Rainer König
Dr. sc. hum. Dipl.-Phys.
Analyse der Struktur und Interaktion von Proteinen und anderen Biopolymeren
Geboren am 18.2.1968 in Stuttgart
Reifeprüfung am 12.5.87 in Leinfelden-Echterdingen
Studiengang der Fachrichtung Physik vom WS1989/90 bis WS1996/97
Vordiplom am 7.11.1991 an der Universität Freiburg
Diplom am 25.11.1996 an der Universität Heidelberg
Promotionsfach: Biochemie
Doktorvater: Priv.-Doz. Dr. med. Thomas Dandekar
Das Gebiet der Proteinstruktur-Analyse und Proteininteraktion ist sehr vielschichtig. Drei
wesentliche Teilaufgaben sind: die Erkenntnis prinzipieller Faltungs- und Interaktions-
vorgänge, die Verbesserung und Anpassung geeigneter Suchalgorithmen und die
Verbesserung und Erweiterung der Ermittlung experimenteller Daten.
Veränderte Proteinstrukturen sind bei vielen Krankheiten maβgeblich beteiligt, z.B. bei
neurodegenerativen Krankheiten, wie Alzheimer, Parkinson, Huntington, Amyotrophische
laterale Sklerose, BSE und Creutzfeld-Jakob. Computersimulationen zu Faltung, Struktur und
Interaktion von Proteinen sind auf viele experimentelle Daten angewiesen, speziell wenn sehr
detailgetreue Modelle erstellt werden sollen. Dabei kann die explizite Einbindung des
Lösungsmittels in den Algorithmus Artefakte aufgrund von Randeffekten verhindern. Viele
Proteine scheinen nicht an einen rigiden nativen Faltungszustand gebunden zu sein, sondern
sind dynamisch und flexibel. Proteininteraktionen oder Protein-Substratanbindungen können
dabei mit dem Anziehen eines Handschuhs verglichen werden. Die Entropie des
Lösungsmittels ist eine entscheidende Gröβe bei Faltungsprozessen, aber schwierig zu
berechnen. Besonders bei detailgetreuen Simulationen müssen viele Mikrozustände
berücksichtigt werden. Das ist sehr rechenintensiv, auβerdem ist die Einteilung und
Zuordnung der Mikrozustände nicht trivial und hängt von der Perspektive des Forschers ab.
Der Einbau des Lösungsmittels in Simulationen und speziell seiner für Proteinstrukturen
wesentlichen Eigenschaft, seine Ordnung oder Entropie, in Simulationen wurde von mir an
Hand eines einfachen Gittermodells untersucht. Ich benutzte das bekannte und bewährte hp-
Modell, bei dem Aminosäuren lediglich dadurch gekennzeichnet sind, dass sie entweder
hydrophob oder polar sind. Das Lösungsmittel wurde in kleine Wasser-Ensembles
zusammengefasst, die dadurch charakterisiert waren, dass sie entweder geordnet (mit
niedriger Entropie) oder weniger geordnet (mit hoher Entropie) waren. Die geordneten
Wasser-Ensembles befanden sich jeweils neben hydrophoben Residuen. Als Effekt für die
Wirksamkeit einer derartigen Einbindung der Entropie des Lösungsmittels konnte gezeigt
werden, dass Monte-Carlo-Faltungssimulationen erheblich effektiver waren und den nativen
Faltungszustand, oder, bei längeren Ketten, gute Teillösungen schneller und verlässlicher
ermittelten. Desweiteren konnte in einer einfachen Rechnung gezeigt werden, dass die
Metropolis-Monte-Carlo-Methode mit einer vereinfachten Boltzmann-Statistik rechnet, die
nicht der natürlichen Verteilung entspricht. Vergleiche anhand der Faltungssimulationen
zwischen ihr und der physikalisch exakteren Statistik zeigten allerdings, dass beide
equivalente Sucherfolge erzielten.
Gerade einfache Gittermodelle sind geeignet, Suchalgorithmen für Proteinstruktur-
vorhersagen anzupassen und zu optimieren. Genetische Algorithmen eignen sich besonders
gut für Faltungssimulationen, da sie verschiedene Teillösungen in Form von gut gefalteten
Domänen oder kleineren Teilen des Proteins durch Rekombination zusammenbringen können.
Dennoch ist es nicht optimal, diese Verknüpfungen rein zufallsgesteuert zu gestalten. Das von
uns entwickelte “systematische Crossover” legt systematisch den Verknüpfungspunkt von
Teillösungen fest und gibt die beste Rekombination davon aus. Abhängig von der Peptidlänge
konnte damit das Optimum schneller und häufiger gefunden werden. Die Effektivität des
systematischen Crossovers konnte durch "Pioneer-Search", einer Strategie, die in
regelmäβigen Abständen neue Generationen von Individuen alter Generationen "säubert",
noch etwas gesteigert werden.
Im letzten Teil der Arbeit wurde ein modernes Messprinzip mit Biosensoren vorgestellt. Die
Entwicklung moderner Messmethoden mit Microarrays hat viele Anwendungsmöglichkeiten,
von DNA-Chips bis zur Messung subtiler Proteininteraktionen. Gemeinsam ist diesen
Techniken, dass sie aus vielen kleinen Messfeldern bestehen, die mit Rezeptoren
(Gegenoligonukleotide, Antikörper) bestückt sind und dadurch viele verschiedene Reagenzien
gleichzeitig messen können, wie z.B. die Expression tausender verschiedener Gene. In der
medizinischen Forschung sind sie u.a. interessant zur ortsaufgelösten und Gen-Expressions-
aufgelösten Beobachtung von Krebspropagation und der Untersuchung von Gen-
Expressionsmechanismen, sowie in der Grundlagenforschung zur Proteinstrukturanalyse,
speziell bei der Untersuchung des Wechselspiels von Proteinfaltung und Lösungsmittel-
interaktionen. Eine zentrale Schwierigkeit dieser Sensoren ist die Beschichtung der
Sensoroberfläche mit dem Rezeptor. Ich untersuchte dazu ein im Gegensatz zu den häufig
verwendeten Silanisierungen unkompliziertes und ungefährliches Verfahren, die
elektrochemische Polymerisierung von Pyrrol. Selbst in physiologischer Kochsalzlösung
konnten gute Beschichtungen durchgeführt werden. Pyrrolmarkierte, gröβere Moleküle in
Form von Farbstoffmarkern konnten in die Beschichtung miteingebracht werden. In unserem
Institut können inzwischen pyrrolmarkierte Oligonukleotide hergestellt werden, so dass
Sensorbeschichtungen mit Oligonukleotiden möglich sein müssten. Eine weitere Problematik
ergibt sich beim Miniaturisieren der Messfelder, um möglichst viele Reagenzien (Antigene,
Oligonukleotide, Gene) messen zu können. Dazu wurde von uns eine neue Methode entdeckt:
die Polymerisierung kann auf lichtempfindlichen Halbleitern durch einen gezielten
Laserstrahl lokalisiert werden.
Damit konnten weitere Fortschritte auf den oben genannten Gebieten in der Forschung der
Proteinstrukturanalyse erzielt werden.
