Refine
Document Type
- Doctoral Thesis (2)
Language
- German (2) (remove)
Has Fulltext
- yes (2)
Is part of the Bibliography
- no (2)
Keywords
Institute
- Biochemie und Chemie (2) (remove)
Das Ziel dieser Arbeit war es, RNA-Strukturen als potentielle Zielstrukturen für die Medikamentenentwicklung zu untersuchen. Hierbei ging es im Speziellen um die Anwendung Virtueller Screening Verfahren für die RNA-Liganden-Vorhersage. Hierzu wurde die als TAR-Motiv (transactivating response element) bekannte RNA-Struktur der mRNAs des HI-Virus ausgewählt. Diese Struktur wurde gewählt, da mit den vier PDB-Einträgen 1ANR, 1ARJ, 1LVJ und 1QD3 bereits experimentell motivierte Strukturmodelle zum Beginn der Untersuchung vorlagen. Ausschlaggebend war hierbei auch das Vorhandensein eines Tat-TAR-FRET-Assays im Rahmen des SFB 579, in welchem diese Arbeit angefertigt wurde. Die Aufmerksamkeit, welche dem HI-Virus im Rahmen der Bekämpfung der Immunschwächekrankheit bereits zukam, führte bei dem gewählten Testmodell ebenfalls zu einem, wenn auch immer noch überschaubaren Datensatz bereits getesteter Substanzen, der als Grundlage für einen Liganden-basierten Ansatz als erste Basis dienen konnte. Basierend auf diesen Voruntersuchungen ergaben sich die weiteren Schritte dieser Arbeit. Die Arbeit lässt sich zusammenfassend in vier zum Teil parallel verlaufende Phasen einteilen: Phase 1:Bestandsaufnahme bekannter Informationen über die Zielstruktur · experimentell bestimmte Zielstrukturen · experimentell bestimmte Liganden/Nichtliganden der Zielstruktur Phase 2: Ableiten eines ligandenbasierten Ansatzes zur Vorhersage von potentiellen Bindern der Zielstruktur aus Substanzbibliotheken, der nicht auf Strukturdaten der Zielstruktur beruht. Phase 3: Analyse der bekannten Konformere der Zielstruktur auf konstante Angriffspunkte für ein spezielles Liganden-Design. Phase 4: Einbinden der bekannten Strukturinformationen der Zielstruktur zur weiteren Verfeinerung der Auswahlverfahren neuer Kandidaten für die weitere experimentelle Bestimmung des Bindeverhaltens. Im Rahmen dieser Arbeit konnten mittels der Anwendung von künstlichen neuronalen Netzen in einem ligandenbasierten Ansatz durch virtuelles Screening der Chemikalien-Datenbanken verschiedener Lieferanten fünf neue potentielle TAR-RNA-Liganden identifiziert werden (drei davon mit einem Methylenaminoguanidyl-Substrukturmotiv), sowie als „Spin-Off“ durch die Anwendung der ursprünglich nur für den Tat-TAR-FRET-Assay vorgesehenen Testsubstanzen in einem Kooperationsprojekt (mittels CFivTT-Assay) zwei neue potentiell antibakterielle Verbindungen identifiziert werden. Die Beschäftigung mit der offensichtlichen Flexibilität der TAR-RNA und damit einer nicht eindeutig zu definierenden Referenz-Zielstruktur für das Liganden-Docking führte zur Erstellung eines Software-Pakets, mit dem flexible Zielstrukturen – basierend auf den Konformer-Datensätzen von MD-Simulationen – auf konstante Angriffspunkte untersucht werden können. Hierbei wurde ausgehend von der Integration eines Taschenvorhersage-Programms (PocketPicker) eine Reihe von Filtern implementiert, die auf den hierzu in einer MySQL-Datenbank abgelegten Strukturinformationen eine Einschränkung des möglichen Taschenraums für das zukünftige Liganden-Design automatisiert vornehmen können. Des Weiteren ermöglicht dieser Ansatz einen einfachen Zugriff auf die einzelnen Konformere und die Möglichkeit Annotationen zu den Konformeren und den daraus abgeleiteten Tascheninformationen hinzuzufügen, so dass diese Informationen für die Erstellung von Liganden-Docking-Versuchen verwendet werden können. Ferner wurden im Rahmen dieser Arbeit ein neuer Deskriptor für die Beschreibung von Taschenoberflächen eingeführt: der auf der „Skalierungs-Index-Methode“ basierende molekulare SIMPrint. Die Beschäftigung mit der Verteilung der potentiellen Bindetaschen auf der Oberfläche der Konformerensemble führte ferner zur Definition der Taschenoberflächenbildungswahrscheinlichkeit (Pocket Surface Generation Probability – PSGP) für einzelne Atome einer Zielstruktur, die tendenziell für die Einschätzung der Ausbildung einer potentiell langlebigen Interaktion eines Liganden mit der Zielstruktur herangezogen werden kann, um beispielsweise Docking-Posen zu bewerten.
Für das Verständnis der Proteinfaltung ist es von Interesse, die phi,psi-Torsionswinkelverteilung und deren Abhängigkeiten innerhalb einer Polypeptidkette zu kennen. Mit der in dieser Arbeit verwendeten Kombination aus MD-Simulation und NMR-Spektroskopie wird die Abhängigkeit der Konformationsverteilung kurzer alaninbasierter Modellpeptide mit einer Genauigkeit von 5 % bestimmt. Die Berechnung der thermischen Populationen der einzelnen Konformationen beruht auf einer Minimierung der Differenz aus experimentellen und berechneten skalaren Kopplungskonstanten. Trialanin populiert überwiegend den Bereich der Polyprolin Typ II Helix (~ 90 %) und daneben den beta-Faltblattbereich mit ca. 10%, jedoch nicht den alphaR-helicalen Bereich. Diese Konformationsverteilung ändert sich nicht signifikant mit zunehmender Kettenlänge in der Peptidreihe Ala3 bis Ala7. Das in der Seitenkette verzweigte Trivalin populiert dagegen alle drei Konformationsbereiche signifikant. Aufgrund der Periodizität der Torsionswinkel populiert Triglycin einen zusammenhängenden Bereich, der sich an den vier Ecken des Ramachandran-Diagramms befindet. Zudem befindet es sich in einem langsamen konformationellen Gleichgewicht zwischen der cis- und trans-Konformation der Peptidbindung. Die Temperaturabhängigkeit der Konformationsverteilung wird am Beispiel von Trialanin untersucht. Die 3J(HN,Ha) Kopplungskonstanten nehmen linear mit der Temperatur zu. Dies ist auf eine Zunahme des beta-Faltblattanteils zurückzuführen und kann theoretisch beschrieben werden. Die Konformationsverteilung der Trialaninsequenz innerhalb einer heteropolymeren Aminosäuresequenz ist von der Kettenlänge der an dem N- und C-Terminus angefügten heteropolymeren Aminosäuresequenz abhängig. Dies wird an zwei Peptiden, abgeleitet von der Sequenz des Proteins Lysozym aus Hühnereiweiß, gezeigt. Das kürzere Peptid hat an beiden Enden jeweils drei Aminosäurereste angefügt, das längere jeweils acht Aminosäurereste. Die Konformationsverteilung der Trialanisequenz des kürzeren Peptids entspricht nahezu der in der Peptidreihe Ala3 bis Ala7. Die Verteilung des längeren Peptids ist dagegen deutlich verschieden (~ 35% alphaR-helicaler Anteil). Die 1HN und 15N chemischen Verschiebungen der Trialaninsequenz des längeren Peptids sind mit denen des entfalteten Lysozym-Proteins identisch und demzufolge aller wahrscheinlichkeit nach auch die Konformationsverteilung. Kurze homopolymere Peptide eignen sich deshalb nicht als Modell für Aminosäuresequenzen in längeren heteropolymeren Peptiden.