Strukturelle Genomanalyse (SG) beinhaltet die, mit hohem datendurchsatz verbundene
bestimmung der dreidimensionalen struktur von makromolekülen durch experimentelle
Methoden wie röntgenstrahlen-kristallographie und NMR spektroskopie. Eines der ziele
von SG ist es, zeit und kosten der bestimmung von dreidimensionalen proteinstrukturen
zu reduzieren, für die homologe strukturen noch nicht gelöst worden sind. Mehrere
faktoren wie unregelmäßige conformationen, unzulässige selektion von domängrenzen
und löslichkeit können die produktion von proteinkonstrukten für die strukturbiologie
erschweren. Zuverlässige, auf aminosäuresequenz basierende prädiktoren zur berechnung
von proteinkristallisation sind folglich von nöten.
Die vorhersage von unregelmäßigen konformationen ist essentiell, da diese
schwierigkeiten in der kristallisation verursachen können. In dieser arbeit wird eine neue
methode präsentiert, die es erlaubt, ungeordnete residuen auf basis der
aminosäuresequenz mit hoher genauigkeit vorherzusagen, indem verschiedene, auf einer
konsensusmethode basierende vorhersagemittel verwendet werden. Die Leistung dieser
neuen methode ist signifikant besser als von jedem einzelnen, bisher erwähnten
Prädiktor.
Zusätzlich ist es wichtig, die voraussetzungen für den quartärstatus eines proteins auf
basis seiner sequenz vorherzusagen. Eine Proteinkette kann aus einem monomeren
protein bestehen, oder kann, zusammen mit anderen ketten, oligomere komplexe formen,
die entweder aus homo-oligomeren oder hetero-oligomeren bestehen können. Im letzten fall
muss vermieden werden, die dreidimensionale struktur eines einzelnen protomers zu
bestimmen, weil es nicht funktionell ist und auch extrem schwer in löslicher form zu
exprimieren ist. Es ist daher erstrebenswert, ein berechnungsmittel zu nützen, das
vorherzusagen erlaubt, ob ein potentielles genprodukt teil eines permanenten und
obligaten hetero-oligomeren komplexes ist. Hier wird eine neue, auf der
aminosäuresequenz basierende methode präsentiert, um hetero-oligomere von monomer
und homo-oligomeren proteinen und auch um monomere von homo-oligomeren mit
hoher genauigkeit zu unterscheiden.
Das erfordernis von metallionen ist im design von strukturbiologischen experimenten
ebenso wichtig. Metalloproteine bilden etwa ein drittel der proteoms. Die vorhersage von
metalloproteinen hilft kristallographen, geeignetes wachstumsmedium für überexpressionsstudien
auszuwählen und auch die wahrscheinlichkeit zu erhöhen, ein korrekt
gefaltetes und funktionelles molekül zu erhalten. Hier wird gezeigt, dass die aufnahme
von metallionen von proteinen auf basis der aminosäurenzusammensetzung und durch
verwenden von lernfähigen analyseprogrammen mit hoher genauigkeit vorhergesagt
werden kann.
Die ergebnisse in der vorliegenden Doktorarbeit stellen die basis für das sorgfältige
design von Proteinkonstrukten dar. Diese computer basierenden selektionsmethoden sind
hilfreich, um die auswahl von unmöglichen Zielen zu vermeiden – ein Muss in
Strukturbiologie und Proteomics.

Structural Genomics (SG) involves the high-throughput determination of threedimensional
structures of macromolecules by experimental methods such as X-ray
crystallography and NMR spectroscopy. One of the aims of SG is to reduce the time and
cost in the determination of three-dimensional protein structures for which a homologous
structure had not yet been solved. Several factors such as conformational disorder,
improper selection of domain boundaries and solubility can hamper the production of
protein constructs for structural biology. Reliable computational protein crystallization
propensity predictors, based on amino acid sequences, are consequently required.
Prediction of protein conformational disorder is important since it can cause difficulty in
crystallization. In this work, a new procedure is presented that allows one to predict
disordered residues with high accuracy on the basis of amino acid sequences, by using a
consensus method based on various prediction tools. The performance of this new
procedure is significantly better than that of each individual predictor previously
reported.
Furthermore, it is important to be able to predict the quaternary status requirements of a
protein on the basis of its sequence. A protein chain can be a monomeric protein or it can
form, together with other chains, oligomeric assemblies, which can be either homooligomers
or hetero-oligomers. In the later case, it must be avoided to determine the
three-dimensional structure of a single protomer, since it will not be functional and it will
also be extremely difficult to express in a soluble form. It is thus desirable to have a computational
tool that allows one to predict if a potential gene product is a part of
permanent and obligate hetero-oligomeric assembly. A new method is presented for
discriminating hetero-oligomers from monomeric and homo-oligomeric proteins and also
between monomers and homo-oliogmers with high accuracy on the basis of amino acid
sequences.
Metal ion requirements are also important in designing structural biology experiments.
Metalloproteins constitute about one-third of the proteome. Prediction of metalloprotein
helps crystallographers to select the proper growth medium for over-expression studies
and also to increase the probability of obtaining a properly folded and functional
molecule. Here it is shown that the uptake of metal ions by proteins can be predicted with
high accuracy on the basis of the amino acid composition and by using machine learning
methods.
The results described in the present Thesis provide a basis for the careful design of
protein constructs. These computational screening methods are helpful to avoid the
selection of 'impossible' targets- a must in structural biology and proteomics.