Knowing the functional or energetical coupling between two residues in a protein is important for extending our understanding of the protein regulation and functional mechanism. A new method of predicting such couplings between residues from multiple sequence alignment, named Evolutionary Conserved Preference Analysis (ECPA), is proposed in this thesis. The proposed method utilizes the fact that if a certain physical interaction network is functionally or structurally important to a protein, the interaction intensity in that network must be conserved in the evolutionary process. Performance of the method was tested and compared with a previous method, Statistical Coupling Analysis (SCA), by applying it to four known protein residues coupling data sets. The result of the test revealed that; i) in PDZ data set and C2H2 zinc finger data set, our ECPA and SCA method detected the highest coupled interaction relations; ii) in SNase data set and KSI data set, ECPA could detect energetically coupled interaction missed by SCA method. These results indicate that the evolutionary conserved preference is a reliable measure to detect energetically and functionally coupled interactions, and ECPA method and SCA can be used complementarily.
단백질 잔기간의 기능적 혹은 에너지적으로 연결된 관계를 예측하는 것은 단백질의 조절 및 기능을 이해하는데 매우 중요하다. 본 연구에서는 진화적으로 보존되는 단백질 잔기간의 선호성을 분석하여, 다중 서열 정렬 정보로부터 단백질 잔기간의 관계를 예측하는 새로운 방법을 제안하였다.
이 방법은 알려진 4개의 단백질 잔기간의 연결 데이터를 통해 평가 되었으며, 기존에 제시 되었던 SCA 방법도 비교를 위해 실험에 같이 사용되었다. 평가는 기능적 혹은 에너지적으로 높은 단백질 잔기간의 관계를 얼마나 높은 표준화된 점수로 예측하느냐에 초점을 두어 수행되었다. 실험 결과, PDZ 데이터의 경우, 에너지적으로 가장 높은 잔기간의 관계를 두 방법 모두 높은 표준 점수로 예측하였으나, 전반적으로 SCA 방법이 좀 더 나은 결과를 보여주었다. 그러나 나머지 세 개의 테스트 데이터들의 경우 제안된 방법이 기존의 방법이 발견하지 못하는 잔기간의 높은 상관 관계를 예측할 수 있었으며, 좀 더 나은 결과를 보여주었다.
본 방법은 기존의 방법과는 다른 진화적으로 보존되는 선호성 분석이라는 접근 방식으로, 기존의 방법이 예측하지 못하는 단백질 잔기간 관계를 예측할 수 있었다.
