Development of Secondary Structure Analysis Tool for Identifying Starch Synthase Isoforms

การพัฒนาโปรแกรมสำหรับวิเคราะห์ข้อมูลโครงสร้างทุติยภูมิของเอนไซม์ในกระบวนการสังเคราะห์แป้งเพื่อจำแนก Starch Synthase Isoforms

Rigorous Assignment and Integration. of Confidence for Automated Function Prediction Methods for Homo sapiens and Drosophila melanogaster Genomes

การกำหนดและรวมค่าความมั่นใจจากวิธีการทางคอมพิวเตอร์ในการหาหน้าที่ของโปรตีนสำหรับจีโนมมนุษย์และแมลงหวี่

Name: Weerayuth Kittichotirat

Organization : King Mongkut's University of Technology Thonburi. School of Bioresources and Technology and School of Information Technology. Bioinformatics

keyword: Starch biosynthesis

; กระบวนการสังเคราะห์แป้ง

; Isoenzymes

; Enzymes

; Neural networks [Computer science]

; Human genome

Abstract: Starch is an indispensable raw material in many industries. The utilization of starch mostly depends on its physical and chemical properties, which differ according to plant origins and their varieties. While native forms of starch have many uses, sometimes the manufacturers find them unsuitable for their industrial requirement. These problems are often handled by exposing the native form of starch to physical or chemical modification processes in order to tailor them appropriately according to the industrial needs. However, both physical and chemical modifications are cost intensive and generate high chemical waste. Moreover, large portion of starches are likely to be destroyed during the process. Thus, a major challenge would be to predict the effect of genetic changes on the functional properties of starch to produce designer starches that suit specific uses. The enzymes in starch biosynthesis pathway generally have a variety of isoforms that have specific roles, which are believed to affect starch properties. However, their precise roles have not been identified. Understanding of relationships between enzyme isoforms in starch biosynthesis process and properties of starch granule is therefore one of the main goals of plant molecular biologist. Because of the difficulties in obtaining experimental evidences for each enzyme isoform as they are usually instable, hard to purify to homogeneity and exist in low abundance, classifying them into families using computational method based on the presence of shared features is one of the common strategies for functional analysis. Since the mechanisms by which different isofoms catalyze the same reaction and yet generate polymer variation are not fully understood together with the evidences that structures are more conserved than sequences in evolution as well as secondary structure agreement between predicted secondary structures can be used to identify distantly related protein sequences, we present a novel method for classifying and identifying starch enzyme isoforms based on predicted secondary structures. We have developed a method that can automatically perform unsupervised cluster discovery from the secondary structure of starch biosynthesis enzyme isoforms data input based on their similarity. During each iteration, a Smith-Waterman dynamic programming alignment algorithm together with our novel scoring model is used to calculate all pairwise similarity of secondary structure dataset. The highest score pair is then used to construct a representing pattern where it will be further considered in the successive rounds of the algorithm, instead of using its parental secondary structures. Finally, the clustering of the isoforms result is displayed in the form of a tree in which isoforms with similar secondary structure occupy neighboring leaves. In addition, we The method was applied to analyze a set of 201 isoforms of all key starch biosynthesis enzymes from seven selected plants and showed that our novel similarity measures can be used to cluster structurally related enzyme isoforms together. I describe how this method can be used to identify enzyme isoforms that might have been misclassified. The visualization method can also be used to identify the structural features that might constitute the minimum catalytic unit of each group of structurally related enzyme , isoforms. On the secondary structure comparison analysis of 61 starch synthase isoforms, it was found that the rice starch synthase isoform V contain structural regions that exhibit similar features to both isoform IV group and isoform V group. From this result, it might be suggested that rice starch synthase isoform V enzyme is the link between starch synthases that were classified to be in isoform IV group and those to the isoform V group as the secondary structure analysis show that these two isoform groups are structurally related. The result also suggests that the region where the rice starch synthase isoform V show high secondary structural residue identities with the rest of the isoform V enzymes might constitute to the minimum catalytic unit of the starch synthase isoform V family.

Abstract: ปัจจุบันแป้งเป็นวัตถุดิบสำคัญในอุตสาหกรรมต่างๆ ซึ่งแป้งที่นำมาใช้ขึ้นอยู่กับคุณสมบัติตาม ธรรมชาติที่แตกต่างกันไปตามชนิดของพืชที่สร้างแป้งนั้นๆ ทำให้อุตสาหกรรมที่ใช้แป้งเป็น วัตถุดิบประสบปัญหาจากการที่แป้งที่ได้มาจากพืชตามธรรมชาตินั้น มีคุณสมบัติที่ไม่เหมาะสม ผู้ผลิตมักจะแก้ปัญหาโดยการใช้วิธีการต่าง ๆ ได้แก่วิธีทางกายภาพเช่น การนวด หรือ การใช้ สารเคมีในการแปลงคุณสมบัติของเม็ดแป้งให้มีคุณสมบัติตามต้องการ อย่างไรก็ดี วิธีการเหล่านี้มี ราคาสูงและก่อให้เกิดมลพิษจากการปล่อยสารเคมีของเสียสู่สิ่งแวดล้อม รวมไปถึงการสูญเสียเม็ด แป้งเนื่องจากการถูกทำลายระหว่างขั้นตอนต่างๆ ดังนั้นความรู้ความเข้าใจในกระบวนการการ ควบคุมการสังเคราะห์แป้งในพืชจึงเป็นปัจจัยสำคัญอย่างยิ่งต่อการพัฒนาสายพันธุ์พืชให้สร้างแป้ง ที่มีคุณสมบัติตามต้องการ จากการวิจัยพบว่าเอนไซม์สำคัญในกระบวนการการสร้างแป้งนั้น มี ลักษณะเป็นไอโซฟอร์ม ซึ่งนักวิทยาศาสตร์มีความเชื่อว่า เอนไซม์ไอโซฟอร์มมีส่วน สำคัญในการกำหนดคุณสมบัติของเม็ดแป้ง อย่างไรก็ดีความรู้ความเข้าใจในบทบาทที่จำเพาะของ เอนไซม์ไอโซฟอร์มที่ทำหน้าที่เร่งปฎิกิริยาเดียวกันแต่ให้คุณสมบัติของแป้งที่ต่างกันยังไม่เป็นที่ ทราบแน่ชัด ดังนั้นการศึกษาความสัมพันธ์ระหว่างเอนไซม์ไอโซฟอร์ม ที่ทำหน้าที่ในกระบวนการ สร้างแป้ง และคุณสมบัติของเม็ดแป้งจึงเป็นหนึ่งในเป้าหมายเป้าหมายหลักในการควบคุมกระบวนการ สังเคราะห์แป้งของนักอณูชีววิทยา อย่างไรก็ดีการศึกษาคุณสมบัติอของเอนไซม์เหล่านี้ด้วยวิธีทาง ชีวเคมียังมีอุปสรรคในด้านต่างๆ เช่น มีปริมาณน้อย ทำให้บริสุทธิ์ยาก รวมทั้งเอนไซม์เหล่านี้มัก ไม่ค่อยเสถียร ดังนั้นการศึกษาคุณสมบัติของเอนไซม์เหล่านี้ด้วยเทคนิคด้านชีวสารสนเทศน่าจะ เป็นแนวทางเลือกในการศึกษาเพื่อให้เกิดความรู้ความเข้าใจได้เร็วขั้น โดยอาศัยหลักฐานเชิง วิวัฒนาการที่ว่าโครงสร้างระดับสูงของโปรตีนนั้นมีความอนุรักษ์ มากกว่าโครงสร้าง ระดับปฐมภูมิ ดังนั้นการจัดกลุ่มเอนไซม์ โดยอาศัยความคล้ายคลึงกันในระดับโครงสร้างทุติยภูมิ จึงเป็นวิธีการหนึ่งที่จะสามารถนำไปสู่ความเข้าใจหน้าที่ของเอนไซม์ได้ งานวิทยานิพนธ์นี้จึงได้ ทำการสร้างและพัฒนาเครื่องมือและวิธีการในการจัดกลุ่ม และจำแนกเอนไซม์ไอโซฟอร์มด้วยวิธี ทางวิทยาการคอมพิวเตอร์โดยการใช้โครงสร้างโปรตีนระดับทุติยภูมิที่ได้จากการทำนาย เราได้พัฒนาวิธีการทางคอมพิวเตอร์ ในการแบ่งกลุ่มข้อมูลโครงสร้างโปรตีน ระดับทุติยภูมิจาก เอนไซม์ที่อยู่ในกระบวนการการสร้างแป้ง ตามความคล้ายคลึงของเอนไซม์แต่ละชนิด ซึ่งในแต่ละ รอบของการคำนวณ Dynamic programming algorithm ของ Smith-Waterman และโมเดลการให้ คะแนนที่ ทางเราได้พัฒนาขึ้นมานั้น จะถูกนำมาใช้ในการหาความคล้ายคลึงแบบคู่ คู่โครงสร้างโปรตีน ที่มีความคล้ายคลึงกันสูงสุด จะถูกนำมาสร้างแบบตัวแทน ซึ่งแบบ ตัวแทนนี้จะถูกใช้แทนที่จากคู่โครงสร้างโปรตีนที่สร้างขึ้นในการคำนวณในรอบต่อๆไป ใน ตอนท้าย ผลลัพท์ของการจัดกลุ่มจะถูกแสดงในรูปแบบของต้นไม้วิวัฒนาการ โดยโปรตีนที่มี โครงสร้างคล้ายกันจะมาอยู่ข้างๆกัน นอกจากนั้นเรายังได้พัฒนาวิธีการในการหารูปแบบ โครงสร้างระดับทุติยภูมิที่ถูกอนุรักษ์ในข้อมูลทั้งหมด เราได้ทดลองใช้วิธีการที่ได้พัฒนาขึ้นมากับกลุ่มข้อมูลเอนไซม์ที่ประกอบด้วย เอนไซม์ไอโซฟอร์ม ที่อยู่ในกระบวนการสร้างแป้งจำนวน 201 ชนิด ซึ่งถูกคัดเลือกมาจากพืชเจ็ดชนิดและแสดงให้เห็น ว่าวิธีการที่ได้พัฒนาขึ้นนี้สามารถนำมาใช้จัดกลุ่มข้อมูลโครงสร้างโปรตีนได้จริง เรายังได้แสดงให้ เห็นว่าวิธีนี้ยังสามารถนำไปใช้ในการหาข้อมูลเอนไซม์ไอโซฟอร์มที่อาจจะถูกจัดกลุ่มผิดอยู่ วิธีการ แสดงผลของเรายังสามารถนำไปใช้ในการหารูปแบบโครงสร้างที่อาจจะเป็นส่วนประกอบของ minimal catalytic unit สำหรับกลุ่มที่มีความเกี่ยวข้องกันตามโครงสร้างทุติยภูมิ จากการวิเคราะห์ ข้อมูลแบบเปรียบเทียบของกลุ่มเอนไซม์ Starch Synthase จำนวน 61 ชนิดพบว่า Starch synthase isoform V มีลักษณะโครงสร้างโปรตีนระดับทุติยภูมิ ที่คล้ายกับ Starch Synthase อื่นๆที่อยู่ในกลุ่ม Isoform IV และ Isoform V ผลลัพท์นี้ทำให้สร้างสมมุติฐานได้ว่า Starch synthase isoform V จาก IV และ V จากข้าวนั้น อาจเป็นตัวเชื่อม ระหว่าง Starch synthase ที่จัดอยู่ในกลุ่ม IV and V เนื่องจากการ วิเคราะห์ลักษณะโครงสร้างโปรตีนระดับทุติยภูมิแสดงให้เห็นว่า เอนไซม์สองกลุ่มนี้มีความ เชื่อมโยงกันในระดับโครงสร้าง นอกจากนี้ เรายังสามารถสร้างสมมุติฐานได้อีกว่า บริเวณของ โครงสร้างโปรตีนระดับทุติยภูมิ ที่มีความคล้ายคลึงสูงเมื่อเปรียบเทียบกันระหว่าง Starch synthase isoform V จากข้าว และ Starch synthase isoform V อื่นๆ อาจจะเป็นโครงสร้างสำคัญ และอาจบ่งชี้ได้ว่า เป็นบริเวณ ที่เป็น Minimal catalytic unit ของกลุ่มเอนไซม์ Starch synthase isoform V

Abstract: The completions of many genome sequencing projects of many organisms have brought about the need for automated, large-scale and accurate function assignment of gene products. Many methods and databases have been developed and implemented to annotate the large amount of genomic sequence data. However, these methods usually use different algorithm and thus each has its own strength and weaknesses and all of them do not provide precise reliable estimates or confidence measures for their predictions. Jason el al., 2005 have develop the Bioverse database and computational biology framework which is an integrated, knowledge-base resource to facilitate the understanding of molecular and organismal biology. Automated functional annotation by various domain, site and family tools were performed on protein sequences in the Bioverse. These function predictions were used as the primary functional annotation of each protein molecule with the tool(s) that produce that specific prediction regarded as the prediction evidence of that functional assignment. I have taken a step further by developing a prediction confidence or correctness measure which makes use of the comparison between prediction and experimentally derived annotation. In my approach, Homo sapiens and Drosophila melanogaster were used as the model organism. Artificial neural network was used to learn the integration of quality measures from various tools to predict the new integrated correctness score and it can be used in the assignment of correctness score for hnctional predictions that do not have experimental evidences.

Abstract: ในปัจจุบันความสำเร็จในโครงการอ่านรหัสดีเอ็นเอจากจีโมนของหลากหลายสิ่งมีชีวิต ทำให้เกิด ความจำเป็นที่จะต้องใช้วิธีการทางคอมพิวเตอร์ เพื่อทำการกำหนดหน้าที่ให้กับโปรตีนต่างๆโดย อัตโมนัติ นักวิทยาศาสตร์จากที่ต่างๆได้สร้างวิธีการ และฐานข้อมูลเพื่อช่วยในการถอดรหัสข้อมูล จีโมนที่อยู่จำนวนมหาศาล แต่ทั้งนี้ทั้งนั้นวิธีการต่างๆ ที่ใช้ในการกำหนดหน้าที่ให้กับโปรตีนล้วน แต่มีข้อดีและข้อด้อยต่างกัน และวิธีต่างๆเหล่านี้ก็ไม่ได้มีการให้ค่าที่แสดงถึงความน่าเชื่อถือกับ ผลลัพท์ที่วิธีเหล่านั้นผลิตออกมา Jason el al., 2005 ได้สร้างฐานข้อมูลที่เรียกว่า Bioverse เพื่อช่วยในการทำความเข้าใจหน้าที่ ต่างๆของโปรตีนโมเลกุลจากสิ่งมีชีวิตต่างๆ การกำหนดหน้าที่อย่างอัตโนมัติโดยการเปรียบเทียบ กับฐานข้อมูลต่างๆ ถูกนำมาใช้ในการทำนายหน้าที่ของโปรตีนโมเลกุล ผลลัพท์ที่ได้จากการ ทำนายจะถูกนำมาใช้เป็นหน้าที่เบื้องต้นของโปรตีนโมเลกุลนั้นๆ ในงานวิจัยนี้ ค่าความมั่นใจได้ถูกสร้างขึ้นเพื่อเป็นคะแนนความถูกต้องสำหรับผลลัพท์การทำนาย หน้าที่โปรตีนที่ได้จากวิธีทางคอมพิวเตอร์(ข้อมูลทั้งหมดจะถูกดึงมาจากฐานข้อมูล Bioverse) โดยการเปรียบเทียบกับหน้าที่จริงที่มีผลการพิสูจน์ทางวิทยาศาสตร์แล้ว ข้อมูลโปรตีนจากจีโนม มนุษย์และหนูได้ถูกนำมาใช้เป็นข้อมูลแม่แบบและข่ายงานประสาทเทียมได้ถูกนำมาใช้ในการ เรียนรู้ข้อมูลค่าความมั่นใจเพื่อนำไปใช้ในการกำหนดค่าความมั่นใจให้กับผลการทำนายตัวอื่นๆ ต่อไป

King Mongkut's University of Technology Thonburi. Library

Address: BANGKOK

Email: info.lib@mail.kmutt.ac.th

Name: Supapon Cheevadhanarak

Role: Advisor

Name: Ram Samudrala

Role: Advisor

Created: 2004

Modified: 2551-03-04

Issued: 2008-03-04

วิทยานิพนธ์/Thesis

application/pdf

CallNumber: BIF5

eng

DegreeName: Master of Science

Level: Master's Degree

Descipline: Bioinformatics

Grantor: King Mongkut's University of Technology Thonburi

©copyrights King Mongkut's University of Technology Thonburi

ลำดับที่.	ชื่อแฟ้มข้อมูล	ขนาดแฟ้มข้อมูล	จำนวนเข้าถึง	วัน-เวลาเข้าถึงล่าสุด
1	BIF5abth[2].txt	1.59 KB	34	2026-05-26 18:16:01
2	BIF5aben[2].txt	2.01 KB	32	2026-05-26 18:16:01
3	BIF5abth[1].txt	4.43 KB	25	2026-05-26 18:16:01
4	BIF5aben[1].txt	4.5 KB	25	2026-05-26 18:16:01
5	BIF5ab[2].pdf	58.95 KB	32	2026-05-26 18:16:01
6	BIF5ab[1].pdf	114.03 KB	25	2026-05-26 18:16:01
7	BIF5.pdf	6.9 MB	30	2026-05-26 18:16:01

ใช้เวลา

0.05325 วินาที