@phdthesis{Kaiser2014,
  type      = {Master Thesis},
  author    = {Florian Kaiser},
  title     = {Spatial patterns in proteins and beyond : development of a novel algorithm for structural motif matching and the deduction of evolutionary and functional insights},
  year      = {2014},
  abstract  = {Es ist weithin bekannt, dass r{\"a}umliche Muster von Aminos{\"a}uren, sogenannte strukturelle Motive, eine wichtige Rolle in der Funktion von Proteinen spielen. Die f{\"u}r die Funktion verantwortlichen Teile eines Proteins liegen oft in evolution{\"a}r hoch konservierten, r{\"a}umlichen Anordnungen nur weniger Aminos{\"a}uren, die durch den Rest der Struktur in Position gehalten werden. Im Allgemeinen k{\"o}nnen diese Motive verschiedene Funktionen erm{\"o}glichen, beispielsweise das Binden von DNA oder RNA, die Interaktion mit Liganden, die Katalyse von Substraten, oder die Stabilisierung der Proteinstruktur. Deshalb ist eine Charakterisierung und Identifizierung solcher Motive von hohem Interesse und kann zum Verst{\"a}ndnis der Beziehungen zwischen Struktur und Funktion beitragen. Aufgrund der steigenden Anzahl von Proteinstrukturen ist es n{\"o}tig strukturelle Motive im Hochdurchsatz zu suchen. Ziel dieser Arbeit war die Entwicklung und die Implementierung einer neuartigen Suchmethode und die Analyse der gefundenen Motive hinsichtlich statistischer und funktioneller Signifikanz. Die Kombination hierarchischer Cluster-verfahren und die Beurteilung der biologischen Signifikanz, erm{\"o}glichten das Ableiten von evolution{\"a}ren Struktur-Funktions-Beziehungen struktureller Motive. Die entwickelten Methoden wurden zu einer Software zusammengefasst, die sich durch einfache Bedienbarkeit und freie Verf{\"u}gbarkeit auszeichnet und einen Beitrag zur bioinformatischen Forschung leistet.},
  language  = {en}
}