Prediction of ligand binding sites from protein structure

Abstract

Ligand binding site prediction from protein structure is a fundamental prob- lem in the field of structural bioinformatics that has many applications related to the elucidation of protein function and structure-based drug discovery. The first focus of this thesis was the application of machine learning to this and related problems. The second focus was the development of practically usable tools based on our research. The machine learning based tools produced as a result of the work on this thesis include the pocket re-scoring method PRANK, a stand-alone ligand binding site prediction method P2Rank (together with its extended web interface PrankWeb) and the peptide binding prediction method P2Rank-Pept. We have shown that our methods outperformed available state- of-the-art tools while providing other benefits like prediction speed and stability. Furthermore, we have developed AHoJ, a flexible tool for the search and align- ment of Apo-Holo protein pairs in the PDB. AHoJ that is ideal for creating Apo-Holo datasets which can in turn help to better evaluate binding site pre- diction methods in the future. 1

Predikce vazebních míst pro ligandy z proteinové struktury je základním problémem v oblasti strukturní bioinformatiky, který má mnoho aplikací souvisejících s objasňováním funkce proteinů a objevováním léků na základě struktury (tzv. rational drug design). Tato práce se nejprve zaměřila na aplikaci strojového učení na tento a související problémy. Druhým zaměřením byl vývoj prakticky použitelných nástrojů na základě našeho výzkumu. Mezi nástroje založené na strojovém učení vytvořené jako výsledek práce na této dizertaci patří metoda pocket re-scoring PRANK, samostatní metoda predikce vazebních míst pro lig- andy P2Rank (společně s rozšířeným webovým rozhraním PrankWeb) a metoda predikce vazebních míst pro peptidy P2Rank-Pept. Ukázali jsme, že naše metody jsou presnejší než dostupné nástroje a zároveň poskytují další výhody, jako je rychlost predikce a stabilita. Dále jsme vyvinuli AHoJ, flexibilní nástroj pro vyhledávání a zarovnání Apo-Holo proteinových párů v PDB. AHoJ to je ideální pro vytváření Apo-Holo datasetů, které mohou v budoucnu pomoci lépe evalu- ovat metody pro predikcy vazebních míst. 1