Vi presenterar ett systembiologiskt verktyg JUMPn för att utföra och visualisera nätverksanalys för kvantitativa proteomikdata, med ett detaljerat protokoll inklusive databehandling, samuttryckskluster, vägberikning och protein-proteininteraktionsnätverksanalys.
Med de senaste framstegen inom masspektrometribaserad proteomikteknik har djup profilering av hundratals proteomer blivit allt mer genomförbar. Att härleda biologiska insikter från sådana värdefulla datamängder är dock utmanande. Här introducerar vi en systembiologibaserad programvara JUMPn och dess tillhörande protokoll för att organisera proteomet i protein-samuttryckskluster över prover och protein-proteininteraktionsnätverk (PPI) anslutna med moduler (t.ex. proteinkomplex). Med hjälp av R/Shiny-plattformen effektiviserar JUMPn-programvaran analysen av klustring av samuttryck, vägberikning och PPI-moduldetektering, med integrerad datavisualisering och ett användarvänligt gränssnitt. Huvudstegen i protokollet inkluderar installation av JUMPn-programvaran, definitionen av differentiellt uttryckta proteiner eller det (dys) reglerade proteomet, bestämning av meningsfulla samuttryckskluster och PPI-moduler och resultatvisualisering. Medan protokollet demonstreras med hjälp av en isobar märkningsbaserad proteomprofil, är JUMPn i allmänhet tillämpligt på ett brett spektrum av kvantitativa datamängder (t.ex. etikettfri proteomik). JUMPn-programvaran och protokollet ger därmed ett kraftfullt verktyg för att underlätta biologisk tolkning inom kvantitativ proteomik.
Masspektrometribaserad hagelgevärsproteomik har blivit det viktigaste tillvägagångssättet för att analysera proteomdiversitet hos komplexa prover1. Med de senaste framstegen inom masspektrometriinstrumentation 2,3, kromatografi 4,5, jonmobilitetsdetektering6, förvärvsmetoder (dataoberoende7 och databeroende förvärv8), kvantifieringsmetoder (multi-plex isobar peptidmärkningsmetod, t.ex. TMT 9,10 och etikettfri kvantifiering11,12) och dataanalysstrategier / mjukvaruutveckling 13,14,15,16,17,18, kvantifiering av hela proteomet (t.ex. över 10 000 proteiner) är nurutinmässigt 19,20,21. Men hur man får mekanistiska insikter från så djupa kvantitativa datamängder är fortfarande utmanande22. Initiala försök att undersöka dessa datamängder förlitade sig främst på anteckningen av enskilda element i data och behandlade varje komponent (protein) oberoende. Biologiska system och deras beteende kan emellertid inte enbart förklaras genom att undersöka enskilda komponenter23. Därför är en systemansats som placerar de kvantifierade biomolekylerna i samband med interaktionsnätverk avgörande för förståelsen av komplexa system och tillhörande processer såsom embryogenes, immunsvar och patogenes av mänskliga sjukdomar24.
Nätverksbaserad systembiologi har framstått som ett kraftfullt paradigm för att analysera storskaliga kvantitativa proteomikdata 25,26,27,28,29,30,31,32,33. Konceptuellt kan komplexa system som däggdjursceller modelleras som ett hierarkiskt nätverk34,35, där hela systemet representeras i nivåer: först av ett antal stora komponenter, som var och en sedan iterativt modelleras av mindre delsystem. Tekniskt sett kan strukturen för proteomdynamik presenteras av sammankopplade nätverk av samuttryckta proteinkluster (eftersom samuttryckta gener / proteiner ofta delar liknande biologiska funktioner eller mekanismer för reglering36) och fysiskt interagerande PPI-moduler37. Som ett nytt exempel25 genererade vi temporala profiler av hela proteom och fosfoproteom under T-cellaktivering och använde integrativa samuttrycksnätverk med PPI för att identifiera funktionella moduler som förmedlar T-cells quiescensutgång. Flera bioenergetiska relaterade moduler lyftes fram och validerades experimentellt (t.ex. mitoribosomen och komplexa IV-modulerna25 och en-kolmodulen38). I ett annat exempel26 utvidgade vi ytterligare vårt tillvägagångssätt för att studera patogenesen av Alzheimers sjukdom och prioriterade framgångsrikt sjukdomsprogressionsassocierade proteinmoduler och molekyler. Viktigt är att många av våra opartiska upptäckter validerades av oberoende patientkohorter26,29 och/eller sjukdomsmusmodeller26. Dessa exempel illustrerade kraften i den systembiologiska metoden för att dissekera molekylära mekanismer med kvantitativ proteomik och andra omics-integrationer.
Här introducerar vi JUMPn, en strömlinjeformad programvara som utforskar kvantitativa proteomikdata med hjälp av nätverksbaserade systembiologiska metoder. JUMPn fungerar som nedströmskomponenten i den etablerade JUMP-proteomik-programvarusviten 13,14,39 och syftar till att fylla gapet från enskilda proteinkvantifieringar till biologiskt meningsfulla vägar och proteinmoduler med hjälp av systembiologimetoden. Genom att ta kvantifieringsmatrisen för differentiellt uttryckta (eller de mest variabla) proteinerna som ingång, syftar JUMPn till att organisera proteomet i en skiktad hierarki av proteinkluster som uttrycks över prover och tätt anslutna PPI-moduler (t.ex. proteinkomplex), som ytterligare kommenteras med offentliga vägdatabaser genom överrepresentation (eller anrikning) analys (Figur 1). JUMPn är utvecklad med R/Shiny-plattformen40 för ett användarvänligt gränssnitt och integrerar tre huvudsakliga funktionella moduler: co-expression clustering analysis, pathway enrichment analysis och PPI network analysis (Figur 1). Efter varje analys visualiseras resultaten automatiskt och kan justeras via R/shiny-widgetfunktionerna och kan enkelt laddas ner som publikationstabeller i Microsoft Excel-format. I följande protokoll använder vi kvantitativa hela proteomdata som ett exempel och beskriver de viktigaste stegen för att använda JUMPn, inklusive installation av JUMPn-programvaran, definitionen av differentiellt uttryckta proteiner eller det (dys) reglerade proteomet, nätverksanalys med gemensamt uttryck och PPI-modulanalys, resultatvisualisering och tolkning och felsökning. JUMPn-programvaran är fritt tillgänglig på GitHub41.
Här introducerade vi vår JUMPn-programvara och dess protokoll, som har tillämpats i flera projekt för dissekering av molekylära mekanismer med hjälp av djupa kvantitativa proteomikdata 25,26,27,30,64. JUMPn-programvaran och protokollet har optimerats fullt ut, inklusive övervägande av DE-proteiner för samuttrycksnätverksanalys, en sammanställning av…
The authors have nothing to disclose.
Finansieringsstöd tillhandahölls av National Institutes of Health (NIH) (R01AG047928, R01AG053987, RF1AG064909, RF1AG068581 och U54NS110435) och ALSAC (American Lebanese Syrian Associated Charities). MS-analysen utfördes i St. Jude Children’s Research Hospital’s Center of Proteomics and Metabolomics, som delvis stöddes av NIH Cancer Center Support Grant (P30CA021765). Innehållet är enbart författarnas ansvar och representerar inte nödvändigtvis de officiella åsikterna från National Institutes of Health.
MacBook Pro with a 2.3 GHz Quad-Core Processor running OS 10.15.7. | Apple Inc. | MacBook Pro 13'' | Hardware used for software development and testing |
Anoconda | Anaconda, Inc. | version 4.9.2 | https://docs.anaconda.com/anaconda/install/ |
miniconda | Anaconda, Inc. | version 4.9.2 | https://docs.conda.io/en/latest/miniconda.html |
RStudio | RStudio Public-benefit corporation | version 4.0.3 | https://www.rstudio.com/products/rstudio/download/ |
Shiny Server | RStudio Public-benefit corporation | https://shiny.rstudio.com/articles/shinyapps.html |