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

Le soutien financier a été fourni par les National Institutes of Health (NIH) (R01AG047928, R01AG053987, RF1AG064909, RF1AG068581 et U54NS110435) et ALSAC (American Lebanese Syrian Associated Charities). L’analyse de la SEP a été réalisée au Centre de protéomique et de métabolomique du St. Jude Children’s Research Hospital, qui a été partiellement soutenu par la subvention de soutien du NIH Cancer Center (P30CA021765). Le contenu relève de la seule responsabilité des auteurs et ne représente pas nécessairement les points de vue officiels des National Institutes of Health.

REMARQUE: Dans ce protocole, l’utilisation de JUMPn est illustrée par l’utilisation d’un ensemble de données publié de profilage du protéome entier au cours de la différenciation des cellules B quantifié par le réactif d’étiquette isobare TMT27.
1. Configuration du logiciel JUMPn
REMARQUE: Deux options sont fournies pour configurer le logiciel JUMPn: (i) installation sur un ordinateur local pour un usage personnel; et (ii) le d?...

Ici, nous avons présenté notre logiciel JUMPn et son protocole, qui ont été appliqués dans de multiples projets de dissection de mécanismes moléculaires à l’aide de données protéomiques quantitatives profondes 25,26,27,30,64. Le logiciel et le protocole JUMPn ont été entièrement optimisés, y compris la prise en compte des protéines DE pour l?...

La protéomique au fusil de chasse basée sur la spectrométrie de masse est devenue l’approche clé pour analyser la diversité du protéome d’échantillons complexes1. Avec les progrès récents de l’instrumentation de spectrométriede masse 2,3, de la chromatographie 4,5, de la détection de la mobilité ionique6, des méthodes d’acquisition (acquisition indépendante des données7 et acquisition dépendante des données8), des approches de quantification (méthode de marquage des peptides isobares multiplex, par exemple, TMT 9,10 et quantification sans étiquette11,12) et des stratégies d’analyse des données/ développement delogiciels 13,14,15,16,17,18, la quantification de l’ensemble du protéome (par exemple, plus de 10 000 protéines) est maintenant de routine 19,20,21. Cependant, comment obtenir des informations mécanistes à partir d’ensembles de données quantitatives aussi profonds reste difficile22. Les premières tentatives d’étude de ces ensembles de données reposaient principalement sur l’annotation d’éléments individuels des données, en traitant chaque composant (protéine) indépendamment. Cependant, les systèmes biologiques et leur comportement ne peuvent pas être expliqués uniquement en examinant les composants individuels23. Par conséquent, une approche systémique qui place les biomolécules quantifiées dans le contexte des réseaux d’interaction est essentielle pour la compréhension des systèmes complexes et des processus associés tels que l’embryogenèse, la réponse immunitaire et la pathogenèse des maladies humaines24.
La biologie des systèmes en réseau est devenue un paradigme puissant pour l’analyse des données protéomiques quantitatives à grande échelle 25,26,27,28,29,30,31,32,33. Conceptuellement, des systèmes complexes tels que les cellules de mammifères pourraient être modélisés comme un réseau hiérarchique34,35, dans lequel l’ensemble du système est représenté en niveaux: d’abord par un certain nombre de grands composants, dont chacun est ensuite modélisé de manière itérative par des sous-systèmes plus petits. Techniquement, la structure de la dynamique du protéome peut être présentée par des réseaux interconnectés de groupes de protéines co-exprimées (parce que les gènes/protéines co-exprimés partagent souvent des fonctions biologiques similaires ou des mécanismes de régulation36) et des modules PPIinteragissant physiquement 37. À titre d’exemple récent25, nous avons généré des profils temporels du protéome entier et du phosphoprotéome lors de l’activation des lymphocytes T et utilisé des réseaux de coexpression intégrative avec des IPP pour identifier les modules fonctionnels qui médient la sortie de quiescence des lymphocytes T. Plusieurs modules liés à la bioénergétique ont été mis en évidence et validés expérimentalement (p. ex., les modules mitoribosome et IV complexe25 et le module à un carbone38). Dans un autre exemple26, nous avons élargi notre approche pour étudier la pathogenèse de la maladie d’Alzheimer et avons priorisé avec succès les modules et molécules protéiques associés à la progression de la maladie. Il est important de noter que bon nombre de nos découvertes impartiales ont été validées par des cohortes de patients indépendants 26,29 et/ou des modèles murinsde maladie 26. Ces exemples illustrent la puissance de l’approche de la biologie des systèmes pour disséquer les mécanismes moléculaires avec la protéomique quantitative et d’autres intégrations omiques.
Nous présentons ici JUMPn, un logiciel rationalisé qui explore les données protéomiques quantitatives à l’aide d’approches de biologie des systèmes basées sur des réseaux. JUMPn sert de composant en aval de la suite logicielle de protéomique JUMP établie 13,14,39 et vise à combler le fossé entre les quantifications de protéines individuelles et les voies et modules de protéines biologiquement significatifs en utilisant l’approche de biologie des systèmes. En prenant la matrice de quantification des protéines exprimées différentiellement (ou les plus variables) comme entrée, JUMPn vise à organiser le protéome en une hiérarchie hiérarchisée de groupes de protéines co-exprimés entre des échantillons et des modules PPI densément connectés (par exemple, des complexes protéiques), qui sont ensuite annotés avec des bases de données de voies publiques par une analyse de surreprésentation (ou d’enrichissement) (Figure 1). JUMPn est développé avec la plate-forme R/Shiny40 pour une interface conviviale et intègre trois modules fonctionnels majeurs : l’analyse de clustering de co-expression, l’analyse d’enrichissement des voies et l’analyse du réseau PPI (Figure 1). Après chaque analyse, les résultats sont automatiquement visualisés et réglables via les fonctions du widget R/shiny et facilement téléchargeables sous forme de tableaux de publication au format Microsoft Excel. Dans le protocole suivant, nous utilisons les données quantitatives du protéome entier comme exemple et décrivons les principales étapes de l’utilisation de JUMPn, y compris l’installation du logiciel JUMPn, la définition des protéines exprimées différentiellement ou du protéome régulé (dys), l’analyse du réseau de co-expression et l’analyse du module PPI, la visualisation et l’interprétation des résultats et les dépannages. Le logiciel JUMPn est disponible gratuitement sur 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

Avec les progrès récents des technologies protéomiques basées sur la spectrométrie de masse, le profilage en profondeur de centaines de protéomes est devenu de plus en plus réalisable. Cependant, il est difficile de tirer des informations biologiques de ces ensembles de données précieux. Nous présentons ici un logiciel basé sur la biologie des systèmes JUMPn, et son protocole associé pour organiser le protéome en grappes de co-expression de protéines à travers des échantillons et des réseaux d’interaction protéine-protéine (IPP) connectés par des modules (par exemple, des complexes protéiques). Grâce à la plate-forme R/Shiny, le logiciel JUMPn rationalise l’analyse du clustering de co-expression, de l’enrichissement des voies et de la détection des modules PPI, avec une visualisation des données intégrée et une interface conviviale. Les principales étapes du protocole comprennent l’installation du logiciel JUMPn, la définition des protéines exprimées différentiellement ou du protéome (dys)régulé, la détermination de clusters de co-expression significatifs et de modules PPI, et la visualisation des résultats. Bien que le protocole soit démontré à l’aide d’un profil de protéome basé sur le marquage isobare, JUMPn est généralement applicable à un large éventail d’ensembles de données quantitatives (par exemple, la protéomique sans étiquette). Le logiciel et le protocole JUMPn fournissent ainsi un outil puissant pour faciliter l’interprétation biologique en protéomique quantitative.

Nous avons utilisé nos ensembles de données protéomiques profondes publiés 25,26,27,30 (figures 5 et figure 6) ainsi que les simulations de données57 (tableau 1) pour optimiser et évaluer les performances de JUMPn. Pour l’analyse du regroupement des protéines de coexpression via WGCNA, ...

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

Nous présentons un outil de biologie des systèmes JUMPn pour effectuer et visualiser l’analyse de réseau pour des données protéomiques quantitatives, avec un protocole détaillé comprenant le prétraitement des données, le regroupement de co-expression, l’enrichissement des voies et l’analyse du réseau d’interaction protéine-protéine.

JUMPn : Une application simplifiée pour le regroupement de la co-expression des protéines et l’analyse des réseaux en protéomique

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

Le protocole du logiciel JUMPn vise à faciliter l’interprétation biologique des données protéomiques quantitatives. Le logiciel est capable d’organiser la protéine entière en hiérarchie de niveaux des clusters de co-expression et des modules d’interaction protéique. Notamment, le logiciel JUMPn rationalise l’analyse du clustering de co-expression, de l’enrichissement des voies et de la détection des modules PPI.Il fournit une interface conviviale et une visualisation interactive des données et des réseaux. Bien que nous ayons démontré avec succès l’application de JUMPn dans l’analyse de données de protéome entier, la méthode est facilement extensible à d’autres types de données, y compris l’analyse phosphoprotéomique et les données d’interactome issues de la spectrométrie de masse de purification d’affinité. Pour configurer le logiciel JUMPn, téléchargez le code source à partir du site Web et installez le logiciel sur le terminal de ligne de commande.Pour lancer le logiciel JUMPn, remplacez le répertoire actuel par le dossier d’exécution en tapant cd execution"sur le terminal, puis entrez le texte sur le terminal pour lancer JUMPn sur le navigateur Web. Sur la page d’accueil de JUMPn, cliquez sur le bouton Commencer l’analyse pour lancer l’analyse JUMPn, puis dans le coin inférieur gauche de la page Commencer l’analyse, cliquez sur le bouton Télécharger les données protéomiques de la cellule B de démonstration pour afficher une notification de réussite du téléchargement des données. Dans le coin inférieur droit de la page, cliquez sur le bouton Soumettre l’analyse JUMPn pour lancer l’exécution de la démonstration en utilisant les paramètres par défaut.Une barre de progression indiquera le déroulement de l’analyse. Attendez que la barre de progression soit remplie. Une fois l’exécution de la démo terminée, une boîte de dialogue apparaîtra avec le message de réussite de l’exécution et le chemin absolu vers le dossier de résultats, puis cliquez sur l’onglet Continuer vers les résultats.Comme la page Web guide les résultats du cluster de co-expression par l’algorithme WGCNA, cliquez sur Afficher les résultats dans la fenêtre de dialogue pour continuer. À gauche de la page résultats 1 Sortie WGCNA de la page résultats, recherchez les modèles de coexpression des protéines et utilisez le bouton Sélectionner le format d’expression pour naviguer entre deux formats de figure. La figure Boxplot sera sélectionnée par défaut.Sélectionnez l’onglet Tendances pour afficher le graphique des tendances, chaque ligne représentant l’abondance de protéines individuelles dans les échantillons. La couleur de chaque ligne représente la proximité du modèle d’expression avec le consensus du cluster de co-expression. Sur la droite de la page de sortie WGCNA, la carte thermique d’enrichissement de l’ontologie Pathway peut être consultée.Dans une carte thermique, les voies les plus enrichies pour chaque cluster seront affichées ensemble. Ensuite, faites défiler la page Web pour afficher le modèle d’expression des protéines individuelles. Utilisez la liste déroulante, sélectionnez le cluster de co-expression pour examiner les protéines de chaque cluster, puis sélectionnez une protéine spécifique dans le tableau sur laquelle le diagramme à barres sous le tableau sera automatiquement mis à jour pour refléter son abondance de protéines.Pour les noms de protéines spécifiques, utilisez la zone Rechercher sur le côté droit du tableau. Plus tard, regardez l’interaction protéine-protéine ou les résultats IPP en cliquant sur la page de résultats 2 PPI Output"en haut. Pour obtenir les résultats d’un cluster de co-expression spécifique, cliquez sur l’onglet Sélectionner le cluster de co-expression.Les affichages de tous les panneaux de figure seront mis à jour pour le cluster nouvellement sélectionné. Dans le panneau de figure de gauche, affichez les réseaux PPI pour le cluster de coexpression sélectionné à l’aide de la liste déroulante Sélectionner par groupe et mettez en surbrillance les modules PPI individuels du réseau, puis optez pour la zone format de disposition réseau sélectionnée pour modifier la disposition du réseau. À l’aide de la souris et du trackpad, effectuez un zoom avant ou arrière sur le réseau PPI pour afficher les noms de gènes de chaque nœud du réseau.Lorsque vous effectuez un zoom avant, sélectionnez et cliquez sur une certaine protéine pour mettre en évidence la protéine et ses voisins réseau. Dans le réseau, faites glisser un certain nœud pour modifier sa position dans la disposition et réorganiser la disposition du réseau. Dans le panneau de droite de la page de résultats de l’IPP, étudiez les informations au niveau du cluster de co-expression qui facilitent l’interprétation des résultats de l’IPP.Le modèle de coexpression sur le cluster sélectionné peut être affiché sous forme de diagramme de boîte par défaut. Sélectionnez Tendances pour afficher le tracé des tendances pour le modèle de co-expression, puis optez pour le tracé de barre de chemin pour afficher les chemins significativement enrichis pour le cluster de co-expression avec le tracé de cercle de chemin, afficher des chemins significativement enrichis pour le cluster de co-expression dans le format de tracé de cercle. Pour afficher les résultats au niveau du module PPI individuel, faites défiler la page de résultats jusqu’à la page Web de sortie PPI et développez la zone de liste déroulante Sélectionner le module pour sélectionner un module PPI spécifique à afficher.Affichez le module PPI sur le panneau de gauche, manipulez l’affichage réseau comme expliqué précédemment. Dans le panneau de droite, affichez les résultats de l’enrichissement de l’ontologie des voies, puis utilisez la liste déroulante Sélectionner le style d’annotation de voie et cochez l’onglet de tracé de barre pour afficher plus d’informations et afficher les voies d’accès significativement enrichies pour le module PPI sélectionné. Tracez un diagramme circulaire pour montrer les voies significativement enrichies pour le module PPI sélectionné sous la forme d’un diagramme circulaire et utilisez une carte thermique pour montrer les voies significativement enrichies et les noms de gènes associés.Optez pour l’onglet Table pour afficher les résultats détaillés de l’enrichissement des voies, y compris le nom des voies, les termes d’ontologie, les noms des gènes et la valeur P par le test exact de Fisher. Suivez le chemin absolu imprimé en haut des pages de résultats et recherchez le tableau de la feuille de calcul de publication. JUMPn est développé avec la plate-forme R shiny pour une interface conviviale et intègre trois modules fonctionnels majeurs.Analyse du clustering de co-expression, analyse de l’enrichissement des voies et analyse du réseau PPI. Après chaque analyse, les résultats sont automatiquement visualisés dans notre fonction réglable via les fonctions du widget R shiny et facilement téléchargeables sous forme de tableaux de publication et de format Microsoft Excel. Pour l’analyse du réseau PPI, un réseau PPI composite a été compilé en combinant STRING, BioPlex et dans des bases de données Web de messagerie instantanée.Le réseau PPI fusionné couvre plus de 20 000 gènes humains avec 1 100 000 bords. Cet interactome complet est inclus et publié dans un bundle avec le logiciel JUMPn pour l’analyse PPI sensible. Les approches basées sur les réseaux qui exploitent à la fois la co-expression et les réseaux d’interaction protéique peuvent être utilisées comme méthode supplémentaire pour l’inférence de l’activité dans les facteurs de transcription et les kinases.

Research

JoVE Journal

Biochemistry

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

Procédé pour l&#39;identification d&#39;inhibiteurs de petites molécules de l&#39;interaction protéine-protéine entre HCN1 et TRIP8b

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

Recherche

Biochimie

Lipid Droplet Isolation for Quantitative Mass Spectrometry Analysis

Isolation Lipid Droplet pour l&#39;analyse quantitative de spectrométrie de masse

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

Technologie des microréseaux protéine extracellulaire pour détection haut débit des Interactions Ligand-récepteur de faible affinité

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

Préparation des compartiments des chloroplastes d’Arabidopsis pour l’analyse de la localisation de la protéine par immunotransfert ou protéomique

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 de repliement des protéines, des transports et dégradation dans les cellules vivantes par radioactifs 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

Détection des sites d’ubiquitination des protéines par l’enrichissement du peptide et la spectrométrie de masse

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

Application de biocouches interferométrie (BLI) pour étudier les interactions protéines-protéines dans la transcription

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

Quantification de la dynamique du réseau d'interaction des protéines à l'aide de la co-immunoprécipitation multiplexée

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, une incorporation en une seule étape des protéines de membrane dans les Peptidiscs biotinylated pour les essais de liaison de protéine rationalisés

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

Préparation de l’échantillon TMT pour la soumission des installations de protéomique et l’analyse subséquente des données

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