Prediction of Phosphorylation Sites from Protein Sequences

Phosphorylation is amongst the most crucial and well-studied post-translational modifications. It is involved in multiple cellular processes which makes phosphorylation prediction vital for understanding protein functions. However, wet-lab techniques are labour and time intensive. Thus, computational tools are required for efficiency. This project aims to provide a novel way to predict phosphorylation sites from protein sequences by adding flexibility and Sezerman Grouping amino acid similarity measure to previous methods, as discovering new protein sequences happens at a greater rate than determining protein structures. The predictor – NOPAY - relies on Support Vector Machines (SVMs) for classification. The features include amino acid encoding, amino acid grouping, predicted secondary structure, predicted protein disorder, predicted protein flexibility, solvent accessibility, hydrophobicity and volume. As a result, we have managed to improve phosphorylation prediction accuracy for Homo sapiens by 3% and 6.1% for Mus musculus. Sensitivity at 99% specificity was also increased by 6% for Homo sapiens and for Mus musculus by 5% on independent test sets. In this study, we have managed to increase phosphorylation prediction accuracy for Homo sapiens and Mus musculus. When there is enough data, future versions of the software may also be able to predict other organisms.

Sähkötoimisten käsiproteesien nykyteknologian taso

Työssä selvitettiin sähkötoimisten käsiproteesien nykyteknologian taso. Selvitettäviä asioita olivat keskushermoston ja proteesin välisen hermokytkennän toteutustapa, sähkötoimisten käsiproteesien keskeiset tekniset ominaisuudet sekä käsiproteesin mekaaniset toteutustavat. Tutkimus suoritettiin kirjallisuustutkimuksena. Työhön valittiin esimerkkejä kaupallisesti saatavilla olevista käsiproteeseista jotka löytyivät internetistä hakemalla kaikkein edisty-neintä käsiproteesia. Työstä rajattiin pois proteesin suora kytkeminen keskushermostoon. Liikeinformaation välitys aivoilta proteesille onnistuu mittaamalla lihassähkökäyrä erilaisilla ihon ja lihasten päälle, ihon alle lihaksien yhteyteen tai suoraan hermojen yhteyteen asete-tuilla elektrodeilla. Lihassähkökäyrän mittaamisessa ihon pinnalta on ongelmana sähkömag-neettinen säteily, hiki, joka muuttaa ihon impedanssia ja elektrodien meneminen pois paikal-taan. Ihon alle asetettavat elektrodit kapseloituvat, mikä heikentää niiden toimintaa ja nii-den ihon läpi kulkevat johdot voivat altistaa kohdan infektioille tai takertua johonkin. Her-moihin suorassa kosketuksissa olevat elektrodit aiheuttavat lisäksi hermopinteen. Kohden-netulla uudelleenhermotuksella voidaan hermosyyt johtaa lihaksiin, jolloin lihaksista saa-daan biologiset vahvistimet lihassähkökäyrää varten tai korvaavalle ihoalueelle, johon koh-distuva kosketus tuottaa tuntemuksen käteen kohdistuvasta kosketuksesta. Käden menet-tämisen myötä menetettävät hermo-ohjaustiedot voivat osittain korvautua aivojen mukau-tuvuuden ansiosta, mikä mahdollistaa tekokäden käyttämisen oppimisen samalla tavoin kuin polkupyörällä ajon. Hermotakaisinkytkentä mahdollistaa proteesin paremman hallin-nan. On mahdollista valmistaa keinoihoa johon kohdistuva paine saa aikaan muutoksen sen sähköisissä ominaisuuksissa, mitä voidaan sitten käyttää varsinaisen hermoärsytyksen luo-van laitteen, kuten tynkää ärsyttävän täryttimen, ohjaamisessa. On mahdollista valmistaa keinolihaksia joiden avulla nivelten liike voidaan toteuttaa luonnollisen kaltaisilla rakenteilla ja jotka ovat jopa kymmeniä kertoja voimakkaampia kuin aidot lihakset. Nykyteknologian avulla on mahdollista rakentaa käsiproteesi joka liikeradoiltaan, voimal-taan ja hermotakaisinkytkennän osalta vastaa lähes täydellisesti aitoa ihmiskättä. Haasteena on vielä kokeiluasteella oleva teknologian taso sekä korkea hinta.