Bioinformatický a chemoinformatický výzkum v Loschmidtových laboratořích Loschmidtovy laboratoře, Ústav experimentální biologie, Výzkumné centrum toxických.

Prezentace na téma: "Bioinformatický a chemoinformatický výzkum v Loschmidtových laboratořích Loschmidtovy laboratoře, Ústav experimentální biologie, Výzkumné centrum toxických."— Transkript prezentace:

1 Bioinformatický a chemoinformatický výzkum v Loschmidtových laboratořích
Loschmidtovy laboratoře, Ústav experimentální biologie, Výzkumné centrum toxických látek v prostředí, Masarykova univerzita, Brno

2 Loschmidtovy laboratoře
20 let existence 4 softwarové nástroje 3 patenty 30 lidí 3 týmy

3 Teoretický tým složení 3 senioři

4 Teoretický tým složení 3 senioři 3 postgraduální

5 Teoretický tým složení 3 senioři 3 postgraduální 3 pregraduální

6 Teoretický tým složení interdisciplinární 3 senioři 3 postgraduální
3 pregraduální interdisciplinární molekulární biologie chemie biochemie informatika

7 Výzkumná témata vývoj software studium biologických systémů Caver 3.1
Caver Analyst 1.0 PredictSNP 1.0 HotSpot Wizard 2.0 studium biologických systémů design stabilních proteinů identifikace nových enzymů optimalizace metabolických drah

8 Výzkumná témata vývoj software studium biologických systémů Caver 3.1
Caver Analyst 1.0 PredictSNP 1.0 HotSpot Wizard 2.0 studium biologických systémů design stabilních proteinů identifikace nových enzymů optimalizace metabolických drah

9 Caver 3.1 identifikace a analýza molekulárních tunelů v proteinech
nová verze – optimalizované hierarichické klastrování Chovancová, E. et al. (2012) PLOS Computational Biology 8: e

10 Caver 3.1 >5000

11 Výzkumná témata vývoj software studium biologických systémů Caver 3.1
Caver Analyst 1.0 PredictSNP 1.0 HotSpot Wizard 2.0 studium biologických systémů design stabilních proteinů identifikace nových enzymů optimalizace metabolických drah

12 Caver Analyst 1.0 intuitivní rozhraní studium ansámblu struktur
dynamika tunelů komparativní analýza tunelů realistická vizualizace tunelů komplexní analýza statistiky grafy Kozlíková, B., et al. (2014) Bioinformatics, doi: /bioinformatics/btu364

13 Caver Analyst 1.0

14 Výzkumná témata vývoj software studium biologických systémů Caver 3.1
Caver Analyst 1.0 PredictSNP 1.0 HotSpot Wizard 2.0 studium biologických systémů design stabilních proteinů identifikace nových enzymů optimalizace metabolických drah

15 PredictSNP 1.0 predikce vlivu mutací na funkci proteinů
Bendl, J. et al. (2014) PLOS Computational Biology 10: e

16 loschmidt.chemi.muni.cz/predictsnp/
detaily během zítřejší prezentace: J. Bendl - PredictSNP: prediktor vlivu mutací na funkci proteinů loschmidt.chemi.muni.cz/predictsnp/

17 Výzkumná témata vývoj software studium biologických systémů Caver 3.1
Caver Analyst 1.0 PredictSNP 1.0 HotSpot Wizard 2.0 studium biologických systémů design stabilních proteinů identifikace nových enzymů optimalizace metabolických drah

18 HotSpot Wizard predikce mutability funkčně významných pozic v proteinu
CSA UniProt PDBSWS RCSB PDB RCSB PDB CASTp Hot Spot Wizard uživatel uživatel CAVER Rate4Site MUSCLE Cd-hit tunnels BLAST NRDB Pavelka, A. et al. (2009) Nucleic Acids Research 37: W376-W383

19 loschmidt.chemi.muni.cz/hotspotwizard
>1000 loschmidt.chemi.muni.cz/hotspotwizard

20 HotSpot Wizard 2.0

21 HotSpot Wizard 2.0

22 HotSpot Wizard 2.0

23 HotSpot Wizard 2.0 detaily na posteru

24 Výzkumná témata vývoj software studium biologických systémů Caver 3.1
Caver Analyst 1.0 PredictSNP 1.0 HotSpot Wizard 2.0 studium biologických systémů design stabilních proteinů identifikace nových enzymů optimalizace metabolických drah

25 Design stabilních proteinů
požadavky nadstandardní stabilizace minimalizace experimentů

26 Design stabilních proteinů
požadavky nadstandardní stabilizace minimalizace experimentů metoda FIREPROT kombinace evolučních a energetických přístupů efektivní filtrování přesné predikce vícenásobné mutanty

27 Design stabilních proteinů
mutant DhaA115 11 mutací 5 charakterizovaných násobných mutantů Δ Tm = 25 °C

28 Design stabilních proteinů
mutant DhaA115 11 mutací 5 testovaných násobných mutantů Δ Tm = 25 °C mutant DhaA63 8 mutací testovaných jednobodových mutantů Δ Tm = 18 °C

29 Výzkumná témata vývoj software studium biologických systémů Caver 3.1
Caver Analyst 1.0 PredictSNP 1.0 HotSpot Wizard 2.0 studium biologických systémů design stabilních proteinů identifikace nových enzymů optimalizace metabolických drah

30 Identifikace nových enzymů
požadavky identifikace funkčních enzymů v databázích zajímavé katalytické vlastnosti

31 Identifikace nových enzymů
požadavky identifikace funkčních enzymů v databázích zajímavé katalytické vlastnosti in silico platforma identifikace podobných sekvencí ověření přítomnosti důležitých znaků sekvenční analýzy a anotace modelování 3D struktury analýza kapes a tunelů modelování komplexů

32 Identifikace nových enzymů
aplikace při identifikaci nových dehalogenas 6 000 homologů z toho 550 putativních dehalogenas 20 sekvencí vybráno k experimentální charakterizaci charakterizované vybrané

33 Charakterizace nových enzymů
exprese 9x dobrá 8x špatná 3x žadná potřeba lepší predikce exprese či rozpustnosti

34 Charakterizace nových enzymů
exprese 9x dobrá 8x špatná 3x žadná potřeba lepší predikce exprese či rozpustnosti vlastnosti 9 aktivních 1x archea 1x eukaryota 2x psychrofilové

35 Výzkumná témata vývoj software studium biologických systémů Caver 3.1
Caver Analyst 1.0 PredictSNP 1.0 HotSpot Wizard 2.0 studium biologických systémů design stabilních proteinů identifikace nových enzymů optimalizace metabolických drah

36 Optimalizace metabolických drah
požadavky dosáhnout vysoké produktivity dráhy minimálním spotřeba enzymů

37 Optimalizace metabolických drah
požadavky dosáhnout vysoké produktivity dráhy minimálním spotřeba enzymů modelování metabolické dráhy kinetické modely optimalizace cílových parametrů

38 Optimalizace metabolických drah
konverze TCP na glycerol 3 enzymy, 5 kroků, inhibice 16 parametrů, 7 rovnic Dvořák, P. et al. (2014) ChemBioChem, v tisku

39 Optimalizace metabolických drah
konverze TCP na glycerol 3 enzymy, 5 kroků, inhibice 16 parametrů, 7 rovnic výstup optimalizace poměrů úspora až 50% enzymů při zachování produktivity Dvořák, P. et al. (2014) ChemBioChem, v tisku

40 Závěr Biologický problém Metoda SW 3964

41 3964