Analysing ConformationalEnsembles using Machine Learning

• Main Author: Friberg, Christin
• Format: Others
• Language: English
• Published: KTH, Skolan för teknikvetenskap (SCI) 2018
• Subjects: Engineering and Technology; Teknik och teknologier
• Online Access: http://urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-231781

G-protein coupled receptors are involved in many diseases and act as target for severalpharmaceutical drugs. To develop methods to understand the dynamics of proteinsinvolved in the communication through the cell membrane is therefore crucial. In thisstudy, data from molecular dynamics trajectories of the !2-adrenergic receptor were studiedwith the aim to train a neural network to identify the receptor due to its bindingmechanism. Represented as conformational ensembles, the protein was examined to identifythe binding state of the receptor based on determinants of its conformation. Thethesis demonstrate that this conceptually simple method can be used to computationallyanalyze the molecular response on drug binding. === G-proteinkopplade receptorer är delaktiga i flertalet sjukdomar och agerar måltavla förett stort antal läkemedel. Att utveckla metoder för att bättre förstå dynamiken hos deproteiner som sköter kommunikationen över cellens membran är därför mycket viktigt. Idenna studie analyseras data från molekyldynamiska simuleringar av !2-adrenergena receptorermed syfte att låta ett neuralt nätverk lära sig identifiera receptorn med avseendepå dess bindningsmekanism. Proteinet studerades som konformationella ensembler föratt hitta receptorns olika bindningstillstånd. Studien visar att denna konceptuellt enklametod kan användas för att analysera den komplexa molekylära process som sker vidläkemedelsbindning.