AUREMOL - Softwareprojekt zur automatischen Auswertung von multidimensionalen NMR-Spektren

Doktorarbeit / Dissertation aus dem Jahr 2002 im Fachbereich Medizin - Biomedizinische Technik, Note: magna cum laude, Universität Regensburg (Naturwissenschaftliche Fakultät III - Biologie und Vorklinische Medizin), Sprache: Deutsch, Abstract: In dieser Arbeit wurde das Softwareprojekt AUREMOL zur automatischen Auswertung von multidimensionalen NMR-Spektren entwickelt. Es wurde zum einen die grasche Benutzeroberfläche erstellt, um ein möglichst komfortables Arbeiten bei der Auswertung zu gewährleisten, zum anderen wurden neue Methoden zur automatischen Auswertung entwickelt. In AUREMOL wurde ein neuer molekülorientierter Ansatz implementiert, der darauf basiert, dass unter Verwendung von a priori Wissen und einer möglichst guten Vorhersage der Molekülstruktur NMRParameter vorhergesagt werden, die als Leitfaden bei der Auswertung der experimentellen NMR-Spektren dienen. Dazu wurde die Simulation von NOESY-Spektren verbessert, die in diesem Zusammenhang eine wichtige Rolle spielt. Die Berechnung der Linienbreiten der NOE-Signale und der Ein uss der Anisotropie der chemischen Verschiebung und der skalaren Kopplung wurden implementiert. Zwei neue Methoden zur automatischen NOE-Zuordnung bzw. zur Bestimmung fehlender Zuordnungen wurden entwickelt. Der Algorithmus KNOWNOE ermittelt automatisch Proteinstrukturen, falls die sequentielle Zuordnung der Resonanzen bekannt ist. Dabei werden mit Hilfe eines statistischen Verfahrens die Signale der experimentellen 2D- und 3D-NOESY-Spektren automatisch zugeordnet. Die Struktur des Kälteschock-Proteins TmCsp wurde von KNOWNOE ermittelt. Die Qualität der automatisch bestimmten Struktur ist von vergleichbarer Qualität wie die manuell bestimmte Struktur, wie die berechneten R-Faktoren zeigen, die in allen Fällen bei etwa 0; 35 liegen. Das zweite Verfahren ermittelt anhand der partiellen sequentiellen Zuordnung und der Strukturinformation fehlende chemische Verschiebungen in den NOESY-Spektren. Dabei wird ein 2-Stufen Optimierungsalgorithmus eingesetzt, der auf einem Vergleich von simulierten und experimentellen NOESY-Spektren beruht. Anders als bei KNOWNOE werden keine Kreuzsignale zugeordnet, sondern fehlende chemische Verschiebungen (Resonanzlinien) bestimmt. Der Algorithmus benötigt im Falle künstlicher Datensätze eine 30%-ige partielle Zuordnung, um mehr als 90% aller chemischen Resonanzlinien zuzuordnen. Die Methode ist robust gegen Rauschen, Artefaktsignale und fehlende Kreuzsignale in den NOESY-Spektren. Ergebnisse mit einem experimentellen 2D-NOESY-Spektrum der HPr Mutante H15A zeigen, dass auch bei realen Datensätzen fehlende chemische Verschiebungen korrekt bestimmt werden können.