Ant Colony Optimization based Inverse Folding of mono

139 Pages·2016·3.54 MB·English

Albert-Ludwigs-Universtita¨t
Freiburg im Breisgau/Germany
Ant Colony Optimization based
Inverse Folding of mono- and
bistable RNA Macromolecules
Dissertation
zur Erlangung des akademischen Grades
Doctor rerum naturalium (Dr. rer. nat.)
vorgelegt dem Rat der Technischen Fakult¨at
der Albert-Ludwigs Universt¨at Freiburg
von
Diplom Bioinformatiker
Robert Kleinkauf
2016
Dekan
Prof. Dr. Georg Lausen
Gutachter
Prof. Dr. Rolf Backofen
Zweitgutachter
Prof. Dr. Ivo Hofacker
Kommissionsvorsitz
Prof. Dr. Christoph Scholl
Kommissionsbeisitz
Prof. Dr. Gerald Urban
Datum der Promotion
27.06.2016
I will take the Ring, though I do
not know the way.
Frodo Baggins
The Council of Elrond

ACKNOWLEDGEMENT
...I salute Mr. Frodo Baggins for carrying the Ring and ultimatively destroying it in
the fires of Mount Doom...
Well, yes, in that case, it was me who ’handed in’ the Ring! But it is very selfish
to start with oneself, however, on the way to Mount Doom, Frodo received support,
help and company through direct and indirect open and secret support by friends and
benefactors. Without those fundamental prerequisites, he would not have gotten any
further than to the borders of the Shire.
Therefore,
... Iwant tothankRolfBackofen: Thankyouvery muchforgiving metheopportunity
to be part of your chair in Freiburg and let me have my software tinkering workbench
in the lab.
...I want to thank Ivo Hofacker for the kindness of accepting my thesis in the role as
the second supervisor.
...I want to thank Martin Mann for his very patient style of mentorship, support and
care.
...EspeciallyIwanttothankMonikaforbeingthegoodspriteallthetime! Withoutyou
some peculiarities would have been unnecessary burdens! I also want to thank Stefan,
the ghost in the machine. Without you, life would have been even more complicated,
and I would have been stuck.
...I want to thank the ever changing composition of the Bioinformatics hair working
alongside during the time. You have been the cause of the constant puzzle and the
partially collaborative possibility to get back on track! Without you, the whole chair
would be just another dusty place filled with nothing but streamlined smoothies and
other strange characters! It was a nice experience with you!
Last but not least I want to thank my family and my friends for their lively support,
their constructive encouragement to diverse concerns and their being themselves in di-
verse situations. Without you, this whole endeavor would have been impossible.
Thank You!

ABSTRACT
SincethediscoveryofstructuralconformationsofDNAinthemiddleofthe20thcentury
not only technologies that can elucidate structures of biologically relevant molecules
have become more sophisticated, but the understanding of biological processes on the
molecular level in general has grown tremendously in the last 60 years of research. In
this same time, the early and dogmatic statement, according to which proteins are the
only entities in molecular biological perception that can perform and provide necessary
biological, e.g. enzymatic, functions within organisms, has undergone major revision.
Of course, proteins do still perform the functions, which have been annotated, but in
additiontothelevelofcontroloftheproteins,specificRNAmolecules,namelythenon-
coding RNAs, have been accounted to the executing functional level so far exclusive to
proteins. As in the case of the proteins, a functional RNA receives its specific function
from a biologically active structure conformation, which strongly correlates with the
respective RNA sequence. A comparatively large number of sequences can fold into
a similar structural RNA conformation. However, small perturbations as for example
pointmutationsorsequesteringofpartsoftheRNAsequencethroughotherinteracting
entitiescanbekeyforthedisruptionofthefunctionalstructureoftheRNA.Alongside
with the exploration of new RNA functionalities, RNA based technologies have been
derived from single RNA based functionalities and corresponding mechanisms. Their
analyticalandcreativepotentialincombinationwithhereofderivedcomputerprograms,
e.g. predictingstructuresfromRNAsequencesorviceversa,predictingRNAsequences
from structures, extend the classical biological approach beyond its investigative origin
by adding a progressive engineering spirit to the former purely research character.
In this dissertation, a computational RNA design tool and its application performance
are presented. The tool is conceptually based on a relatively long heritage of tools,
which can solve the ’RNA inverse fold’ problem: Given a structure (mostly secondary
RNAstructure),theprogramspursuitdifferentstrategiestoproduceasequence,which
can fold into the specified structure input. Classically a single structure was given as
input. With the presented tool and its several capabilities of solving different levels of
structuralcomplexitybasedonRNAsecondarystructures,notonlyanewwayofsolving
the problem with the heuristic approach of the ant-colony optimization technique was
introduced. Furthermore, new constraints such as the regulation of a very precise GC
contentofthesolutionsequencehasbeengivenmajorconcernintheconceptaswellas
new structural constraint possibilities of pseudoknots and bistable RNA entities. The
new introduced features are benchmarked and tested on structure complexity specific
data sets, which have been gained from online data bases and corresponding literature
efforts. Alsocomparativerepresentationswithotherstateoftheartcomputerprograms
are given.
ZUSAMMENFASSUNG
SeitderEntdeckungderStrukturkonformationvonDNAinderMittedes20.Jahrhun-
derts wurden nicht nur die strukturellen Aufkl¨arungsmethoden fu¨r biologisch relevante
Mikro- und Makromoleku¨le weiterentwickelt, vielmehr wurde auch das Wissen um bio-
logische Prozesse auf molekularer Ebene enorm erweitert. Im selben Zeitrahmen wurde
aber auch das sehr lange vorherrschende Dogma, nach welchem ausschließlich Proteine
dieeinzigenEntit¨ateninnerhalbvonOrganismenseien,diebiologischrelevante,wiez.B.
enzymatischeFunktioneninnehaben,durchWeiterentwicklungenundNeuentdeckungen
wiederlegt,beziehungsweiseu¨berholt.Selbstverst¨andlichvollziehendieProteineweiter-
hin deren annotierten charakteristischen Funktionen innerhalb der Organismen, den-
nochwurdedieWeltderProteinefunktionalumdieKlassedernichtcodierendenRNA
erweitert.DiesesindinderLage,¨ahnlicheAufgabenzubewerkstelligen,wiedieProteine
selbst.WiebeidenProteinenleitetsichdieFunktioneinerRNAvonderenStrukturkon-
formation ab, die wiederum von der jeweiligen RNA Sequenz abh¨angt. Obwohl eine im
Vergleich zu den Proteinen gr¨oßere Anzahl an Sequenzen in immernoch die selbe RNA
Struktur falten kann, k¨onnen durch kleine St¨orungen, wie zum Beispiel Punktmutatio-
nenoderauchdurchInteraktionvonanderenFaktorenanbestimmtenStellenderRNA
die Faltungskompetenz einer RNA Sequenz drastisch ver¨andern, so dass die eigentliche
biologische Funktion unterbrochen werden kann. Mit den Entdeckungen neuer RNA
Funktionen, wurden RNA basierende Techologien aus einzelnen Funktionen und deren
Mechanismen abgleitet. Das hierbei innewohnende analytische und kreative Potenti-
al der jeweiligen Technogien gekoppelt und einhergehend mit theoretisch-biologischen
Computerprogrammen,diez.B.durchFaltungsvorhersagenfu¨rSequenzen,d.h.gegeben
einer RNA Sequenz, deren Structur berechnen k¨onnen, bzw. umgekehrt, durch inverse
FaltungsvorhersagenvonStrukturen,d.h.gegebeneinerStruktur,diejeweiligeSequenz
berechnen k¨onnen, l¨asst es zu, bzw. fordert es gerade zu heraus, dass der klassische
biologische Forschungsansatz u¨ber seinen investigativen Charakter hinausw¨achst und
sich zu einer Ingeneursdisziplin weiterentwickelt.
Innerhalb der vorliegenden Dissertation wird ein Konzept zum L¨osen des Problems des
RNA Inverse Folding vorgestellt. Die Anwendungsperformanz der daraus hervorgegan-
genen Implementierung wird vergleichend zu bisherigen Programmen dargestellt. Das
ProblemdesRNAinversefoldingswurdeineinemrelativlangemErbevonProgrammen
schon zu vor gel¨ost. Die jeweiligen Programme gehen hierbei das Progblem des RNA
inverse folding auf unterschiedliche Arten und Weisen an und erlauben es mit einer
jeweilig spezifischen L¨osungskomplexit¨at das Problem zu l¨osen. Auch die in der Arbeit
verwendeteMethodederAmeisen-KolonieOptimirunghateineHistorieundkaminun-
terschiedlichsten Bereichen bereits zum Einsatz. Alle RNA inverse folding Programme
liefernRNASequenzen,diedieEigenschaftbesitzensollen,ineinealsEingabedefinier-
te Sekund¨arstruktur der RNA falten zu k¨onnen. Hierbei wurde in klassischen Ans¨atzen
eine einzelne Struktur als Eingabe zugelassen. Mit dem hier pr¨asentierten Programm
undseinenunterschiedlichenM¨oglichkeitenderProbleml¨osungdesRNAinversefolding
auf unterschiedlichen strukturellen Komplexit¨atsebenen der RNA SekundÃďrstruktur,
wurde nicht nur ein neuartiger Weg zur L¨osung des Problems mit Hilfe der heuris-
tischen ant-colony optimization (Ameisen Kolonie Optimierung) dargestellt, vielmehr
wurden neuartige Problemrandbedingungen (Constraints) mit beru¨cksichtigt und zur
L¨osung des Problems herangezogen, so dass es mit nun Hilfe des dargestellten Weges
m¨oglichist,sehrpr¨azisedenGC-GehaltderzudesignendenRNASequenzeinstellenzu
k¨onnen.Zus¨atzlichk¨onnendurchdieEntwicklunggeeigneterDarstellungsm¨oglichkeiten
komplexe Struktureingaben gemacht werden, so dass es mit dem vorgestellten Ansatz
auch m¨oglich ist, Pseudoknoten und bistabile Strukturkonformationen zu modellieren.
Nach einer generellen EinfÃijhrung in die Themen nicht codierende RNA und deren
Faltung, wird die Adaption der Ameisen Kolonie Optimierung hinsichtlich des RNA
inverse foldings afgebaut. Die jeweilig benutzten Konzepte und deren Zusammenspiel
werdendargestellt.LetztlichwerdendieF¨ahigkeitendesProgrammsinVergleichs-und
Leistungstests auf der Basis von verschiedenen Strukturkomplexit¨aten mit Hilfe von
Datenermittelt,dieausOnline-Datenbankenentnommenwurden,sowieausLiterturre-
cherchenhervorgegangensind.VergleichendeErgebnissezubisherigen’state-of-the-art’
Programmen werden pr¨asentiert.