Zielgerichtetes Design von Aminosäuresequenzen mit Künstlichen Neuronalen Netzen

Es wird eine allgemeine Methode zur Entwicklung von neuronalen Filtersystemen zur Mustererkennung in Proteinsequenzen und fur 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 unabhangigen Testsequenzen mit absoluter Genauigkeit vorhergesagt. Dies stellt eine deutliche Verbesserung gegenuber den bislang verwendeten statistischen Verfahren dar. Der entscheidende Unterschied des PROFI-Systems gegenuber anderen kunstlichen neuronalen Netzen zur Untersuchung von Proteinsequenzen liegt in der biologisch orientierten Datenreprasentation: Nicht Buchstabenfolgen, sondern biophysikalische Aminosaureeigenschaften 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 konnen sich in Zukunft einige Decodierungsprobleme in Proteinsequenzen losen lassen. Die mit PROFI entwickelten neuronalen Filtersysteme werden zur Prozesskontrolle beim rationalen Design von Aminosauresequenzen eingesetzt. Dazu wird ein Protein-Design Zyklus vorgestellt, der die Optimierung von Aminosauresequenzen nach diesem kybernetischen Modell ermoglicht (PROSID: Pro tein S equence I nductive D esign). Trainierte kunstliche neuronale Netze dienen dabei zur Reprasentation eines „idealen“ Proteinmodells, welches in einer sich wiederholenden Mutations-Selektions Prozedur aus einer zuachst zufallig gewahlten Aminosauresequenz durch S imulierte M olekulare E volution (SME) erzeugt werden kann. Dieses neue Syntheseverfahren ist als Prototyp fur DOS-Rechner in Modula2 implementiert.