Heute sind zwar die meisten der Gene des Menschen entschlüsselt, aber ein sehr großer Teil davon ist gar nicht oder nur in Ansätzen funktionell klassifiziert. Durch Wechselwirkungen von Proteinen mit anderen Makromolekülen oder Metaboliten formt sich ein molekulares Netzwerk, welches der hohen Komplexität des zellulären Stoffwechsels Rechnung trägt. Ein Großteil dieser Wechselwirkungen ist noch nicht bekannt und ist Gegenstand aktueller Forschung. In der vorliegenden Arbeit wird beschrieben, wie sich mit Hilfe bioinformatischer Methoden Funktionen und Wechselwirkungen von Biomolekülen vorhersagen lassen. Dazu werden die Wechselwirkungen zwischen Proteinen und anderen Makromolekülen sowie zwischen Proteinen und Kleinstrukturen untersucht. Es kommen dabei Auswertungs- und Analysemethoden der Informatik zum tragen, die auf experimentelle Daten angewendet werden. Die frei zur Verfügung stehende Datenmenge ist in den letzten zwei Jahrzehnten sehr stark angestiegen, ein Teil der Arbeit beschreibt daher, wie aus der Datenflut relevante Informationen extrahiert und in geeignete Datenbanksysteme überführt werden können. Es wird gezeigt, wie sich auf Grund von bekannten, in der Literatur beschriebenen Wechselwirkungen, neue Interaktionen zwischen Molekülen ableiten lassen. Ein wichtiges Werkzeug bei diesem Vorgehen ist die Aufdeckung von Ähnlichkeiten zwischen verschiedenen Molekülen. Das können Ähnlichkeiten zwischen Gen- oder Proteinsequenzen aber auch strukturelle Ähnlichkeiten zwischen Kleinstrukturen sein. Die Ableitung von Wechselwirkungen basierend auf den 3D-Strukturen von Makromolekülen ist Gegenstand des letzten Teils der Arbeit. Es wird gezeigt, wie sich die Bindungskonformationen zwischen Makromolekülen bestimmen lassen, indem lokale, strukturelle Ähnlichkeiten verschiedener Protein-Interaktionsflächen aufgedeckt werden.
Today, the sequences of most of all human genes are investigated, but the function of many of them is still not known or only roughly described. Interactions between macromolecules or metabolites form a molecular network that reflects the high complexity of cellular metabolism. A large fraction of those interactions is not yet identified and is subject to current research. The present thesis describes methods of bioinformatics that are able to predict the interactions of biomolecules. For this purpose, the mutual recognition between proteins and other macromolecules as well as proteins and small molecules are analyzed. The presented computational methods of evaluation and analysis are applied to given experimental data. Publicly available data regarding the interactions between biomolecules increased conspicously during the last two decades. Therefore, the extraction of relevant data from the flood of available information and its transfer to suitable databases is also described. It is shown, how new interactions between molecules can be derived automatically from literature. An important tool for this approach is the detection of similarities between different molecules. Several types of similarity comparisons are utilized. This includes not only the detection of similarities between gene or protein sequences but also the structural comparison of small molecules. The derivation of mutual interaction based on the 3D-structures of macromolecules is subject of the last part of this thesis. It is shown how the binding modes of macromolecules are predictable by the detection of local structural similarities between different protein interfaces.
