Refine
Document Type
- Bachelor Thesis (4)
- Master's Thesis (2)
Language
- German (6) (remove)
Keywords
- Protein-Protein-Wechselwirkung (6) (remove)
Institute
Die Lokalisation, Aktivität, Funktion, Abbau sowie Synthese von Proteinen werden maßgeblich durch Wechselwirkungen von Proteinen mit weiteren Proteinen, anderen Biopolymeren sowie nie-dermolekularen Molekülen reguliert. Informationen über Art, Stärke und Abhängigkeit der Interak-tionen sind daher von entscheidender Bedeutung für ein umfassendes Verständnis der Prozesse, in die ein Protein involviert ist, sowie den Mechanismen, durch die es reguliert wird. Die umfassende Charakterisierung von Interaktionen von Proteinen in einem gegebenen Proteom (mittlerweile oft als Interaktom bezeichnet) wird der nächste Meilenstein auf dem Weg zum Verstehen der Bioche-mie von den Zellen. Anormale Veränderungen von Protein-Protein- oder Protein-Metabolit-Interaktionen können Ursachen von Krankheiten sein, wohingegen gezielte medikamentöse Beein-flussungen Ansatzpunkte für Krankheitsbehandlungen darstellen. Im Rahmen dieser Masterarbeit wurde das Interaktom der Proteine STAT3, STAT1, BMI1 und CDK9 in humanen embryonalen Nierenzellen (HEK 293T, engl. Human Embryonic Kidney 293T cells) mit einer auf Affinitätsmassenspektrometrie basierenden Strategie untersucht, in der stabile Isotopenmarkierung durch Aminosäuren in Zellkultur (SILAC), in situ Biotinylierung der vier ausgewählten Proteine, Affinitätsanreicherung und massenspektrometrische Analyse verbunden wur-den. Den Schwerpunkt der Arbeit stellte die Optimierung der Datenauswertung dar. Zu diesem Zweck wurde eine Software entwickelt, die ein Protein-Protein Interaktionsnetzwerk aus Interaktionsdatenbanken um das jeweils zu untersuchende Protein erstellt und mit Hilfe von einer Meta-Datenbank und dem Protein-Protein Interaktionsnetzwerk die signifikanten Bindungspartner der Analyse selbstständig ermittelt. Die ermittelten Bindungspartner sollten mit Dreieck-Netzwerk-Motiven und komplementären Daten nachprozessiert bzw. nachevaluiert werden. Mit der PIPs Datenbank sollten alle Ergebnisse verglichen und evaluiert werden, weil diese Datenbank einen ähnlichen Ansatz mit komplementären Daten verfolgt und bereits seit einigen Jahren etabliert ist.
In dieser Arbeit wurde die Interaktion der Proteine Tau und SUMO untersucht. Für die Charakterisierung wurde zuerst die Methode der Bimolekularen Fluoreszenzkomplementation für das untersuchte System eingeführt, bei der ein geteiltes fluoreszierendes Protein durch eine Interaktion von Proteinen vervollständigt wird und ein Signal durch mikroskopische Auswertung detektiert werden kann. Nach verschiedenen Tests zur Funktionalität der Methode erfolgten Lokalisationsuntersuchungen der Proteine während einer Interaktion und bei alleiniger Expression in der Zelle.
Diese Arbeit beschreibt den Protein Protein Interaction Optimizer – PIPINO – als Werkzeug zur Optimierung des Identifizierungsprozesses von Protein-Protein-Interaktionen. PIPINO bietet das Einlesen und die statistische Analyse von Massenspektrometrie-Daten, sowie deren Visualisierung in einem interaktiven Volcano-Plot, um Protein-Protein-Interaktionspartner zu einem untersuchten Zielprotein zu identifizieren. Weiterhin bietet das Tool die Möglichkeit der Erstellung eines Protein-Protein-Interaktions-Netzwerkes anhand von Daten aus Protein-Protein-Interaktions-Datenbanken. Außerdem steht eine Optimierung zur Verfügung, welche die signifikanten Interaktionspartner eines Massenspektrometrie-Experimentes identifizieren kann.
Mit dieser Arbeit wird eine Methodik vorgestellt, strukturbiologische Netzwerke auf der Basis von Experimenten zur Affinitätsaufreinigung mit gekoppelter Massenspektrometrie zu generieren. Zur Anwendung kommen dafür verschiedene spezialisierte Tools in einem strukturierten Workflow. Es wird damit eine Möglichkeit geboten, anhand der Sequenz- und Interaktions-Informationen der analysierten Experimente ein strukturelles Protein-Protein-Interaktions-Netzwerk zu generieren.
Diese Masterarbeit beschäftigt sich mit verschiedenen Modellen von Zufallsgraphen für biologische Netzwerke. Nach einer kurzen Einführung, in der benötigte graphentheoretische Begriffe sowie Anwendungsbeispiele der Graphentheorie erläutert werden, erfolgt die Vorstellung von drei einfachen Zufallsgraphenmodellen: das Erd ˝ os-Rényi-Modell, das Gilbert-Modell und das p1-Modell. Außerdem werden in diesem Kapitel zwei spezielle Zufallsgraphenmodelle, zum einen die Exponential Random Graph Models und zum anderen die Small-World Models, ausführlich dargestellt. Anschließend werden alle Modelle für ein konkretes biologisches Netzwerk, das Protein-Protein-Interaktions-Netzwerk des Bakteriums Escherichia coli, auf ihre Anwendbarkeit überprüft und diesbezüglich bewertet.