Proteins are dynamic biological molecules that play important roles in cells. They may adopt many conformations influenced by short and long range interactions. In the random coil state, only short range (local) interactions are accounted. It is possible to analyze the random coil state of proteins using the methods of polymer chain statistics.The unfolded state of proteins consists of enormous number of random configurations. Furthermore, proteins adopt many different conformations under denaturing conditions. Also, the intrinsically disordered proteins that do not assume a stable, unique 3D structures display characteristics of random coils. Hence, it is important to have a full understanding of random coil states.A statistical analysis of thermodynamic functions such as conformational free energy, mean energy, entropy and heat capacity is given to characterize the random coil state. The approach is based on the rotational isomeric states model that is developed for polymer theory. The explicit expressions for the thermodynamic properties are derived.Several computational studies for predicting peptide conformations exist in the literature. However, most of the existing work is confined to secondary structure prediction. An approach for determination of the high probability conformations of peptides in the random coil state is lacking in the literature although some studies provide prediction of the most probable state for each residue of a chain. We present a novel scheme that considers a probability distribution that may provide a detailed analysis of the conformation space by sampling. Since this is the first approach that provides high probability conformations of peptide sequences, we have compared our results by calculating prediction accuracies for the most probable states of residues. Our approach gives 9% better predictions than the existing ones based on the most probable states of the residues.Since proteins are dynamic structures, it is important to characterize them both structurally and dynamically to have a complete understanding. We present a computational method to analyze conformational transitions of the twenty amino acids based on MD simulations and the DRIS model. The relaxation times are identified and presented for the twenty amino acids. Our results are in good agreement with experimental data.

Proteinler hücrelerde önemli rollere sahip dinamik biyolojik moleküllerdir. Kısa ve uzun aralıklı etkileşimlerden etkilenerek birçok yapı edinirler. Rastgele sarım halinde yalnızca kısa aralıklı (lokal) etkileşimler sorumludur. Proteinlerin rastgele sarım halini polimer zincirlerin istatistiği yöntemlerini kullanarak incelemek mümkündür. Proteinlerin katlanmamış hali muazzam sayıda rastgele yapıdan oluşur. Ayrıca, proteinler doğal yapılarını bozan şartlar altında birçok farklı yapı edinir. Aynı zamanda, sabit ve eşsiz bir üç boyutlu yapısı olmayan özünde düzensiz proteinler rastgele sarım karakteristiği gösterir. Bu nedenle, rastgele sarım hallerinin tam anlaşılması önemlidir.Rastgele sarım hallerini karakterize etmek için yapısal enerji, ortalama enerji, entropi ve ısı kapasitesi gibi termodinamik fonksiyonların istatistiksel analizi verilmiştir. Bu yaklaşım polimer teorisi için geliştirilmiş olan dönel izomeric haller modeline dayanır. Termodinamik özellikler için açık ifadeler elde edilmiştir.Literatürde peptid yapılarını tahmin eden farklı hesaplamalı çalışmalar bulunmaktadır. Ancak, mevcut çalışmaların çoğu ikincil yapı tahmini ile sınırlıdır. Birkaç çalışma zincirdeki her bir kökün en olası halinin tahminini sağlasa da, rastgele sarım halindeki peptidlerin yüksek olasılıklı yapılarını elde eden bir yaklaşım literatürde eksiktir. Örnekleme ile yapı uzayının detaylı analizini sağlayabilecek bir olasılık dağılımını ele alan yeni bir plan sunuyoruz. Bunun peptid dizilerinin yüksek olasılıklı yapılarını sağlayan ilk yaklaşım olmasından ötürü, sonuçlarımızı köklerin en olası halleri için tahmin doğruluğunu hesaplayarak karşılaştırdık. Yaklaşımımız köklerin en olası hallerine dayanan mevcut yaklaşımlardan %9 daha iyi tahminler vermektedir. Proteinler dinamik yapılar oldukları için tam anlaşılması için hem yapısal hem de dinamik olarak karakterize edilmeleri önemlidir. Yirmi amino asidin yapısal geçişlerini analiz etmek için MD simülasyonları ve DRIS modeline dayanan hesaplamalı bir yöntem sunuyoruz. Yirmi amino asit için gevşeme sürelerini tanımladık ve sunduk. Sonuçlarımız deneysel veri ile iyi uyum göstermektedir.