Die Konstruktion von Proteinsequenzalignments ist eine der fundamentalsten Aufgaben in der Bioinformatik. Paarweise Sequenzalignments (PSA) stellen beispielsweise die Basis für die Detektion homologer Proteinsequenzen. Multiple Sequenzalignments (MSA) erlauben es, Erkenntnisse über strukturelle und funktionale Zusammenhänge zwischen mehreren Protein zu gewinnen. In Abhängigkeit des gewählten Bewertungsmodells werden in einem Sequenzalignment entweder evolutionär, funktional oder strukturell verwandte Sequenzsegmente identifiziert und zueinander angeordnet. Dabei werden evolutionäre Substitutionsereignisse normalerweise durch sogenannte Substitutionsmatrizen modelliert. Insertions- und Deletionsereignisse werden hingegen durch Lücken im Alignment repräsentiert, die mit Strafpunkten bewertet werden.

Die Qualität eines Sequenzalignments hängt maßgeblich vom gewählten Bewertungsschema und Alignmentalgorithmus ab. Zusätzlich haben die Sequenzdaten selbst einen gewissen Einfluss auf die Qualität des Alignments. Da die Selektion dieser Parameter ein schwieriges Problem darstellt, verwenden viele Benutzer suboptimale Standardparameter, wie zum Beispiel ältere oder nachweislich durch Fehler beeinflusste Substitutionsmatrizen. Außerdem stellt die Berechnung von optimalen multiplen Sequenzalignments ein NP-vollständiges Optimierungsproblem dar. Dadurch ist die optimale Alignmentlösung selbst für ein fix gewähltes Parameterset unbekannt. Aus diesem Grund verwenden die meisten Alignmentalgorithmen Heuristiken um das optimale Alignment zu approximieren. Dies resultiert allerdings sehr häufig in suboptimalen Alignments, die manuell weiter verfeinert werden müssen. Leider ist auch die Qualitätsanalyse von MSAs nur sehr eingeschränkt möglich, da existierende Qualitätsmaße tatsächlich schlechte Alignmentregionen nur unzureichend detektieren können.

In dieser Arbeit präsentieren wir daher verschiedene Ansätze, um die Genauigkeit und Qualität von Protein MSAs zu verbessern. Hierfür stellen wir zwei neue Substitutionsmodelle vor, durch deren Verwendung bestehende Alignmentverfahren in der Lage sind, bessere Ergebnisse zu liefern. Zusätzlich stellen wir weitere Verfahren und Ansätze vor, um Experten als auch Nicht-Experten eine bessere Qualitätsanalyse als auch eine effektivere Möglichkeit zur Verfeinerung von MSAs zu bieten.

Hierzu stellen wir das neuartige CorBLOSUM Substitutionsmodell vor. Dieses Modell korrigiert einen Programmierfehler im originalen BLOSUM Programmcode, der sich negativ auf die Fähigkeiten zur homologen Sequenzsuche der BLOSUM als auch der RBLOSUM Matrizen auswirkt. Unsere Ergebnisse basierend auf einer umfassenden Performanzuntersuchung unter der Verwendung von 51 verschiedenen ASTRAL Datenbanken zeigen, dass CorBLOSUM Matrizen in der Regel mehr korrekte homologe Sequenzen detektieren können als die getesteten BLOSUM und RBLOSUM Matrizen. Aus diesem Grund können CorBLOSUM Matrizen substantiell dazu beitragen, bessere Ergebnisse in der homologen Sequenzsuche zu erzielen.

Darüber hinaus präsentieren wir in dieser Arbeit die neuartigen PFASUM Substitutionsmatrizen. Diese Matrizen werden auf Basis von Pfam seed alignments unter Verwendung eines neuartigen Algorithmus erzeugt. Im Gegensatz zu anderen Substitutionsmodellen basieren unsere PFASUM Substitutionsmatrizen somit auf manuell von Experten optimierten Daten, die den aktuell bekannten Proteinsequenzraum abbilden. Außerdem verwendet der PFASUM Algorithmus verschiedene Techniken, um Oversampling zu vermeiden und uneindeutige Aminosäuresymbole in den Alignments geeignet zu verarbeiten. Diese Eigenschaften erlauben es unseren PFASUM Matrizen, konventionelle Substitutionsmodelle in der Suche nach homologen Sequenzen zu übertreffen, wie unsere Studie belegt. Außerdem kann durch die Verwendung unserer PFASUM Matrizen zur Konstruktion von MSAs in den meisten Fällen eine höhere MSA Genauigkeit erzielt werden.

Weiterhin stellen wir einen neuartigen Ansatz zur visuellen Analyse und zum Vergleich von Protein MSAs vor. Mit diesem Ansatz ist es möglich, zuverlässige und falsch angeordnete Regionen in MSAs ohne großen Aufwand zu detektieren. Unser Verfahren nutzt hierzu automatische Vergleichsmaße und verschiedene Visualisierungen, um konsistent angeordnete und unsichere Alignmentregionen hervorzuheben. Unsere Ergebnisse zeigen, dass mit unserem Ansatz die Genauigkeit von MSAs erfolgreich bestimmt werden kann. Außerdem können hierdurch verbesserungswürdige Regionen in den Alignments zur weiteren Optimierung detektiert werden. Unser Ansatz erlaubt es zusätzlich, den Einfluss von verschiedenen Alignmentalgorithmen und Parametrisierungen auf die Struktur der Alignments zu untersuchen.

Um die aufwendige Aufgabe der manuellen Verfeinerung von MSAs auszulagern, stellen wir außerdem einen Computerspielansatz vor. Unser wissenschaftliches Erkundungsspiel Bionigma abstrahiert das Alignmentproblem in Form eines Puzzles. Die Aminosäuren in einem Alignment werden in diesen Puzzlen als Spielsteine repräsentiert. Durch die Anordnung von ähnlichen Spielsteinen, ähnlich dem Anordnen von bunten Perlen in einem Abakus, können die Spieler ihre Punktzahl erhöhen. Hierdurch wird auch das echte Alignment sukzessive verfeinert. Mehrere Benutzerstudien zeigen, dass Bionigma Spaß macht und seinen Spielern eine echte Spielerfahrung bietet. Außerdem zeigen unsere Ergebnisse, das Gelegenheitsspieler erfolgreich MSAs verfeinern und auch unter Umständen MSA Programme übertreffen können.

Zusammenfassend lässt sich sagen, dass die hier vorgestellten Verfahren signifikant zur Verbesserung der Genauigkeit von MSAs beitragen können. Durch unsere Ansätze können Biologen mit weniger profunden Kenntnissen auf dem Gebiet der Sequenzalignments bessere Ergebnisse ohne großen Aufwand erzielen.