Χρήση προηγμένων μεθόδων επεξεργασίας σήματος στην ανάλυση βιολογικών σημάτων και γενετικών ακολουθιών

Abstract

The dissertation tackles the problem of reliable localization and identification of transmembrane segments in protein sequences and their effective categorization. Advanced signal processing methods are developed, integrated and brought to bear on the solution of the problem. They detect the position and endpoints (beginning and end) of these components on large sequences of aminoacids. Higher order statistics, wavelets, and domain specific knowledge of biochemical properties, combine in various measures to form new approaches which are shown to effectively identify the location of the transmembrane segments and for the first time provide different yet complementary features are developed and applied to the problem. The first one requires some prior training and domain-specific knowledge while the second one is more generic and yet more flexible in identifying segments without prior knowledge. An energy-based approach is developed for effective categorization and complexity analysis is used in order to provide a framework for comparisons and additional guidance in the analysis of complex protein structures. Results show that this work could further facilitate solutions to the grant problem of establishing linkages between protein structure and protein functionality.

Η διατριβή πραγματεύεται το πρόβλημα του σαφούς εντοπισμού και ανίχνευσης διαμεμβρανικών τμημάτων σε πρωτεϊνικές ακολουθίες και την κατηγοριοποίησή τους. Προηγμένες μέθοδοι επεξεργασίας σήματος αναπτύσσονται, ολοκληρώνονται και προσαρμόζονται στην αντιμετώπιση του προβλήματος. Ανιχνεύουν τη θέση και τα άκρα(έναρξη και λήξη) αυτών των περιοχών σε μεγάλες ακολουθίες αμινοξέων. Η στατιστική ανώτερης τάξης, τα κυματίδια και η γνώση βιοχημικών ιδιοτήτων καθορισμένων περιοχών, συνδυάζονται σε διάφορα μεγέθη οδηγώντας σε νέες προσεγγίσεις που αποδεικνύεται πως προσδιορίζουν αποτελεσματικά τη θέση διαμεμβρανικών τμημάτων και για πρώτη φορά παρέχουν εφαρμόσιμες λύσεις στο πρόβλημα. Αναπτύσσονται δύο μέθοδοι, η Κ4ΗΤΜ και η CWTHTM, με διαφορετικά, ωστόσο αλληλοσυμπληρούμενα χαρακτηριστικά και εφαρμόζονται στο πρόβλημα. Η πρώτη προϋποθέτει μια εκ των προτέρων εκπαίδευση και χρήση γνώσης για συγκεκριμένες περιοχές, ενώ η δεύτερη είναι πιο γενική και επιπλέον περισσότερο ευέλικτη στον εντοπισμό περιοχών χωρίς τη χρήση εκ των προτέρων γνώσης. Αναπτύσσεται μια ενεργειακής φύσης προσέγγιση για αποτελεσματική κατηγοριοποίηση και χρησιμοποιείται μια ανάλυση πολυπλοκότητας δημιουργώντας ένα πεδίο σύγκρισης και επιπλέον καθοδήγησης στην ανάλυση σύνθετων πρωτεϊνικών δομών. Τα αποτελέσματα δείχνουν πως η εργασία αυτή θα μπορούσε επιπλέον να διευκολύνει την εύρεση λύσεων στο μεγάλο πρόβλημα του προσδιορισμού των σχέσεων μεταξύ της πρωτεϊνικής δομής και της λειτουργίας των πρωτεϊνών.