc. Τα αποτελέσματα της ομαδοποίησης θα χρησιμοποιηθούν για τη δημιουργία τρισδιάστατων δομικών μοντέλων ενζύμων με τη χρήση της τεχνητής νοημοσύνης (A.I) ενώ τα μοντέλα αυτά θα αποτελέσουν τη βάση για την εξερεύνηση των μηχανισμών ενζυμικής δράσης, προκειμένου να επιλεχθούν τα κατάλληλα ένζυμα για την εκάστοτε εφαρμογή καθώς και να σχεδιαστούν στο μέλλον καινοτόμα ένζυμα. Με το πέρας της εργασίας, έχει ολοκληρωθεί η ανάλυση της βάσης δεδομένων UniParc (~544 εκατομμύρια καταχωρήσεις) σε σχέση με συγκεκριμένες αυτοτελείς δομικές περιοχές (πρωτεϊνικά domains) από τέσσερις μεγάλες οικογένειες όπως οι: Nattokinase, Feruloyl Esterases, Cocaine Esterases, Petases Pet Hydrolases. Τα δεδομένα για τα πρωτεϊνικά προφίλ προήλθαν από τις βάσεις δεδομένων που είναι μέλη της InterPro: Pfam, PRINTS, PANTHER, PROSITE patterns, Tigrfams, SUPERFAMILY. Για την ανάλυση, χρησιμοποιήθηκαν διακριτές μέθοδοι βιοπληροφορικής ανάλυσης ενώ για το χειρισμό του μεγάλου όγκου δεδομένων αναπτύχθηκαν ροές σε διαφορες γλώσσες προγραμματισμού. Τα εργαλεία ανάλυσης ενσωματώθηκαν σε ολοκληρωμένες ροές εργασίας χρησιμοποιώντας τη γλώσσα nextflow και διατίθενται σε ένα από τα δημόσια αποθετήρια κώδικα όπως το GitHub. Τα αποτελέσματα της ανάλυσης, συμπεριλαμβανομένων των διακριτών στρατολογημένων πρωτεϊνών στις οποίες κατέληξε η εργασία, διατίθενται σε βάση δεδομένων με τη μορφή διαδικτυακής εφαρμογής (Meta-4) στην οποία ο χρήστης μπορεί να περιηγηθεί και να αναγνώσει τα χαρακτηριστικά των πρωτεϊνικών καταχωρήσεων, των τρισδιάστατων δομικών μοντέλων και τα μεταδεδομένα αυτών.","abstract_has_math":false,"creators":["Βεργουλίδης Νικόλαος","Vergoulidis Nikolaos"],"institution":null,"degree_name":null,"degree_level":null,"degree_discipline":null,"degree_department":null,"school":null,"contributors":[],"advisors":[],"committee_chairs":[],"committee_members":[],"year":2024,"date_issued":"2024","date_published":"2024","updated_at":"2026-11-19T06:30:25Z","subjects":["Θετικές Επιστήμες","Science"],"languages":["Ελληνικά","Greek","English"],"rights":[],"rights_urls":[],"identifier_entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3418092"],"render_values":[{"text":"uoadl:3418092","href":null,"code":true}]}],"person_identifier_entries":[]},"links":{"outbound_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3418092","outbound_label":"Repository record","outbound_source":"dc:identifier","record_url":"https://pergamos.lib.uoa.gr/uoa/dl/object/3418092","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%3A3418092","prefix":"oai_dc"},"metadata_groups":[{"id":"people","label":"People","entries":[{"key":"dc:creator","label":"Author","values":["Βεργουλίδης Νικόλαος","Vergoulidis Nikolaos"]}]},{"id":"academic_context","label":"Academic Context","entries":[{"key":"dc:date","label":"Dc Date","values":["2024"]},{"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","English"]}]},{"id":"identifiers","label":"Identifiers","entries":[{"key":"dc:identifier","label":"Identifier","values":["uoadl:3418092","https://pergamos.lib.uoa.gr/uoa/dl/object/3418092"]}]},{"id":"additional","label":"Additional Metadata","entries":[{"key":"dc:description","label":"Description","values":["Το μεταγονιδίωμα αναφέρεται στο σύνολο του γενετικού υλικού που περιέχεται σε ένα περιβαλλοντικό δείγμα. Η ανάλυση των μεταγονιδιωμάτων έχει ιδιαίτερη σημασία για την εύρεση και κατανόηση της αλληλουχίας, της δομής και λειτουργίας νέων πρωτεϊνών, καθώς και για τον εντοπισμό νέων ενζύμων που μπορούν να χρησιμοποιηθούν στη βιοτεχνολογία. Η αλληλούχιση μεταγονιδιωμάτων μέσω της μεθόδου shotgun είναι η πιο διαδεδομένη προσέγγιση για τη μελέτη και την ταξινόμηση μικροοργανισμών που προέρχονται από διαφορετικά βιοσυστήματα (biomes). Στα πλαίσια αυτής της εργασίας, επιστρατεύτηκαν βιοπληροφορικές μέθοδοι με κεντρικό στόχο την ανακάλυψη ενζύμων βιοτεχνολογικού ενδιαφέροντος και τη λειτουργική ανάλυση πρωτεϊνικών αλληλουχιών από μεταγονιδιωματικά σύνολα δεδομένων. Η εργασία εστιάζει σε βακτηριακά ένζυμα με εφαρμογές στη βιοϊατρική και τη βιοτεχνολογία και χρησιμοποιεί προηγμένες μέθοδους αναζήτησης και ομαδοποίησης για δεδομένα που είναι καταχωρημένα σε εγκεκριμένες βάσεις μεταγονιδιωματικών δεδομένων, όπως οι IMG/M, MGnify και UniParc. Τα αποτελέσματα της ομαδοποίησης θα χρησιμοποιηθούν για τη δημιουργία τρισδιάστατων δομικών μοντέλων ενζύμων με τη χρήση της τεχνητής νοημοσύνης (A.I) ενώ τα μοντέλα αυτά θα αποτελέσουν τη βάση για την εξερεύνηση των μηχανισμών ενζυμικής δράσης, προκειμένου να επιλεχθούν τα κατάλληλα ένζυμα για την εκάστοτε εφαρμογή καθώς και να σχεδιαστούν στο μέλλον καινοτόμα ένζυμα. Με το πέρας της εργασίας, έχει ολοκληρωθεί η ανάλυση της βάσης δεδομένων UniParc (~544 εκατομμύρια καταχωρήσεις) σε σχέση με συγκεκριμένες αυτοτελείς δομικές περιοχές (πρωτεϊνικά domains) από τέσσερις μεγάλες οικογένειες όπως οι: Nattokinase, Feruloyl Esterases, Cocaine Esterases, Petases Pet Hydrolases. Τα δεδομένα για τα πρωτεϊνικά προφίλ προήλθαν από τις βάσεις δεδομένων που είναι μέλη της InterPro: Pfam, PRINTS, PANTHER, PROSITE patterns, Tigrfams, SUPERFAMILY. Για την ανάλυση, χρησιμοποιήθηκαν διακριτές μέθοδοι βιοπληροφορικής ανάλυσης ενώ για το χειρισμό του μεγάλου όγκου δεδομένων αναπτύχθηκαν ροές σε διαφορες γλώσσες προγραμματισμού. Τα εργαλεία ανάλυσης ενσωματώθηκαν σε ολοκληρωμένες ροές εργασίας χρησιμοποιώντας τη γλώσσα nextflow και διατίθενται σε ένα από τα δημόσια αποθετήρια κώδικα όπως το GitHub. Τα αποτελέσματα της ανάλυσης, συμπεριλαμβανομένων των διακριτών στρατολογημένων πρωτεϊνών στις οποίες κατέληξε η εργασία, διατίθενται σε βάση δεδομένων με τη μορφή διαδικτυακής εφαρμογής (Meta-4) στην οποία ο χρήστης μπορεί να περιηγηθεί και να αναγνώσει τα χαρακτηριστικά των πρωτεϊνικών καταχωρήσεων, των τρισδιάστατων δομικών μοντέλων και τα μεταδεδομένα αυτών.","A metagenome is the total amount of genetic material in an environmental sample. Metagenomic analysis is of paramount importance for identifying and understanding the complex mechanisms involved in sequence, structure and functions of de novo proteins as well as the recruitment of new enzymes for use in biotechnology. Metagenome shotgun sequencing has become the method of choice for studying and classifying microorganisms from various biomes. The goal of this project is utilizing bioinformatics methods for enzyme discovery and engineering of protein sequences from metagenomic datasets. The project will focus on bacterial enzymes with biomedical and biotechnological applications and we will employ state-of-the-art search and clustering methods to recruit and cluster enzyme sequences from up-to-date curated data repositories such as IMG/M, MGnify and UniParc. The resulting clusters will be used to generate protein 3D models of the enzymes, through the use of Artificial Intelligence (A.I.) and the derived models will be used as the basis for studying the mechanisms of enzyme activity and designing novel drugs and inhibitors. By the end of this project, UniParc database will have been analyzed (version by the time of initialization of the project included ~544 million entries) for the detection of protein domains of four superfamilies such as: Nattokinase, Feruloyl Esterases, Cocaine Esterases, Petases Pet Hydrolases. Protein profiles data will be derived from the database members of InterPro such as: Pfam, PRINTS, PANTHER, PROSITE patterns, Tigrfams, SUPERFAMILY. Distinct bioinformatic methods will be used for the analysis and scripts in a variety of programming languages will be used for handling the big-data. The overall workflow implementing the distinct tools used for the analysis will be developed in a global multi-layered pipeline using nextflow programming language and will be available in public repositories such as GitHub. The hits of the searching procedure, including the metadata and generated 3d models will be deposited in a web application database (Meta-4) with Graphical User Interface to be open and easily accessed for research/scientific purposes"]},{"key":"dc:title","label":"Title","values":["«Ανακάλυψη ενζύμων βιοτεχνολογικού ενδιαφέροντος μέσω μεταγονιδιωματικής ανάλυσης αλληλουχιών»"]}]}],"canonical_facts":{"dc:creator":["Βεργουλίδης Νικόλαος","Vergoulidis Nikolaos"],"dc:date":["2024"],"dc:description":["Το μεταγονιδίωμα αναφέρεται στο σύνολο του γενετικού υλικού που περιέχεται σε ένα περιβαλλοντικό δείγμα. Η ανάλυση των μεταγονιδιωμάτων έχει ιδιαίτερη σημασία για την εύρεση και κατανόηση της αλληλουχίας, της δομής και λειτουργίας νέων πρωτεϊνών, καθώς και για τον εντοπισμό νέων ενζύμων που μπορούν να χρησιμοποιηθούν στη βιοτεχνολογία. Η αλληλούχιση μεταγονιδιωμάτων μέσω της μεθόδου shotgun είναι η πιο διαδεδομένη προσέγγιση για τη μελέτη και την ταξινόμηση μικροοργανισμών που προέρχονται από διαφορετικά βιοσυστήματα (biomes). Στα πλαίσια αυτής της εργασίας, επιστρατεύτηκαν βιοπληροφορικές μέθοδοι με κεντρικό στόχο την ανακάλυψη ενζύμων βιοτεχνολογικού ενδιαφέροντος και τη λειτουργική ανάλυση πρωτεϊνικών αλληλουχιών από μεταγονιδιωματικά σύνολα δεδομένων. Η εργασία εστιάζει σε βακτηριακά ένζυμα με εφαρμογές στη βιοϊατρική και τη βιοτεχνολογία και χρησιμοποιεί προηγμένες μέθοδους αναζήτησης και ομαδοποίησης για δεδομένα που είναι καταχωρημένα σε εγκεκριμένες βάσεις μεταγονιδιωματικών δεδομένων, όπως οι IMG/M, MGnify και UniParc. Τα αποτελέσματα της ομαδοποίησης θα χρησιμοποιηθούν για τη δημιουργία τρισδιάστατων δομικών μοντέλων ενζύμων με τη χρήση της τεχνητής νοημοσύνης (A.I) ενώ τα μοντέλα αυτά θα αποτελέσουν τη βάση για την εξερεύνηση των μηχανισμών ενζυμικής δράσης, προκειμένου να επιλεχθούν τα κατάλληλα ένζυμα για την εκάστοτε εφαρμογή καθώς και να σχεδιαστούν στο μέλλον καινοτόμα ένζυμα. Με το πέρας της εργασίας, έχει ολοκληρωθεί η ανάλυση της βάσης δεδομένων UniParc (~544 εκατομμύρια καταχωρήσεις) σε σχέση με συγκεκριμένες αυτοτελείς δομικές περιοχές (πρωτεϊνικά domains) από τέσσερις μεγάλες οικογένειες όπως οι: Nattokinase, Feruloyl Esterases, Cocaine Esterases, Petases Pet Hydrolases. Τα δεδομένα για τα πρωτεϊνικά προφίλ προήλθαν από τις βάσεις δεδομένων που είναι μέλη της InterPro: Pfam, PRINTS, PANTHER, PROSITE patterns, Tigrfams, SUPERFAMILY. Για την ανάλυση, χρησιμοποιήθηκαν διακριτές μέθοδοι βιοπληροφορικής ανάλυσης ενώ για το χειρισμό του μεγάλου όγκου δεδομένων αναπτύχθηκαν ροές σε διαφορες γλώσσες προγραμματισμού. Τα εργαλεία ανάλυσης ενσωματώθηκαν σε ολοκληρωμένες ροές εργασίας χρησιμοποιώντας τη γλώσσα nextflow και διατίθενται σε ένα από τα δημόσια αποθετήρια κώδικα όπως το GitHub. Τα αποτελέσματα της ανάλυσης, συμπεριλαμβανομένων των διακριτών στρατολογημένων πρωτεϊνών στις οποίες κατέληξε η εργασία, διατίθενται σε βάση δεδομένων με τη μορφή διαδικτυακής εφαρμογής (Meta-4) στην οποία ο χρήστης μπορεί να περιηγηθεί και να αναγνώσει τα χαρακτηριστικά των πρωτεϊνικών καταχωρήσεων, των τρισδιάστατων δομικών μοντέλων και τα μεταδεδομένα αυτών.","A metagenome is the total amount of genetic material in an environmental sample. Metagenomic analysis is of paramount importance for identifying and understanding the complex mechanisms involved in sequence, structure and functions of de novo proteins as well as the recruitment of new enzymes for use in biotechnology. Metagenome shotgun sequencing has become the method of choice for studying and classifying microorganisms from various biomes. The goal of this project is utilizing bioinformatics methods for enzyme discovery and engineering of protein sequences from metagenomic datasets. The project will focus on bacterial enzymes with biomedical and biotechnological applications and we will employ state-of-the-art search and clustering methods to recruit and cluster enzyme sequences from up-to-date curated data repositories such as IMG/M, MGnify and UniParc. The resulting clusters will be used to generate protein 3D models of the enzymes, through the use of Artificial Intelligence (A.I.) and the derived models will be used as the basis for studying the mechanisms of enzyme activity and designing novel drugs and inhibitors. By the end of this project, UniParc database will have been analyzed (version by the time of initialization of the project included ~544 million entries) for the detection of protein domains of four superfamilies such as: Nattokinase, Feruloyl Esterases, Cocaine Esterases, Petases Pet Hydrolases. Protein profiles data will be derived from the database members of InterPro such as: Pfam, PRINTS, PANTHER, PROSITE patterns, Tigrfams, SUPERFAMILY. Distinct bioinformatic methods will be used for the analysis and scripts in a variety of programming languages will be used for handling the big-data. The overall workflow implementing the distinct tools used for the analysis will be developed in a global multi-layered pipeline using nextflow programming language and will be available in public repositories such as GitHub. The hits of the searching procedure, including the metadata and generated 3d models will be deposited in a web application database (Meta-4) with Graphical User Interface to be open and easily accessed for research/scientific purposes"],"dc:identifier":["uoadl:3418092","https://pergamos.lib.uoa.gr/uoa/dl/object/3418092"],"dc:language":["Ελληνικά","Greek","English"],"dc:subject":["Θετικές Επιστήμες","Science"],"dc:title":["«Ανακάλυψη ενζύμων βιοτεχνολογικού ενδιαφέροντος μέσω μεταγονιδιωματικής ανάλυσης αλληλουχιών»"],"dc:type":["born_digital_postgraduate_thesis","Διπλωματική Εργασία","Postgraduate Thesis"]},"updated_at":"2026-11-19T06:30:25Z"}