Search the digital library catalog

Abstract: V doktorski disertaciji smo s pomočjo najsodobnejših računalniških metod simulacij molekulske dinamike, nevronskih mrež in molekulskega sidranja preučevali in pojasnili sekundarno strukturo proteinov pod vplivom specifičnih mutacij, strukturo proteinov pod vplivom mikrovalovnega sevanja, napovedovali dihedralne kote fi in psi proteinskega ogrodja in analizirali vlogo nevropilinov pri različnih fizioloških in patoloških procesih. V prvem delu doktorske disertacije smo s pomočjo simulacij molekulske dinamike podrobno preučili vpliv polimorfizma rs4880 (mutacija Ala16Val) na sekundarno strukturo mitohondrijske tarčne sekvence človeškega encima mangan superoksidne dismutaze. Simulacije so pokazale, da alaninska varianta ohranja stabilno α-heliksno strukturo, kar je ugodno za pravilen transport v mitohondrije. Nasprotno pa se α-heliks valinske variante razgradi, kar vodi do tvorbe β-lista in s tem potencialno moti transport. Naši rezultati podpirajo predhodne eksperimentalne ugotovitve, da ima alaninska verzija višjo aktivnost tega encima v mitohondrijih. Ugotovitve pomembno prispevajo k razumevanju povezave med strukturo in funkcijo mitohondrijske tarčne sekvence ter vpliva polimorfizma Ala16Val na aktivnost manganove superoksidne dismutaze. V drugem delu doktorske disertacije smo razvili enostaven model globokega učenja za napovedovanje dihedralnih kotov fi (ϕ) in psi (ψ) proteinskega ogrodja zgolj na podlagi primarne strukture beljakovin. Model popolnoma povezanega nevronskega omrežja z drsečim oknom velikosti 21 aminokislinskih ostankov je dosegel zadovoljivo natančnost pri napovedovanju ϕ kotov in nekoliko nižjo, a še vedno sprejemljivo natančnost pri napovedovanju ψ kotov. Pokazali smo, da je mogoče tudi z enostavnim modelom nevronskih mrež doseči visoko natančnost pri napovedovanju dihedralnih kotov proteinskega ogrodja. V tretjem delu doktorske disertacije smo s pristopom molekularne dinamike preučevali vpliv mikrovalovnega sevanja na zvijanje beljakovin in možnost napačnega zvitja. Rezultati so pokazali, da mikrovalovno segrevanje povzroči pomik proti bolj kompaktnim konformacijam proteinov, kar se odraža v predvsem v manjših radijih sukanja. Mikrovalovno sevanje pa ni imelo večjega vpliva na sekundarne strukture beljakovin na skali 200 nanosekund. Naše delo predstavlja pomemben prispevek k razumevanju posledic izpostavljenosti beljakovin mikrovalovnemu sevanju. V četrtem delu doktorske disertacije smo temeljito raziskali vlogo nevropilinov v različnih fizioloških in patoloških procesih, kot so COVID-19, rak, nevropatska bolečina, srčno-žilne bolezni in diabetes. Pregledali smo terapevtske možnosti modulacije nevropilinov in predstavili serijo antagonistov, znanih kot zaviralcev signalizacije VEGF-A in rasti tumorjev. Ugotovitve predstavljajo trdne temelje za nadaljnji razvoj učinkovitih zdravil za klinično uporabo, s poudarkom na majhnih molekulskih antagonistih. Disertacija predstavlja izvirni znanstveni prispevek na področju molekularnega modeliranja, globokega učenja in strukturne biologije z neposredno uporabnostjo pri razumevanju in zdravljenju različnih bolezni ter razvoju terapevtskih strategij.
Keywords: molekulska dinamika, nevronske mreže, struktura proteinov, dihedralni koti, mikrovalovno sevanje, nevropilini
Published in DKUM: 09.10.2024; Views: 0; Downloads: 30
Full text (18,05 MB)

Abstract: Protein structure prediction represents a significant challenge in the field of bioinformatics, with the prediction of protein structures using backbone dihedral angles recently achieving significant progress due to the rise of deep neural network research. However, there is a trend in protein structure prediction research to employ increasingly complex neural networks and contributions from multiple models. This study, on the other hand, explores how a single model transparently behaves using sequence data only and what can be expected from the predicted angles. To this end, the current paper presents data acquisition, deep learning model definition, and training toward the final protein backbone angle prediction. The method applies a simple fully connected neural network (FCNN) model that takes only the primary structure of the protein with a sliding window of size 21 as input to predict protein backbone φ and ψ dihedral angles. Despite its simplicity, the model shows surprising accuracy for the φ angle prediction and somewhat lower accuracy for the ψ angle prediction. Moreover, this study demonstrates that protein secondary structure prediction is also possible with simple neural networks that take in only the protein amino-acid residue sequence, but more complex models are required for higher accuracies.
Keywords: protein structure prediction, backbone dihedral angles, deep neural network, fully connected neural network, FCNN, protein secondary structure prediction
Published in DKUM: 01.12.2023; Views: 421; Downloads: 163
Full text (3,60 MB)
This document has many files! More...

Abstract: Manganese Superoxide Dismutase (MnSOD) represents a mitochondrial protein that scavenges reactive oxygen species (ROS) responsible for oxidative stress. A known single nucleotide polymorphism (SNP) rs4880 on the SOD2 gene, causing a mutation from alanine to valine (Ala16Val) in the primary structure of immature MnSOD, has been associated with several types of cancer and other autoimmune diseases. However, no conclusive correlation has been established yet. This study aims to determine the effect of the alanine to valine mutation on the secondary structure of the MnSOD mitochondrial targeting sequence (MTS). A model for each variant of the MTS was prepared and extensively simulated with molecular dynamics simulations using the CHARMM36m force field. The results indicate that the alanine variant of the MTS preserves a uniform α-helical secondary structure favorable for the protein transport into mitochondria, whereas the valine variant quickly breaks down its α-helix. Thus, the alanine MTS represents the more active MnSOD variant, the benefits of which have yet to be determined experimentally.
Keywords: manganese superoxide dismutase, polymorphism rs4880, mutation Ala16Val, molecular dynamics simulations, oxidative stress
Published in DKUM: 21.08.2023; Views: 370; Downloads: 16
Full text (5,14 MB)
This document has many files! More...

Abstract: Avtoimune kompleksne bolezni, kot so kronična vnetna črevesna bolezen, multipla skleroza in astma, nastanejo kot posledica delovanja genetskih in okoljskih dejavnikov. Pomembno vlogo pri nastanku teh bolezni ima oksidativni stres, saj poveča vnetje, sproži apoptozo celic ter zniža imunsko odpornost. Diplomsko delo prikazuje vpliv sprememb v genih oksidativnega stresa na razvoj astme, multiple skleroze in kronične vnetne črevesne bolezni v slovenski populaciji. V diplomskem delu smo pri slovenskih bolnikih z astmo, multiplo sklerozo in kronično vnetno črevesno bolezenijo ter pri kontrolni skupini zdravih posameznikov s tehniko talilne krivulje visoke ločljivosti genotipizirali polimorfizme posameznega nukleotida (SNP) v genih oksidativnega stresa, in sicer SNP rs4880 na genu SOD2 in SNP rs2107538 na genu CCL5. Ugotovili smo statistično značilno povezavo med polimorfizmom SNP rs4880 na genu SOD2 in multiplo sklerozo. Pri bolnikih z multiplo sklerozo je bila frekvenca alela C višja (0,559) v primerjavi s kontrolno skupino (0,471, p=0,019). To pripišemo izgubi funkcije MnSOD, do katere pride zaradi zamenjave timina s citozinom na 47. mestu. Povezave med rs2107538 na genu CCL5 in analizirami boleznimi nismo potrdili. Ugotovili smo, da SNP rs4880 na genu oksidativnega stresa SOD2 prispeva k patogenezi multiple skleroze in prav tako nakazuje na povezavo z razvojem astme. Rezultati diplomskega dela nakazujejo na vlogo genov oksidativnega stresa pri nastanku kompleksnih bolezni.
Keywords: oksidativni stres, multipla skleroza, astma, kronična vnetna črevesna bolezen, HRM
Published in DKUM: 14.09.2017; Views: 2185; Downloads: 219
Full text (1,61 MB)