Name: jumpn: a streamlined application for protein co-expression clustering and network analysis in proteomics
Uploaded: 2021-10-19T13:30:00
Description: Watch this Scientific Journal Video about JUMPn: A Streamlined Application for Protein Co-Expression Clustering and Network Analysis in Proteomics at JoVE.com

Financiële steun werd verleend door de National Institutes of Health (NIH) (R01AG047928, R01AG053987, RF1AG064909, RF1AG068581 en U54NS110435) en ALSAC (American Lebanese Syrian Associated Charities). De MS-analyse werd uitgevoerd in het St. Jude Children's Research Hospital's Center of Proteomics and Metabolomics, dat gedeeltelijk werd ondersteund door NIH Cancer Center Support Grant (P30CA021765). De inhoud is uitsluitend de verantwoordelijkheid van de auteurs en vertegenwoordigt niet noodzakelijkerwijs de officiële standpunten van de National Institutes of Health.

OPMERKING: In dit protocol wordt het gebruik van JUMPn geïllustreerd door gebruik te maken van een gepubliceerde dataset van volledige proteoomprofilering tijdens B-celdifferentiatie gekwantificeerd door TMT isobaar labelreagens27.
1. Installatie van JUMPn-software
OPMERKING: Er zijn twee opties voor het instellen van de JUMPn-software: (i) installatie op een lokale computer voor persoonlijk gebruik; en (ii) implementatie van JUMPn op een exte...

Hier introduceerden we onze JUMPn-software en het bijbehorende protocol, die in meerdere projecten zijn toegepast voor het ontleden van moleculaire mechanismen met behulp van diepe kwantitatieve proteomics-gegevens 25,26,27,30,64. De JUMPn-software en het JUMPn-protocol zijn volledig geoptimaliseerd, inclusief overweging van DE-eiwitten voor co-expressienetwer...

Massaspectrometrie-gebaseerde shotgun proteomics is de belangrijkste benadering geworden voor het analyseren van proteoomdiversiteit van complexe monsters1. Met recente ontwikkelingen in massaspectrometrie-instrumentatie 2,3, chromatografie 4,5, ionenmobiliteitsdetectie6, acquisitiemethoden (data-onafhankelijke7 en data-afhankelijke acquisitie8), kwantificeringsbenaderingen (multi-plex isobare peptide-etiketteringsmethode, bijv. TMT 9,10, en labelvrije kwantificering11,12) en data-analysestrategieën/ softwareontwikkeling 13,14,15,16,17,18, kwantificering van het hele proteoom (bijv. Meer dan 10.000 eiwitten) is nu routine 19,20,21. Hoe je mechanistische inzichten kunt krijgen uit zulke diepe kwantitatieve datasets is echter nog steeds een uitdaging22. De eerste pogingen om deze datasets te onderzoeken waren voornamelijk gebaseerd op de annotatie van individuele elementen van de gegevens, waarbij elke component (eiwit) onafhankelijk werd behandeld. Biologische systemen en hun gedrag kunnen echter niet alleen worden verklaard door individuele componentente onderzoeken 23. Daarom is een systeembenadering die de gekwantificeerde biomoleculen in de context van interactienetwerken plaatst, essentieel voor het begrip van complexe systemen en de bijbehorende processen zoals embryogenese, immuunrespons en pathogenese van menselijke ziekten24.
Netwerkgebaseerde systeembiologie is naar voren gekomen als een krachtig paradigma voor het analyseren van grootschalige kwantitatieve proteomics-gegevens 25,26,27,28,29,30,31,32,33. Conceptueel zouden complexe systemen zoals zoogdiercellen kunnen worden gemodelleerd als een hiërarchisch netwerk34,35, waarin het hele systeem in lagen wordt weergegeven: eerst door een aantal grote componenten, die elk vervolgens iteratief worden gemodelleerd door kleinere subsystemen. Technisch gezien kan de structuur van proteoomdynamica worden gepresenteerd door onderling verbonden netwerken van co-tot expressie gebrachte eiwitclusters (omdat co-tot expressie gebrachte genen / eiwitten vaak vergelijkbare biologische functies of regulatiemechanismen delen36) en fysiek interagerende PPI-modules37. Als recent voorbeeld25 genereerden we temporele profielen van hele proteoom en fosfoproteoom tijdens T-celactivering en gebruikten we integratieve co-expressienetwerken met PPI's om functionele modules te identificeren die T-cel rust exit bemiddelen. Meerdere bio-energetische gerelateerde modules werden gemarkeerd en experimenteel gevalideerd (bijv. de mitoribostische en complexe IV-modules25 en de één-koolstofmodule38). In een ander voorbeeld26 hebben we onze aanpak verder uitgebreid om de pathogenese van de ziekte van Alzheimer te bestuderen en met succes prioriteit gegeven aan ziekteprogressie geassocieerde eiwitmodules en moleculen. Belangrijk is dat veel van onze onbevooroordeelde ontdekkingen werden gevalideerd door onafhankelijke patiëntencohorten26,29 en /of ziektemuismodellen26. Deze voorbeelden illustreerden de kracht van de systeembiologische benadering voor het ontleden van moleculaire mechanismen met kwantitatieve proteomics en andere omics-integraties.
Hier introduceren we JUMPn, een gestroomlijnde software die kwantitatieve proteomics-gegevens onderzoekt met behulp van netwerkgebaseerde systeembiologische benaderingen. JUMPn dient als de downstream-component van de gevestigde JUMP proteomics-softwaresuite 13,14,39 en heeft tot doel de kloof te dichten van individuele eiwitkwantificeringen naar biologisch zinvolle routes en eiwitmodules met behulp van de systeembiologische benadering. Door de kwantificeringsmatrix van differentieel tot expressie gebrachte (of de meest variabele) eiwitten als input te nemen, wil JUMPn het proteoom organiseren in een gelaagde hiërarchie van eiwitclusters die mede tot expressie komen in monsters en dicht verbonden PPI-modules (bijv. Eiwitcomplexen), die verder worden geannoteerd met openbare pathway-databases door oververtegenwoordiging (of verrijking) analyse (figuur 1). JUMPn is ontwikkeld met het R/Shiny-platform40 voor een gebruiksvriendelijke interface en integreert drie belangrijke functionele modules: co-expressieclusteringanalyse, pathwayverrijkingsanalyse en PPI-netwerkanalyse (figuur 1). Na elke analyse worden de resultaten automatisch gevisualiseerd en zijn ze instelbaar via de R/shiny widget-functies en gemakkelijk te downloaden als publicatietabellen in Microsoft Excel-formaat. In het volgende protocol gebruiken we kwantitatieve hele proteoomgegevens als voorbeeld en beschrijven we de belangrijkste stappen van het gebruik van JUMPn, inclusief de installatie van de JUMPn-software, de definitie van differentieel tot expressie gebrachte eiwitten of het (dys)gereguleerde proteoom, co-expressienetwerkanalyse en PPI-moduleanalyse, resultaatvisualisatie en -interpretatie en probleemoplossing. JUMPn-software is gratis beschikbaar op GitHub41.

<table border="1" fo:keep-together.within-page="1" fo:keep-with-next.within-page="always">
	<tbody>
		<tr>
			<td>MacBook Pro with a 2.3 GHz Quad-Core Processor running OS 10.15.7.</td>
			<td>Apple Inc.</td>
			<td>MacBook Pro 13&#39;&#39;</td>
			<td>Hardware used for software development and testing</td>
		</tr>
		<tr>
			<td>Anoconda</td>
			<td>Anaconda, Inc.</td>
			<td>version 4.9.2</td>
			<td>https://docs.anaconda.com/anaconda/install/</td>
		</tr>
		<tr>
			<td>miniconda</td>
			<td>Anaconda, Inc.</td>
			<td>version 4.9.2</td>
			<td>https://docs.conda.io/en/latest/miniconda.html</td>
		</tr>
		<tr>
			<td>RStudio</td>
			<td>RStudio Public-benefit corporation</td>
			<td>version 4.0.3</td>
			<td>https://www.rstudio.com/products/rstudio/download/</td>
		</tr>
		<tr>
			<td>Shiny Server</td>
			<td>RStudio Public-benefit corporation</td>
			<td></td>
			<td>https://shiny.rstudio.com/articles/shinyapps.html</td>
		</tr>
	</tbody>
</table>

jumpn: a streamlined application for protein co-expression clustering and network analysis in proteomics

Met recente ontwikkelingen in op massaspectrometrie gebaseerde proteomics-technologieën is diepe profilering van honderden proteomen steeds haalbaarder geworden. Het afleiden van biologische inzichten uit dergelijke waardevolle datasets is echter een uitdaging. Hier introduceren we een op systeembiologie gebaseerde software JUMPn en het bijbehorende protocol om het proteoom te organiseren in eiwitco-expressieclusters over monsters en eiwit-eiwitinteractie (PPI) -netwerken verbonden door modules (bijv. Eiwitcomplexen). Met behulp van het R/Shiny-platform stroomlijnt de JUMPn-software de analyse van co-expressieclustering, pathwayverrijking en PPI-moduledetectie, met geïntegreerde datavisualisatie en een gebruiksvriendelijke interface. De belangrijkste stappen van het protocol omvatten de installatie van de JUMPn-software, de definitie van differentieel tot expressie gebrachte eiwitten of het (dys)gereguleerde proteoom, bepaling van betekenisvolle co-expressieclusters en PPI-modules en resultaatvisualisatie. Hoewel het protocol wordt gedemonstreerd met behulp van een op isobaar labeling gebaseerd proteoomprofiel, is JUMPn algemeen toepasbaar op een breed scala aan kwantitatieve datasets (bijv. Labelvrije proteomics). De JUMPn-software en het protocol bieden dus een krachtig hulpmiddel om biologische interpretatie in kwantitatieve proteomics te vergemakkelijken.

We gebruikten onze gepubliceerde diepe proteomics-datasets 25,26,27,30 (figuren 5 en figuur 6) en gegevenssimulaties57 (tabel 1) om jumPn-prestaties te optimaliseren en te evalueren. Voor co-expressie eiwitclusteringanalyse via WGCNA raden we aan om eiwitten te gebruiken die significant zijn ve...

Watch this Scientific Journal Video about JUMPn: A Streamlined Application for Protein Co-Expression Clustering and Network Analysis in Proteomics at JoVE.com

JUMPn: A Streamlined Application for Protein Co-Expression Clustering and Network Analysis in Proteomics

We presenteren een systeembiologische tool JUMPn om netwerkanalyse uit te voeren en te visualiseren voor kwantitatieve proteomics-gegevens, met een gedetailleerd protocol inclusief gegevensvoorverwerking, co-expressieclustering, pathway-verrijking en eiwit-eiwitinteractienetwerkanalyse.

JUMPn: Een gestroomlijnde toepassing voor eiwit co-expressie clustering en netwerkanalyse in proteomics

With recent advances in mass spectrometry-based proteomics technologies, deep profiling of hundreds of proteomes has become increasingly feasible. ...

Het protocol van de JUMPn-software heeft tot doel de biologische interpretatie van kwantitatieve proteomics-gegevens te vergemakkelijken. De software is in staat om het hele eiwit te organiseren in tier hiërarchie van co-expressie clusters en de eiwitinteractiemodules. Met name de JUMPn-software stroomlijnt de analyse van co-expressieclustering, pathway-verrijking en PPI-moduledetectie.Het biedt een gebruiksvriendelijke interface en interactieve visualisatie van de gegevens en de netwerken. Hoewel we met succes de toepassing van JUMPn in de analyse van hele proteoomgegevens hebben aangetoond, is de methode gemakkelijk uitbreidbaar naar andere gegevenstypen, waaronder fosfoproteomica-analyse en interactoomgegevens uit affiniteitszuiveringsmassaspectrometrie. Om de JUMPn-software in te stellen, downloadt u de broncode van de website en installeert u de software op de opdrachtregelterminal.Om de JUMPn-software te starten, wijzigt u de huidige map in de uitvoeringsmap door cd execution" op de terminal te typen en voert u vervolgens de tekst op de terminal in om de JUMPn in de webbrowser te starten. Klik op de JUMPn-startpagina op de knop Analyse starten om de JUMPn-analyse te starten en klik vervolgens in de linkerbenedenhoek van de pagina Analyse starten op de knop Demo B-Cell Proteomische gegevens uploaden om een melding van het succes van de gegevensupload te bekijken. Klik in de rechterbenedenhoek van de pagina op de knop JUMPn-analyse verzenden om de demo-uitvoering te starten met behulp van standaardparameters.Een voortgangsbalk geeft het verloop van de analyse aan. Wacht tot aan de voortgangsbalk is voldaan. Zodra de demorun is voltooid, verschijnt er een dialoogvenster met het bericht geslaagde run en het absolute pad naar de resultaatmap en klikt u vervolgens op doorgaan naar het tabblad Resultaten.Terwijl de webpagina door het WGCNA-algoritme naar de resultaten van het co-expressiecluster leidt, klikt u op De resultaten weergeven in het dialoogvenster om door te gaan. Zoek aan de linkerkant van de pagina Resultatenpagina 1 WGCNA-uitvoer de co-expressiepatronen van eiwitten en gebruik de optie Selecteer de expressie-indeling om tussen twee figuurindelingen te navigeren. Boxplotfiguur wordt standaard geselecteerd.Selecteer het tabblad Trends om de trendsplot weer te geven, waarbij elke regel de individuele eiwitrijkdom in monsters vertegenwoordigt. De kleur van elke lijn geeft aan hoe dicht het expressiepatroon zich bij de consensus van het co-expressiecluster bevindt. Rechts van de WGCNA-uitvoerpagina kan de Pathway Ontology Enrichment Heatmap" worden bekeken.In een heatmap worden de meest verrijkte paden voor elk cluster samen weergegeven. Scrol vervolgens omlaag op de webpagina om het expressiepatroon voor individuele eiwitten te bekijken. Gebruik de vervolgkeuzelijst, selecteer het co-expressiecluster om eiwitten uit elk cluster te onderzoeken en selecteer vervolgens een specifiek eiwit in de tabel waarop de staafplot onder de tabel automatisch wordt bijgewerkt om de eiwitrijkdom weer te geven.Voor specifieke eiwitnamen gebruikt u het vak Zoeken aan de rechterkant van de tabel. Kijk later naar de eiwit-eiwitinteractie of PPI-resultaten door bovenaan op de resultatenpagina 2 PPI-uitvoer te klikken. Om de resultaten voor een specifiek co-expressiecluster te verkrijgen, klikt u op het tabblad Co-expressiecluster selecteren.De weergaven van alle figuurvensters worden bijgewerkt voor het nieuw geselecteerde cluster. Bekijk in het linkerdeelvenster de PPI-netwerken voor het geselecteerde co-expressiecluster met behulp van de vervolgkeuzelijst Selecteren op groep en door afzonderlijke PPI-modules binnen het netwerk te markeren en ga vervolgens naar het geselecteerde vak netwerkindeling om de netwerkindeling te wijzigen. Zoom met muis en trackpad in of uit op het PPI-netwerk om de gennamen van elk knooppunt in het netwerk te bekijken.Wanneer u bent ingezoomd, selecteert u en klikt u op een bepaald eiwit om het eiwit en zijn netwerkburen te markeren. Sleep in het netwerk een bepaald knooppunt om de positie in de lay-out te wijzigen en de netwerkindeling te reorganiseren. Bestudeer in het rechterdeelvenster van de PPI-resultatenpagina de informatie op co-expressieclusterniveau die helpt bij de interpretatie van PPI-resultaten.Het co-expressiepatroon op het geselecteerde cluster kan standaard als boxplot worden weergegeven. Selecteer Trends" om trendsplot voor het co-expressiepatroon weer te geven en kies vervolgens voor padbalkplot om aanzienlijk verrijkte paden voor het co-expressiecluster weer te geven met de pathway circle plot, bekijk aanzienlijk verrijkte paden voor het co-expressiecluster in de cirkelplotindeling. Als u de resultaten op het niveau van de afzonderlijke PPI-module wilt bekijken, scrolt u omlaag op de resultatenpagina naar de PPI-uitvoerwebpagina en vouwt u de vervolgkeuzelijst selecteert om een specifieke PPI-module te selecteren voor weergave.Bekijk de PPI-module in het linkerdeelvenster, manipuleer het netwerkscherm zoals eerder uitgelegd. Bekijk in het rechterdeelvenster de resultaten van de padonologieverrijking en gebruik vervolgens de vervolgkeuzelijst Selecteer de Pathway Annotation Style" en vink het tabblad Barplot aan om meer informatie en displays weer te geven over aanzienlijk verrijkte paden voor de geselecteerde PPI-module. Teken cirkelplot om aanzienlijk verrijkte paden voor de geselecteerde PPI-module weer te geven in het formaat van een cirkelplot en gebruik heatmap om aanzienlijk verrijkte paden en de bijbehorende gennamen weer te geven.Ga naar het tabblad Tabel om de gedetailleerde resultaten van de padverrijking weer te geven, inclusief de naam van paden, ontologietermen, gennamen en de P-waarde van Fisher's exacte test. Volg het absolute pad dat boven aan de resultatenpagina's is afgedrukt en zoek de tabel met publicatiespreadsheets. JUMPn is ontwikkeld met het R shiny platform voor een gebruiksvriendelijke interface en integreert drie belangrijke functionele modules.Co-expressie clustering analyse, pathway verrijkingsanalyse en PPI netwerkanalyse. Na elke analyse worden de resultaten automatisch gevisualiseerd in onze aanpasbare via de R glanzende widgetfuncties en gemakkelijk te downloaden als publicatietabellen en Microsoft Excel-indeling. Voor PPI-netwerkanalyse is een samengesteld PPI-netwerk samengesteld door STRING, BioPlex en web-IM-databases te combineren.Het uiteindelijke samengevoegde PPI-netwerk omvat meer dan 20.000 menselijke genen met 1.100.000 randen. Dit uitgebreide interactoom is opgenomen en gepubliceerd in een bundel met de JUMPn-software voor gevoelige PPI-analyse. Netwerkgebaseerde benaderingen die gebruikmaken van zowel co-expressie- als eiwitinteractienetwerken kunnen worden gebruikt als een aanvullende methode voor de gevolgtrekking van activiteit in transcriptiefactoren en kinasen.

Research

JoVE Journal

Biochemistry

Method for Identifying Small Molecule Inhibitors of the Protein-protein Interaction Between HCN1 and TRIP8b

Methode voor het identificeren van kleinmoleculige remmers van het eiwit-eiwit interactie tussen HCN1 en TRIP8b

Hyperpolarization-activated cyclic nucleotide-gated (HCN) channels are expressed ubiquitously throughout the brain, where they function to regulate the ...

Lipid Droplet Isolation for Quantitative Mass Spectrometry Analysis

Lipide Druppeltje Isolatie kwantitatieve massaspectrometrie Analyse

Lipid droplets are vital to the replication of a variety of different pathogens, most prominently the Hepatitis C Virus (HCV), as the putative site of ...

Extracellular Protein Microarray Technology for High Throughput Detection of Low Affinity Receptor-Ligand Interactions

Extracellulaire eiwit Microarray technologie voor detectie van High Throughput van lage affiniteit Receptor-Ligand interacties

Secreted factors, membrane-tethered receptors, and their interacting partners are main regulators of cellular communication and initiation of signaling ...

Preparation of Chloroplast Sub-compartments from Arabidopsis for the Analysis of Protein Localization by Immunoblotting or Proteomics

Voorbereiding van Chloroplast sub compartimenten van Arabidopsis voor de analyse van eiwit lokalisatie door Immunoblotting of Proteomics

Chloroplasts are major components of plant cells. Such plastids fulfill many crucial functions, such as assimilation of carbon, sulfur and nitrogen as ...

Analysis of Protein Folding, Transport, and Degradation in Living Cells by Radioactive Pulse Chase

Analyse van de vouwing van eiwitten, vervoer en afbraak in levende cellen door radioactieve Pulse Chase

Radioactive pulse-chase labeling is a powerful tool for studying the conformational maturation, the transport to their functional cellular location, and ...

Detection of Protein Ubiquitination Sites by Peptide Enrichment and Mass Spectrometry

Detectie van eiwitubiquitinatiesites door peptideverrijking en massaspectrometrie

The posttranslational modification of proteins by the small protein ubiquitin is involved in many cellular events. After tryptic digestion of ...

Application of Biolayer Interferometry (BLI) for Studying Protein-Protein Interactions in Transcription

Application of Biolayer Interferometry BLI for Studying Protein-Protein Interactions in Transcription

Toepassing van Biolayer interferometrie (BLI) voor het bestuderen van eiwit-eiwit interacties in transcriptie

A transcription factor&#160;(TF) is a protein that regulates gene expression by interacting with the RNA polymerase, another TF, and/or template DNA. GrgA ...

Quantification of Protein Interaction Network Dynamics using Multiplexed Co-Immunoprecipitation

Kwantificering van eiwit interactie netwerk dynamiek met Multiplexed co-immunoprecipitatie

Dynamic protein-protein interactions control cellular behavior, from motility to DNA replication to signal transduction. However, monitoring dynamic ...

PeptiQuick, a One-Step Incorporation of Membrane Proteins into Biotinylated Peptidiscs for Streamlined Protein Binding Assays

PeptiQuick, een in één stap incorporatie van membraan eiwitten in Biotinylated Peptidiscs voor gestroomlijnde eiwit binding assays

Membrane proteins, including transporters, channels, and receptors, constitute nearly one-fourth of the cellular proteome and over half of current drug ...

TMT Sample Preparation for Proteomics Facility Submission and Subsequent Data Analysis

TMT Sample Voorbereiding voor Proteomics Facility Indiening en latere data-analyse

Proteomic technologies are powerful methodologies that can aid our understanding of mechanisms of action in biological systems by providing a global view ...