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

Il sostegno finanziario è stato fornito dal National Institutes of Health (NIH) (R01AG047928, R01AG053987, RF1AG064909, RF1AG068581 e U54NS110435) e ALSAC (American Lebanese Syrian Associated Charities). L'analisi della SM è stata effettuata nel Centro di Proteomica e Metabolomica del St. Jude Children's Research Hospital, che è stato parzialmente supportato dal NIH Cancer Center Support Grant (P30CA021765). Il contenuto è di esclusiva responsabilità degli autori e non rappresenta necessariamente le opinioni ufficiali del National Institutes of Health.

NOTA: In questo protocollo, l'uso di JUMPn è illustrato utilizzando un set di dati pubblicato di profilazione dell'intero proteoma durante la differenziazione delle cellule B quantificata dal reagente isobarico dell'etichetta TMT27.
1. Configurazione del software JUMPn
NOTA: per la configurazione del software JUMPn sono disponibili due opzioni: (i) installazione su un computer locale per uso personale; e (ii) distribuzione di JUMPn su un Shiny...

Qui abbiamo introdotto il nostro software JUMPn e il suo protocollo, che sono stati applicati in più progetti per la dissezione di meccanismi molecolari utilizzando dati quantitativi profondidi proteomica 25,26,27,30,64. Il software e il protocollo JUMPn sono stati completamente ottimizzati, compresa la considerazione delle proteine DE per l'analisi della ret...

La proteomica del fucile a pompa basata sulla spettrometria di massa è diventata l'approccio chiave per analizzare la diversità del proteoma di campioni complessi1. Con i recenti progressi nella strumentazione di spettrometria di massa 2,3, cromatografia 4,5, rilevamento della mobilità ionica6, metodi di acquisizione (acquisizione 7 indipendente dai dati e acquisizione dipendente dai dati8), approcci di quantificazione (metodo di etichettatura dei peptidi isobarici multiplex, ad esempio TMT 9,10 e quantificazione senza etichetta11,12) e strategie di analisi dei dati. sviluppo software 13,14,15,16,17,18, quantificazione dell'intero proteoma (ad esempio, oltre 10.000 proteine) è ora di routine 19,20,21. Tuttavia, come ottenere approfondimenti meccanicistici da set di dati quantitativi così profondi è ancora impegnativo22. I tentativi iniziali di indagare su questi set di dati si basavano prevalentemente sull'annotazione di singoli elementi dei dati, trattando ogni componente (proteina) in modo indipendente. Tuttavia, i sistemi biologici e il loro comportamento non possono essere spiegati esclusivamente esaminando i singoli componenti23. Pertanto, un approccio sistemico che colloca le biomolecole quantificate nel contesto delle reti di interazione è essenziale per la comprensione dei sistemi complessi e dei processi associati come l'embriogenesi, la risposta immunitaria e la patogenesi delle malattie umane24.
La biologia dei sistemi basata sulla rete è emersa come un potente paradigma per l'analisi dei dati quantitativi di proteomica su larga scala 25,26,27,28,29,30,31,32,33. Concettualmente, sistemi complessi come le cellule di mammifero potrebbero essere modellati come una rete gerarchica34,35, in cui l'intero sistema è rappresentato in livelli: prima da un numero di componenti di grandi dimensioni, ognuno dei quali poi modellato iterativamente da sottosistemi più piccoli. Tecnicamente, la struttura della dinamica del proteoma può essere presentata da reti interconnesse di cluster proteici co-espressi (perché geni/proteine co-espressi spesso condividono funzioni biologiche simili o meccanismi di regolazione36) e moduli PPI fisicamente interagenti37. Come esempio recente25, abbiamo generato profili temporali di proteoma intero e fosfoproteoma durante l'attivazione delle cellule T e utilizzato reti di co-espressione integrative con PPI per identificare moduli funzionali che mediano l'uscita di quiescenza delle cellule T. Sono stati evidenziati e convalidati sperimentalmente più moduli correlati alla bioenergetica (ad esempio, il mitoribosoma e i moduli IV complessi25 e il modulo a un carbonio38). In un altro esempio26, abbiamo ulteriormente esteso il nostro approccio per studiare la patogenesi della malattia di Alzheimer e abbiamo dato priorità con successo ai moduli e alle molecole proteiche associate alla progressione della malattia. È importante sottolineare che molte delle nostre scoperte imparziali sono state convalidate da coorti di pazienti indipendenti26,29 e / o modelli murini di malattia26. Questi esempi hanno illustrato la potenza dell'approccio di biologia dei sistemi per sezionare i meccanismi molecolari con la proteomica quantitativa e altre integrazioni omiche.
Qui presentiamo JUMPn, un software semplificato che esplora i dati quantitativi di proteomica utilizzando approcci di biologia dei sistemi basati sulla rete. JUMPn funge da componente a valle della suite software di proteomica JUMP13,14,39 e mira a colmare il divario dalle singole quantificazioni proteiche a percorsi biologicamente significativi e moduli proteici utilizzando l'approccio della biologia dei sistemi. Prendendo la matrice di quantificazione delle proteine differenzialmente espresse (o le più variabili) come input, JUMPn mira a organizzare il proteoma in una gerarchia a più livelli di cluster proteici co-espressi tra campioni e moduli PPI densamente connessi (ad esempio, complessi proteici), che sono ulteriormente annotati con database di percorsi pubblici mediante analisi di sovrarappresentazione (o arricchimento) (Figura 1). JUMPn è sviluppato con la piattaforma R/Shiny40 per un'interfaccia user-friendly e integra tre principali moduli funzionali: analisi di clustering di co-espressione, analisi di arricchimento del percorso e analisi della rete PPI (Figura 1). Dopo ogni analisi, i risultati vengono visualizzati automaticamente e sono regolabili tramite le funzioni widget R/shiny e facilmente scaricabili come tabelle di pubblicazione in formato Microsoft Excel. Nel seguente protocollo, utilizziamo i dati quantitativi dell'intero proteoma come esempio e descriviamo i passaggi principali dell'utilizzo di JUMPn, inclusa l'installazione del software JUMPn, la definizione di proteine differenzialmente espresse o il proteoma (dis)regolato, l'analisi della rete di co-espressione e l'analisi del modulo PPI, la visualizzazione e l'interpretazione dei risultati e le riprese dei problemi. Il software JUMPn è disponibile gratuitamente su 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

Con i recenti progressi nelle tecnologie di proteomica basate sulla spettrometria di massa, la profilazione profonda di centinaia di proteomi è diventata sempre più fattibile. Tuttavia, ricavare informazioni biologiche da set di dati così preziosi è una sfida. Qui introduciamo un software basato sulla biologia dei sistemi JUMPn e il suo protocollo associato per organizzare il proteoma in cluster di co-espressione proteica attraverso campioni e reti di interazione proteina-proteina (PPI) collegate da moduli (ad esempio, complessi proteici). Utilizzando la piattaforma R/Shiny, il software JUMPn semplifica l'analisi del clustering di co-espressione, dell'arricchimento del percorso e del rilevamento dei moduli PPI, con la visualizzazione dei dati integrata e un'interfaccia user-friendly. Le fasi principali del protocollo includono l'installazione del software JUMPn, la definizione di proteine differenzialmente espresse o del proteoma (dis)regolato, la determinazione di cluster di co-espressione significativi e moduli PPI e la visualizzazione dei risultati. Mentre il protocollo è dimostrato utilizzando un profilo proteoma basato sull'etichettatura isobarica, JUMPn è generalmente applicabile a una vasta gamma di set di dati quantitativi (ad esempio, proteomica senza etichette). Il software e il protocollo JUMPn forniscono quindi un potente strumento per facilitare l'interpretazione biologica nella proteomica quantitativa.

Abbiamo utilizzato i nostri set di dati di proteomica profondapubblicati 25,26,27,30 (Figure 5 e Figura 6) e le simulazioni di dati57 (Tabella 1) per ottimizzare e valutare le prestazioni di JUMPn. Per l'analisi del clustering proteico di co-espressione tramite WGCNA, si consiglia di utilizzare ...

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

Presentiamo uno strumento di biologia dei sistemi JUMPn per eseguire e visualizzare l'analisi di rete per i dati quantitativi di proteomica, con un protocollo dettagliato che include la pre-elaborazione dei dati, il clustering di co-espressione, l'arricchimento del percorso e l'analisi della rete di interazione proteina-proteina.

JUMPn: un'applicazione semplificata per il clustering di co-espressione proteica e l'analisi di rete in proteomica

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

Il protocollo del software JUMPn mira a facilitare l'interpretazione biologica dei dati quantitativi di proteomica. Il software è in grado di organizzare l'intera proteina in una gerarchia di livelli di cluster di co-espressione e moduli di interazione proteica. In particolare, il software JUMPn semplifica l'analisi del clustering di co-espressione, dell'arricchimento del percorso e del rilevamento del modulo PPI.Fornisce un'interfaccia user-friendly e una visualizzazione interattiva dei dati e delle reti. Mentre abbiamo dimostrato con successo l'applicazione di JUMPn nell'analisi dei dati dell'intero proteoma, il metodo è facilmente estendibile ad altri tipi di dati, tra cui l'analisi fosfoproteomica e i dati interattomici dalla spettrometria di massa di purificazione dell'affinità. Per configurare il software JUMPn, scaricare il codice sorgente dal sito Web e installare il software sul terminale della riga di comando.Per avviare il software JUMPn, modificare la directory corrente nella cartella di esecuzione digitando cd execution"sul terminale, quindi immettere il testo sul terminale per avviare JUMPn sul browser Web. Nella homepage di JUMPn, fare clic sul pulsante Inizia analisi "per avviare l'analisi JUMPn", quindi nell'angolo in basso a sinistra della pagina Inizia analisi", fare clic sul pulsante Carica dati proteomici B-Cell demo per visualizzare una notifica del successo del caricamento dei dati. Nell'angolo in basso a destra della pagina, fare clic sul pulsante Invia analisi JUMPn" per avviare l'esecuzione della demo utilizzando i parametri predefiniti.Una barra di avanzamento indicherà il corso dell'analisi. Attendere che la barra di avanzamento sia soddisfatta. Una volta terminata l'esecuzione della demo, verrà visualizzata una finestra di dialogo con il messaggio di esecuzione riuscita e il percorso assoluto della cartella dei risultati, quindi fare clic sulla scheda Continua ai risultati.Mentre la pagina Web guida ai risultati del cluster di co-espressione tramite l'algoritmo WGCNA, fare clic su Visualizza risultati nella finestra di dialogo per continuare. A sinistra della pagina Output WGCNA pagina 1 dei risultati, individuare i modelli di coespressione proteica e utilizzare "Select the Expression Format" per spostarsi tra due formati di figure. La figura boxplot verrà selezionata per impostazione predefinita.Seleziona la scheda Tendenze" per visualizzare il grafico delle tendenze, con ogni riga che rappresenta l'abbondanza di proteine individuali tra i campioni. Il colore di ogni riga rappresenta la vicinanza del modello di espressione al consenso del cluster di coespressione. A destra della pagina di output del WGCNA, è possibile visualizzare la "Pathway Ontology Enrichment Heatmap".In una mappa di calore, i percorsi più arricchiti per ciascun cluster verranno visualizzati insieme. Quindi, scorrere verso il basso la pagina Web per visualizzare il modello di espressione per le singole proteine. Utilizzare la casella a discesa, selezionare il cluster di co-espressione per esaminare le proteine di ciascun cluster, quindi selezionare una proteina specifica nella tabella su cui il grafico a barre sotto la tabella verrà automaticamente aggiornato per riflettere la sua abbondanza proteica.Per nomi di proteine specifici, utilizzare la casella Cerca"sul lato destro della tabella. Successivamente, guarda l'interazione proteina-proteina o i risultati PPI facendo clic sulla pagina dei risultati 2 PPI Output"in alto. Per ottenere i risultati per uno specifico cluster di co-espressione, fare clic sulla scheda Seleziona la scheda "Co-Expression Cluster".Le visualizzazioni di tutti i pannelli delle figure verranno aggiornate per il cluster appena selezionato. Nel pannello della figura a sinistra, visualizzare le reti PPI per il cluster di coespressione selezionato utilizzando la casella di riepilogo a discesa Seleziona per gruppo ed evidenziando i singoli moduli PPI all'interno della rete, quindi scegliere la casella del formato del layout di rete selezionato per modificare il layout di rete. Utilizzando mouse e trackpad, ingrandire o rimpicciolire la rete PPI per visualizzare i nomi dei geni di ciascun nodo della rete.Quando si esegue lo zoom avanti, selezionare e fare clic su una determinata proteina per evidenziare la proteina e i suoi vicini di rete. Nella rete, trascinare un determinato nodo per modificarne la posizione nel layout e riorganizzare il layout di rete. Nel pannello di destra della pagina dei risultati PPI, studia le informazioni a livello di cluster di coespressione che aiutano l'interpretazione dei risultati PPI.Il modello di coespressione nel cluster selezionato può essere visualizzato come boxplot per impostazione predefinita. Seleziona Tendenze" per mostrare il grafico delle tendenze per un modello di co-espressione e quindi optare per il grafico a barre del percorso per mostrare percorsi significativamente arricchiti per il cluster di co-espressione con il grafico del cerchio del percorso, visualizzare percorsi significativamente arricchiti per il cluster di co-espressione nel formato del grafico circolare. Per visualizzare i risultati a livello di singolo modulo PPI, scorrere verso il basso la pagina dei risultati fino alla pagina Web di output PPI ed espandere la casella a discesa Seleziona il modulo per selezionare un modulo PPI specifico per la visualizzazione.Visualizza il modulo PPI sul pannello di sinistra, manipola il display di rete come spiegato in precedenza. Nel pannello di destra, visualizza i risultati dell'arricchimento dell'ontologia del percorso, quindi utilizza la casella a discesa Seleziona lo stile di annotazione del percorso e spunta la scheda della barra per mostrare ulteriori informazioni e visualizzare i percorsi significativamente arricchiti per il modulo PPI selezionato. Tick circle plot per mostrare percorsi significativamente arricchiti per il modulo PPI selezionato nel formato di un circle plot e utilizzare heatmap per mostrare percorsi significativamente arricchiti e i nomi dei geni associati.Vai alla scheda Tabella" per visualizzare i risultati dettagliati dell'arricchimento del percorso, incluso il nome dei percorsi, i termini ontologici, i nomi dei geni e il valore P dal test esatto di Fisher. Segui il percorso assoluto stampato nella parte superiore delle pagine dei risultati e trova la tabella del foglio di calcolo della pubblicazione. JUMPn è sviluppato con la piattaforma R shiny per un'interfaccia user-friendly e integra tre moduli funzionali principali.Analisi del clustering di co-espressione, analisi dell'arricchimento del percorso e analisi della rete PPI. Dopo ogni analisi i risultati vengono visualizzati automaticamente nel nostro regolabile tramite le funzioni widget R shiny e facilmente scaricabili come tabelle di pubblicazione e formato Microsoft Excel. Per l'analisi della rete PPI, è stata compilata una rete PPI composita combinando STRING, BioPlex e in database di messaggistica istantanea web.L'ultima rete PPI unita copre più di 20.000 geni umani con 1.100.000 bordi. Questo interattoma completo è incluso e pubblicato in un bundle con il software JUMPn per l'analisi PPI sensibile. Gli approcci basati sulla rete che sfruttano sia le reti di co-espressione che quelle di interazione proteica possono essere utilizzati come metodo aggiuntivo per l'inferenza dell'attività nei fattori di trascrizione e nelle chinasi.

Research

JoVE Journal

Biochemistry

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

Metodo per identificare piccole molecole inibitori della interazione proteina-proteina tra HCN1 e TRIP8b

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

Ricerca

Biochimica

Lipid Droplet Isolation for Quantitative Mass Spectrometry Analysis

Isolamento Droplet per l&#39;analisi quantitativa dei lipidi Spettrometria di Massa

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

Tecnologia di Microarray di proteina extracellulare per il rilevamento di Throughput elevato di interazioni recettore-ligando bassa affinità

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

Preparazione del cloroplasto Sub-compartimenti da Arabidopsis per l'analisi di localizzazione della proteina di Immunoblotting o proteomica

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

Analisi della piegatura della proteina, trasporto e degradazione in cellule viventi di radioattivo 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

Rilevamento di siti di Ubiquitinazione proteica mediante arricchimento dei peptidi e spettrometria di massa

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

Applicazione dell'interferometria biostrato (BLI) per lo studio delle interazioni tra proteine e proteine nella trascrizione

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

Quantificazione delle dinamiche della rete di interazione proteica mediante co-immunoprecipitazioni multiplexate

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, un'incorporazione in un solo passaggio di proteine membrana in Peptidiscbio biotinylated per analisi di legame proteico semplificato

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

Preparazione del campione TMT per l'invio di strutture proteomiche e la successiva analisi dei dati

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