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

Støtten ble gitt av National Institutes of Health (NIH) (R01AG047928, R01AG053987, RF1AG064909, RF1AG068581 og U54NS110435) og ALSAC (American Lebanese Syrian Associated Charities). MS-analysen ble utført i St. Jude Children's Research Hospital's Center of Proteomics and Metabolomics, som delvis ble støttet av NIH Cancer Center Support Grant (P30CA021765). Innholdet er utelukkende forfatternes ansvar og representerer ikke nødvendigvis de offisielle synspunktene til National Institutes of Health.

MERK: I denne protokollen er bruken av JUMPn illustrert ved å bruke et publisert datasett for hel proteomprofilering under B-celledifferensiering kvantifisert av TMT isobarisk etikettreagens27.
1. Oppsett av JUMPn-programvare
MERK: To alternativer er gitt for å sette opp JUMPn-programvaren: (i) installasjon på en lokal datamaskin for personlig bruk; og (ii) distribusjon av JUMPn på en ekstern Shiny Server for flere brukere. For lokal instal...

Her introduserte vi jumpn-programvaren vår og dens protokoll, som har blitt brukt i flere prosjekter for dissekering av molekylære mekanismer ved hjelp av dype kvantitative proteomikkdata 25,26,27,30,64. JUMPn-programvaren og -protokollen er fullt optimalisert, inkludert vurdering av DE-proteiner for kouttrykksnettverksanalyse, en samling av omfattende og h?...

Massespektrometribasert hagleproteomikk har blitt den viktigste tilnærmingen for å analysere proteommangfold av komplekse prøver1. Med nylige fremskritt innen massespektrometriinstrumentering 2,3, kromatografi 4,5, ionmobilitetsdeteksjon6, anskaffelsesmetoder (datauavhengig7 og dataavhengig oppkjøp8), kvantifiseringsmetoder (multi-plex isobarisk peptidmerkingsmetode, for eksempel TMT 9,10 og etikettfri kvantifisering11,12) og dataanalysestrategier / dataanalysestrategier programvareutvikling 13,14,15,16,17,18, kvantifisering av hele proteomet (f.eks. over 10,000 proteiner) er nå rutine 19,20,21. Men hvordan du får mekanistisk innsikt fra slike dype kvantitative datasett er fortsatt utfordrende22. De første forsøkene på å undersøke disse datasettene var hovedsakelig avhengige av merknaden av individuelle elementer i dataene, og behandlet hver komponent (protein) uavhengig. Biologiske systemer og deres oppførsel kan imidlertid ikke utelukkende forklares ved å undersøke individuelle komponenter23. Derfor er en systemtilnærming som plasserer de kvantifiserte biomolekylene i sammenheng med interaksjonsnettverk avgjørende for forståelsen av komplekse systemer og de tilknyttede prosessene som embryogenese, immunrespons og patogenese av menneskelige sykdommer24.
Nettverksbasert systembiologi har fremstått som et kraftig paradigme for å analysere store kvantitative proteomikkdata 25,26,27,28,29,30,31,32,33. Konseptuelt kan komplekse systemer som pattedyrceller modelleres som et hierarkisk nettverk34,35, der hele systemet er representert i nivåer: først av en rekke store komponenter, som hver deretter kursiv modelleres av mindre delsystemer. Teknisk sett kan strukturen av proteomdynamikk presenteres av sammenkoblede nettverk av sam-uttrykte proteinklynger (fordi co-uttrykte gener / proteiner ofte deler lignende biologiske funksjoner eller mekanismer for regulering36) og fysisk samhandler PPI-moduler37. Som et nylig eksempel25 genererte vi temporale profiler av hele proteom og fosfoproteom under T-celleaktivering og brukte integrative samuttrykksnettverk med PPIer for å identifisere funksjonelle moduler som formidler T-celle passivitetsutgang. Flere bioenergetiske moduler ble fremhevet og eksperimentelt validert (f.eks. mitoribosome og komplekse IV-moduler25, og ettkarbonmodulen38). I et annet eksempel26 utvidet vi videre vår tilnærming til å studere patogenesen av Alzheimers sykdom, og prioriterte vellykket sykdomsprogresjon tilknyttede proteinmoduler og molekyler. Det er viktig at mange av våre objektive funn ble validert av uavhengige pasientkohorter26,29 og/eller sykdomsmusmodeller26. Disse eksemplene illustrerte kraften i systembiologisk tilnærming for dissekering av molekylære mekanismer med kvantitativ proteomikk og andre omics integrasjoner.
Her introduserer vi JUMPn, en strømlinjeformet programvare som utforsker kvantitative proteomiske data ved hjelp av nettverksbaserte systembiologiske tilnærminger. JUMPn fungerer som nedstrømskomponenten i den etablerte JUMP proteomics programvarepakken 13,14,39, og tar sikte på å fylle gapet fra individuelle protein kvantifiseringer til biologisk meningsfulle veier og proteinmoduler ved hjelp av systemene biologi tilnærming. Ved å ta kvantifiseringsmatrisen av differensialt uttrykte (eller de mest variable) proteinene som inngang, tar JUMPn sikte på å organisere proteomet i et lagdelt hierarki av proteinklynger som uttrykkes på tvers av prøver og tett tilkoblede PPI-moduler (f.eks. proteinkomplekser), som ytterligere kommenteres med offentlige veidatabaser ved overrepresentasjon (eller berikelse) analyse (figur 1). JUMPn er utviklet med R/Shiny platform40 for et brukervennlig grensesnitt og integrerer tre hovedfunksjonsmoduler: kouttrykksklyngeanalyse, baneberikelsesanalyse og PPI-nettverksanalyse (figur 1). Etter hver analyse visualiseres resultatene automatisk og kan justeres via R /shiny widget-funksjonene og kan enkelt lastes ned som publikasjonstabeller i Microsoft Excel-format. I følgende protokoll bruker vi kvantitative hele proteomdata som eksempel og beskriver de viktigste trinnene for bruk av JUMPn, inkludert installasjon av JUMPn-programvaren, definisjonen av differensialt uttrykte proteiner eller (dys)regulert proteom, kouttrykksnettverksanalyse og PPI-modulanalyse, resultatvisualisering og tolkning og feilsøking. JUMPn-programvare er fritt tilgjengelig på 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

Med nylige fremskritt innen massespektrometribaserte proteomiske teknologier, har dyp profilering av hundrevis av proteomer blitt stadig mer gjennomførbart. Det er imidlertid utfordrende å utlede biologisk innsikt fra slike verdifulle datasett. Her introduserer vi en systembiologisk programvare JUMPn, og den tilhørende protokollen for å organisere proteomet i proteinkouttrykksklynger på tvers av prøver og proteinproteininteraksjonsnettverk (PPI) forbundet med moduler (f.eks. proteinkomplekser). Ved hjelp av R / Shiny-plattformen effektiviserer JUMPn-programvaren analysen av co-expression-klynger, baneberikelse og PPI-moduldeteksjon, med integrert datavisualisering og et brukervennlig grensesnitt. Hovedtrinnene i protokollen inkluderer installasjon av JUMPn-programvaren, definisjonen av differensialt uttrykte proteiner eller (dys)regulert proteom, bestemmelse av meningsfulle co-expression-klynger og PPI-moduler, og resultatvisualisering. Mens protokollen demonstreres ved hjelp av en isobarisk merkingsbasert proteomprofil, gjelder JUMPn generelt for et bredt spekter av kvantitative datasett (f.eks. etikettfri proteomikk). JUMPn programvare og protokoll gir dermed et kraftig verktøy for å lette biologisk tolkning i kvantitativ proteomikk.

Vi brukte våre publiserte dype proteomikkdatasett 25,26,27,30 (figur 5 og figur 6) samt datasimuleringer57 (tabell 1) for å optimalisere og evaluere JUMPn-ytelse. For co-expression protein clustering analyse via WGCNA, anbefaler vi å bruke proteiner betydelig endret på tvers av prøver som ...

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

Vi presenterer et systembiologiverktøy JUMPn for å utføre og visualisere nettverksanalyse for kvantitative proteomikkdata, med en detaljert protokoll inkludert dataforbehandling, kouttrykksklynge, baneberikelse og proteinproteininteraksjonsnettverksanalyse.

JUMPN: En strømlinjeformet applikasjon for klynger med proteinkouttrykk og nettverksanalyse i proteomikk

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

Protokollen til JUMPn-programvaren tar sikte på å lette biologisk tolkning av kvantitative proteomiske data. Programvaren er i stand til å organisere hele proteinet i tier hierarki av co-expression klynger og protein interaksjon moduler. Spesielt effektiviserer JUMPn-programvaren analysen av kouttrykksklynger, baneberikelse og PPI-moduldeteksjon.Det gir et brukervennlig grensesnitt og interaktiv visualisering av dataene og nettverkene. Mens vi med hell demonstrerte anvendelsen av JUMPn i hele proteomdataanalyse, kan metoden lett utvides til andre datatyper, inkludert fosfoproteomikkanalyse og interaktivitetsdata fra affinitetsrensingsmassespektrometri. Hvis du vil konfigurere JUMPn-programvaren, laster du ned kildekoden fra webområdet og installerer programvaren på kommandolinjeterminalen.For å starte JUMPn-programvaren, endre gjeldende katalog til utførelsesmappen ved å skrive cd-kjøring"på terminalen, og skriv deretter inn teksten på terminalen for å starte JUMPn i nettleseren. På JUMPn-hjemmesiden klikker du på Start analyse"-knappen for å starte JUMPn-analysen, og klikk deretter på knappen Last opp demo B-celle proteomiske data nederst til venstre på siden Start analyse for å se et varsel om suksessen til dataopplastingen. Nederst til høyre på siden klikker du på Send JUMPn Analysis"-knappen for å starte demokjøringen ved hjelp av standardparametere.En fremdriftslinje vil betegne analyseforløpet. Vent til fremdriftslinjen er fullført. Når demokjøringen er fullført, vises en dialogboks med meldingen om vellykket kjøring og den absolutte banen til resultatmappen, og deretter klikker du på Fortsett til resultater"fane.Når nettsiden guider til co-expression-klyngeresultatene fra WGCNA-algoritmen, klikker du på Vis resultater"i dialogvinduet for å fortsette. Til venstre for utdatasiden resultatside 1 WGCNA finner du mønstrene for proteinkouttrykk og bruker velg uttrykksformat til å navigere mellom to figurformater. Boxplot-figur velges som standard.Velg Trender"-fanen for å vise trendplottet, der hver linje representerer individuell proteinoverflod på tvers av prøver. Fargen på hver linje representerer hvor nært uttrykksmønsteret er kouttrykksklyngekonsensus. Til høyre for WGCNA-utdatasiden kan du se Pathway Ontology Enrichment Heatmap.I et varmekart vises de mest berikede banene for hver klynge sammen. Deretter blar du nedover websiden for å vise uttrykksmønsteret for individuelle proteiner. Bruk rullegardinlisten, velg kouttrykksklyngen for å undersøke proteiner fra hver klynge, og velg deretter et bestemt protein i tabellen som stolpeplottet under tabellen automatisk skal oppdateres på for å gjenspeile proteinoverflod.For spesifikke proteinnavn, bruk Søk"-boksen på høyre side av tabellen. Senere kan du se på proteinproteininteraksjonen eller PPI-resultatene ved å klikke på resultatsiden 2 PPI Output"øverst. Hvis du vil oppnå resultatene for en bestemt kouttrykksklynge, klikker du kategorien Velg kouttrykksklyngen.Visningene av alle figurpanelene oppdateres for den nylig valgte klyngen. I det venstre figurpanelet viser du PPI-nettverkene for den valgte kouttrykksklyngen ved hjelp av rullegardinlisten Velg etter gruppe og uthever individuelle PPI-moduler i nettverket, og deretter går du etter den valgte formatboksen for nettverksoppsett for å endre nettverksoppsettet. Bruk mus og styreflate til å zoome inn eller ut av PPI-nettverket for å vise gennavnene til hver node i nettverket.Når zoomet inn, velg og klikk et bestemt protein for å markere proteinet og dets nettverks naboer. Dra en bestemt node i nettverket for å endre plasseringen i oppsettet og omorganisere nettverksoppsettet. På panelet til høyre på PPI-resultatsiden studerer du informasjonen på kouttrykksklyngenivå som hjelper til med tolkningen av PPI-resultatene.Kouttrykksmønsteret i den valgte sektorgruppen kan vises som boxplot som standard. Velg Trender"for å vise trender plott for et kouttrykk mønster og deretter velge pathway bar plott for å vise betydelig beriket stier for co-expression klyngen med banen sirkel plott, vise betydelig beriket stier for co-expression klyngen i sirkelen plott format. Hvis du vil vise resultater på det individuelle PPI-modulnivået, blar du nedover resultatsiden til PPI-utgangswebsiden og utvider rullegardinlisten for modulen for å velge en bestemt PPI-modul som skal vises.Vis PPI-modulen på venstre panel, manipuler nettverksskjermen som forklart tidligere. På høyre panel, se bane ontologi berikelse resultater, deretter bruke Velg Pathway Annotation Style"rullegardin boks og tick barplot fane for å vise mer informasjon og viser om betydelig beriket stier for den valgte PPI-modulen. Tick circle plot for å vise betydelig berikede veier for den valgte PPI-modulen i formatet til en sirkelplott og bruke varmekart for å vise betydelig berikede veier og tilhørende gennavn.Gå til Tabell"-fanen for å vise de detaljerte baneberikelsesresultatene, inkludert navnet på stier, ontologitermer, gennavn og P-verdien ved Fishers eksakte test. Følg den absolutte banen som skrives ut øverst på resultatsidene, og finn regnearktabellen for publikasjonen. JUMPn er utviklet med R skinnende plattform for et brukervennlig grensesnitt og integrerer tre store funksjonelle moduler.Kouttrykksklyngeanalyse, baneberikelsesanalyse og PPI-nettverksanalyse. Etter hver analyse blir resultatene automatisk visualisert i vår justerbare via R skinnende widget funksjoner og lett nedlastbar som publikasjonstabeller og Microsoft Excel-format. For PPI-nettverksanalyse ble et sammensatt PPI-nettverk kompilert ved å kombinere STRING-, BioPlex- og web-IM-databaser.Det endelige sammenslåtte PPI-nettverket dekker mer enn 20 000 menneskelige gener med 1 100 000 kanter. Denne omfattende interactome er inkludert og publisert i en pakke med JUMPn programvare for sensitiv PPI analyse. Nettverksbaserte tilnærminger som utnytter både samuttrykks- og proteininteraksjonsnettverk, kan brukes som en ekstra metode for slutning av aktivitet i transkripsjonsfaktorer og kinaser.

Research

JoVE Journal

Biochemistry

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

Metode for å identifisere lavmolekylære inhibitorer av protein-protein samhandling mellom HCN1 og 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

Lipid Droplet Isolasjon for Quantitative massespektrometri 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

Ekstracellulære Protein Microarray teknologi for høy gjennomstrømning påvisning av lav affinitet reseptor-Ligand interaksjoner

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

Utarbeidelse av Chloroplast sub deler fra Arabidopsis for analyse av Protein lokalisering av Immunoblotting eller Proteomikk

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 av proteinfolding, Transport og nedbrytning i levende celler av radioaktivt puls 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

Påvisning av protein ubiquitination nettsteder av peptid berikelse og masse spektrometri

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

Anvendelse av Biolayer laboratoriefasiliteter (BLI) for å studere protein-protein interaksjoner i transkripsjon

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

Kvantifisering av protein samspill nettverk dynamikk ved hjelp av multiplekset co-Immunutfelling

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, en ett-trinns innlemmelse av membran proteiner i Biotinylated Peptidiscs for strømlinjeformet protein bindende analyser

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 Prøve forberedelse for proteomics facility innsending og påfølgende dataanalyse

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