Zielgerichtetes Design von Aminosäuresequenzen mit Künstlichen Neuronalen Netzen

Zusammenfassung

Es wird eine allgemeine Methode zur Entwicklung von neuronalen Filtersystemen zur Mustererkennung in Proteinsequenzen und für deren zielgerichtetes Design vorgestellt. Das Verfahren der Pro tein Fi lterinduktion (PROFI) wird am Beispiel der Filterentwicklung zur Erkennung von Signalpeptidase-Schnittstellen veranschaulicht. Mit diesen neuronalen Filtersystemen werden auch Schnittstellen in unabhängigen Testsequenzen mit absoluter Genauigkeit vorhergesagt. Dies stellt eine deutliche Verbesserung gegenüber den bislang verwendeten statistischen Verfahren dar. Der entscheidende Unterschied des PROFI-Systems gegenüber anderen künstlichen neuronalen Netzen zur Untersuchung von Proteinsequenzen liegt in der biologisch orientierten Datenrepräsentation: Nicht Buchstabenfolgen, sondern biophysikalische Aminosäureeigenschaften der Sequenzen werden auf charakteristische Merkmale hin untersucht. Die Merkmalssuche kann man als eine Optimierungsaufgabe betrachten. Als Optimierungsverfahren wurde die Evolutionsstrategie angewandt. Mit diesem neuen Verfahren können sich in Zukunft einige Decodierungsprobleme in Proteinsequenzen lösen lassen. Die mit PROFI entwickelten neuronalen Filtersysteme werden zur Prozesskontrolle beim rationalen Design von Aminosäuresequenzen eingesetzt. Dazu wird ein Protein-Design Zyklus vorgestellt, der die Optimierung von Aminosäuresequenzen nach diesem kybernetischen Modell ermöglicht (PROSID: Pro tein S equence I nductive D esign). Trainierte künstliche neuronale Netze dienen dabei zur Repräsentation eines „idealen“ Proteinmodells, welches in einer sich wiederholenden Mutations-Selektions Prozedur aus einer zuächst zufällig gewählten Aminosäuresequenz durch S imulierte M olekulare E volution (SME) erzeugt werden kann. Dieses neue Syntheseverfahren ist als Prototyp für DOS-Rechner in Modula2 implementiert.

Korrespondenzautor