EN | DE

Wirkstoffbioinformatik

Prof. Dr. Olga Kalinina

Die Bioinformatik unterstützt und kooperiert mit anderen Bereichen der Molekularbiologie indem sie unter anderem Verfahren zur Analyse von Genomsequenzen entwickelt oder Vorhersagen der dreidimensionalen Struktur von Wirkstoff-Ziel-Komplexen generiert. Wir verwenden modernste Techniken der Bioinformatik und Informatik an, um neuartige Resistenzmechanismen zu entdecken und die Wirkungsweise bioaktiver Verbindungen vorherzusagen.

Unsere Forschung

Ein besonderer Schwerpunkt unserer Gruppe ist die Entwicklung von Machine Learning Methoden zur Vorhersage funktioneller Konsequenzen genetischer Varianten, die mit einer bestimmten Krankheit oder einem bestimmten Resistenzphänotyp in Verbindung gebracht werden können. Dabei ist es unser Ziel, nicht nur die Richtung und das Ausmaß des Effekts vorherzusagen, d.h. ob eine bestimmte Variante wahrscheinlich pathogen ist oder Resistenzen gegen ein Medikament hervorruft, sondern auch den genauen molekularen Mechanismus, der dafür verantwortlich ist, zu finden. Dazu kombinieren wir phylogenetische Methoden mit Ansätzen aus der strukturellen Bioinformatik: Modellierung der dreidimensionalen Struktur von Proteinen, ihren Wechselwirkungen und ihrer Dynamik, deren Ergebnisse vereint für Machine Learning Methoden genutzt werden. Ein besonderer Schwerpunkt dieser Arbeit liegt in der Entdeckung neuartiger Resistenzmechanismen. Ein weiterer Fokus der Arbeitsgruppe ist die Untersuchung von Protein-Wirkstoff-Wechselwirkungen und Wirkstoffbindungstaschen mit Hilfe von auf Data-Mining und Graphentheorie basierenden Ansätzen. Dafür entwickeln wir Machine-Learning-Methoden, welche die funktionelle Motive von Proteinen und Wirkstoffbindungsmuster beschreiben und schließlich maschinelle Vorhersagemethoden für die Wirkstoffaffinität entwickeln, welche auf strukturellen Deskriptoren von Protein-Wirkstoff-Wechselwirkungen basieren.

Team-Mitglieder

Publikationen

2020

An extended catalogue of tandem alternative splice sites in human tissue transcriptomes

Mironov A, Denisov S, Gress A, Kalinina O, Pervouchine D (2020)

BookDOI: 10.1101/2020.09.11.292722

The bottromycin epimerase BotH defines a group of atypical α/β-hydrolase-fold enzymes

Sikandar A, Franz L, Adam S, Santos-Aberturas J, Horbal L, Luzhetskyy A, Truman A, Kalinina O, Koehnke J (2020)

Nat Chem Biol 16 (9): 1013-1018DOI: 10.1038/s41589-020-0569-y

DIGGER: exploring the functional role of alternative splicing in protein interactions

Louadi Z, Yuan K, Gress A, Tsoy O, Kalinina O, Baumbach J, Kacprowski T, List M (2020)

Nucleic Acids ResDOI: 10.1093/nar/gkaa768

Frequent subgraph mining for biologically meaningful structural motifs

Keller S, Miettinen P, Kalinina O (2020)

BookDOI: 10.1101/2020.05.14.095695

SphereCon-a method for precise estimation of residue relative solvent accessible area from limited structural information

Gress A, Kalinina O (2020)

Bioinformatics (Oxford, England) 36 (11): 3372-3378DOI: 10.1093/bioinformatics/btaa159

Resistance-associated substitutions in patients with chronic hepatitis C virus genotype 4 infection

Dietz J, Kalinina O, Vermehren J, Peiffer K, Matschenz K, Buggisch P, Niederau C, Schattenberg J, Müllhaupt B, Yerly S, …, Welsch C, Sarrazin C (2020)

J. Viral Hepat.DOI: 10.1111/jvh.13322.

Non-active site mutants of HIV-1 protease influence resistance and sensitisation towards protease inhibitors

Bastys T, Gapsys V, Walter H, Heger E, Doncheva N, Kaiser R, Groot B, Kalinina O (2020)

Retrovirology 17 (1)DOI: 10.1186/s12977-020-00520-6

A shift of dynamic equilibrium between the KIT active and inactive states causes drug resistance

Srikakulam S, Bastys T, Kalinina O (2020)

ProteinsDOI: 10.1002/prot.25963

2019

Relative Principal Components Analysis: Application to Analyzing Biomolecular Conformational Changes

Ahmad M, Helms V, Kalinina O, Lengauer T (2019)

Journal of chemical theory and computation 15 (4): 2166-2178DOI: 10.1021/acs.jctc.8b01074

Adenosine-to-Inosine RNA Editing in Mouse and Human Brain Proteomes

Levitsky L, Kliuchnikova A, Kuznetsova K, Karpov D, Ivanov M, Pyatnitskiy M, Kalinina O, Gorshkov M, Moshkovskii S (2019)

Proteomics 19 (23)DOI: 10.1002/pmic.201900195.

Targeting actin inhibits repair of doxorubicin-induced DNA damage: a novel therapeutic approach for combination therapy

Pfitzer L, Moser C, Gegenfurtner F, Arner A, Foerster F, Atzberger C, Zisis T, Kubisch-Dohmen R, Busse J, Smith R, …, Vollmar A, Zahler S (2019)

Cell Death Dis. 10 (4)DOI: 10.1038/s41419-019-1546-9

2018

Epistatic Interactions in NS5A of Hepatitis C Virus Suggest Drug Resistance Mechanisms

Knops E, Sierra S, Kalaghatgi P, Heger E, Kaiser R, Kalinina O (2018)

Genes 9 (7)DOI: 10.3390/genes9070343

Consistent Prediction of Mutation Effect on Drug Binding in HIV-1 Protease Using Alchemical Calculations

Bastys T, Gapsys V, Doncheva N, Kaiser R, Groot B, Kalinina O (2018)

Journal of chemical theory and computation 14 (7): 3397-3408DOI: 10.1021/acs.jctc.7b01109

2017

Spatial distribution of disease-associated variants in three-dimensional structures of protein complexes

Gress A, Ramensky V, Kalinina O (2017)

Oncogenesis 6 (9)DOI: 10.1038/oncsis.2017.79.

2016

Patterns of amino acid conservation in human and animal immunodeficiency viruses

Voitenko O, Dhroso A, Feldmann A, Korkin D, Kalinina O (2016)

Bioinformatics (Oxford, England) 32 (17): 685-DOI: 10.1093/bioinformatics/btw441

StructMAn: annotation of single-nucleotide polymorphisms in the structural context

Gress A, Ramensky V, Büch J, Keller A, Kalinina O (2016)

Nucleic Acids Res 44 (W1): 463-8DOI: 10.1093/nar/gkw364