Mutationen im menschlichen Filamin C (FLNc), der Herz-spezifischen Isoform der Filamine, sind oftmals mit vielen verschiedenen genetisch vererbten Herzerkrankungen assoziiert. Mithilfe der thermischen Differentialkalorimetrie zeigten wir die Korrelation zwischen Mutationen des FLNc und der Veränderung in der thermodynamischen Proteinstabilität auf. Für weitere Evidenz des vorher genannten Phänomens ermittelten wir die Struktur von FLNc Ig1415 wildtyp und Ig1415 Ser1624Leu sowie Gly1676Arg mithilfe der Röntgenkristallographie. Es ergab sich eine hohe strukturelle Konservierung eines PXSPF Motivs, welches mit hoher pathologi-scher Mutationsfrequenz korreliert. Ebenso stellte sich heraus, dass Zwischendomain-Interaktionen in die Berücksichtigung der Abschätzung von krankmachenden Mutationen herangezogen werden müssen. Die experimentell ermittelten Daten wurden mit den bereits in der Literatur vorhandenen Daten zu-sammengezogen und dienten als Grundlage des Trainings für unseren Vorhersagealgorithmus namens AMIVA-F (Analyse von Mutationen in Varianten von Filamin C). Jene Vorhersagen im Bezug auf krank-machende Punktmutationen sind basierend auf verschiedenen Biophysikalischen sowie Strukturellen Parametern und erzielen eine Vorhersagegenauigkeit von knapp 80%. Somit schneidet AMIVA-F besser als andere gleichwertige allgemeine Konkurrenzprogramme ab, welche allgemeine Proteinstabilitätsveränderungen vorhersagen. Die Besonderheit von AMIVA-F gegenüber den vorhergenannten alternativen Programmen erreicht AMIVA-F durch Berücksichtigung von Post-translationalen chemischen Modifikationen und Interdomain Interaktionen. Für Benutzer steht ein vollkommen automatisiertes AMIVA-F zur Verfügung welches sowohl ohne externe Ressourcen als auch vertiefendes Fachwissen auskommt. AMIVA-F funktioniert unter Linux, MacOS und Windows Betriebssystemen. Als Zielgruppe von AMIVA-F sind in erster Linie medizinisches Personal in der Präventivdiagnostik ge-dacht, in welcher das schnelle Erkennen von potenziellen pathogenen Mutationen die Lebenserwartung der betroffenen Patienten drastisch erhöhen und etwaigen plötzlichen Herztoden zuvorkommen kann.

In human, mutations in Filamin C (FLNc), the heart specific isoform of filamins, are associated with many different genetically related cardiac diseases. First, we showed that known pathogenically associated mutations of FLNc are correlated with changes in thermodynamic stability changes, as measured by differential scanning calorimetry (DSC). To further investigate this behaviour, we crystallized FLNc Ig14-15 and two mutations, Ser1624Leu and Gly1676Arg. We found that a highly conserved PXSPF motif correlates with high pathogenic mutational frequency and that interdomain interactions need to be taken into account when judging the patho-genicity of mutations. Combining literature and our novel data, we designed a machine learning based bioinformatics tool, AMIVA-F (Analysis of Mutations In Variants of Filamin-C), which makes predictions based on biophysical and structural parameters regarding pathogenicity of single point missense mutations in Filamin C. AMIVA-F is freely available and stands out with its high accuracy of nearly 80%, outclassing the most prominently used general protein stability predictors. Its cutting edge against its competitors gains AMIVA-F by incorporating interdomain interactions, as well as taking into account known post transla-tional modifications for its prediction. For users, AMIVA-F works fully automated and does not require external resources nor deeper knowl-edge and can be run on any personal computer, working on Linux, MacOS and Windows. With that in mind, AMIVA-F seeks to aid medical personal in clinical decisions, where preventive diagnosis of a potential pathogenic variant can drastically increase patients life expectancy and prevent surprising sudden cardiac death.