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

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.

OBS: I detta protokoll illustreras användningen av JUMPn genom att använda en publicerad datauppsättning av hel proteomprofilering under B-celldifferentiering kvantifierad av TMT isobarisk etikettreagens27.
1. Installation av JUMPn-programvara
OBS: Två alternativ finns för att ställa in JUMPn-programvaran: (i) installation på en lokal dator för personligt bruk; och (ii) distribution av JUMPn på en glänsande fjärrserver för flera anv...

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...

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.

<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 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.

Vi använde våra publicerade djupa proteomikdataset 25,26,27,30 (figur 5 och figur 6) samt datasimuleringar57 (tabell 1) för att optimera och utvärdera JUMPn-prestanda. För co-expression proteinklusteranalys via WGCNA rekommenderar vi att du använder proteiner som är signifikant förändr...

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 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.

JUMPn: En strömlinjeformad applikation för protein-samuttryckskluster och nätverksanalys inom proteomik

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

Protokollet för JUMPn-programvaran syftar till att underlätta biologisk tolkning av kvantitativa proteomikdata. Programvaran kan organisera hela proteinet i nivåhierarkin av samuttryckskluster och proteininteraktionsmodulerna. I synnerhet effektiviserar JUMPn-programvaran analysen av co-expression-klustring, vägberikning och PPI-moduldetektering.Det ger ett användarvänligt gränssnitt och interaktiv visualisering av data och nätverk. Medan vi framgångsrikt demonstrerade tillämpningen av JUMPn i hela proteomdataanalysen, är metoden lätt att utvidga till andra datatyper, inklusive fosfoproteomikanalys och interaktionsdata från affinitetsreningsmasspektrometri. För att ställa in JUMPn-programvaran, ladda ner källkoden från webbplatsen och installera programvaran på kommandoradsterminalen.För att starta JUMPn-programvaran, ändra den aktuella katalogen till exekveringsmappen genom att skriva cd-körning "på terminalen och ange sedan texten på terminalen för att starta JUMPn i webbläsaren. På JUMPn-hemsidan klickar du på knappen Påbörja analys för att starta JUMPn-analysen och klickar sedan på knappen Ladda upp demo B-Cell Proteomic Data i det nedre vänstra hörnet på sidan Påbörja analys för att se ett meddelande om framgången för datauppladdningen. I det nedre högra hörnet på sidan klickar du på knappen Skicka JUMPn-analys "för att starta demokörningen med standardparametrar.En förloppsindikator anger analysens gång. Vänta tills förloppsindikatorn är uppfylld. När demokörningen är klar visas en dialogruta med framgångskörningsmeddelandet och den absoluta sökvägen till resultatmappen och klickar sedan på fliken Fortsätt till resultat ".När webbsidan guidar till co-expression-klusterresultaten av WGCNA-algoritmen klickar du på Visa resultat "i dialogfönstret för att fortsätta. Till vänster på sidan Resultatsida 1 WGCNA-utdata hittar du proteinets samuttrycksmönster och använder Välj uttrycksformat"för att navigera mellan två figurformat. Boxplot-figuren väljs som standard.Välj fliken Trender för att visa trenddiagrammet, där varje rad representerar individuellt proteinöverflöd över prover. Färgen på varje rad representerar hur nära uttrycksmönstret är konsensus för samuttrycksklustret. Till höger om WGCNA-utdatasidan kan Pathway Ontology Enrichment Heatmap"visas.I en värmekarta visas de mest berikade vägarna för varje kluster tillsammans. Bläddra sedan ner på webbsidan för att se uttrycksmönstret för enskilda proteiner. Använd listrutan, välj samuttrycksklustret för att undersöka proteiner från varje kluster och välj sedan ett specifikt protein i tabellen där stapeldiagrammet under tabellen uppdateras automatiskt för att återspegla dess proteinmängd.För specifika proteinnamn använder du sökrutan till höger i tabellen. Senare, titta på protein-proteininteraktionen eller PPI-resultaten genom att klicka på Resultatsida 2 PPI-utgång "högst upp. Om du vill hämta resultaten för ett specifikt samuttryckskluster klickar du på fliken Välj fliken Co-Expression Cluster".Visningarna av alla figurpaneler uppdateras för det nyligen valda klustret. I den vänstra bildpanelen visar du PPI-nätverken för det valda samuttrycksklustret genom att använda listrutan välj efter grupp och markera enskilda PPI-moduler i nätverket och gå sedan till rutan för valt nätverkslayoutformat för att ändra nätverkslayouten. Använd mus och styrplatta och zooma in eller zooma ut från PPI-nätverket för att visa gennamnen för varje nod i nätverket.När du zoomar in väljer du och klickar på ett visst protein för att markera proteinet och dess nätverksgrannar. I nätverket drar du en viss nod för att ändra dess position i layouten och omorganisera nätverkslayouten. I den högra panelen på PPI-resultatsidan studerar du informationen på klusternivå för samuttryck som hjälper till att tolka PPI-resultat.Mönstret för samuttryck i det valda klustret kan visas som boxplot som standard. Välj Trender"för att visa trenddiagrammet för ett samuttrycksmönster och välj sedan vägfältdiagrammet för att visa betydligt berikade vägar för samuttrycksklustret med cirkeldiagrammet, visa betydligt berikade vägar för samuttrycksklustret i cirkeldiagrammet. Om du vill visa resultat på den enskilda PPI-modulnivån bläddrar du nedåt på resultatsidan till webbsidan för PPI-utdata och expanderar listrutan välj modul för att välja en specifik PPI-modul för visning.Visa PPI-modulen på den vänstra panelen, manipulera nätverksdisplayen som förklarats tidigare. På den högra panelen visar du resultaten av anrikning av vägen ontologi och använder sedan listrutan Välj rullgardinsmenyn Pathway Annotation Style och markerar fliken barplot för att visa mer information och visar om betydligt berikade vägar för den valda PPI-modulen. Markera cirkeldiagrammet för att visa signifikant berikade vägar för den valda PPI-modulen i form av ett cirkeldiagram och använd värmekarta för att visa signifikant berikade vägar och tillhörande gennamn.Gå till fliken Tabell"för att visa detaljerade väganrikningsresultat, inklusive namn på vägar, ontologitermer, gennamn och P-värdet med Fishers exakta test. Följ den absoluta sökvägen som skrivs ut högst upp på resultatsidorna och leta reda på publikationskalkylarktabellen. JUMPn är utvecklad med R shiny-plattformen för ett användarvänligt gränssnitt och integrerar tre stora funktionella moduler.Klustringsanalys med gemensamt uttryck, analys av vägberikning och PPI-nätverksanalys. Efter varje analys visualiseras resultaten automatiskt i vår justerbara via R glänsande widgetfunktioner och kan enkelt laddas ner som publikationstabeller och Microsoft Excel-format. För PPI-nätverksanalys sammanställdes ett sammansatt PPI-nätverk genom att kombinera STRING, BioPlex och i webb-IM-databaser.Det slutliga sammanslagna PPI-nätverket täcker mer än 20 000 mänskliga gener med 1 100 000 kanter. Denna omfattande interaktion ingår och publiceras i ett paket med JUMPn-programvaran för känslig PPI-analys. Nätverksbaserade metoder som utnyttjar både samuttrycks- och proteininteraktionsnätverk kan användas som en ytterligare metod för att dra slutsatsen av aktivitet i transkriptionsfaktorer och kinaser.

Research

JoVE Journal

Biochemistry

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

Metod för att identifiera små molekylhämmare av protein-proteininteraktion Mellan HCN1 och 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 Isolation för Kvantitativ masspektrometri Analys

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

Extracellulära Protein Mikroarrayteknik för hög genomströmning upptäckt av låg affinitet Receptor-Ligand interaktioner

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

Beredning av kloroplast sub fack från Arabidopsis för analys av Protein lokalisering av Immunoblotting eller proteomik

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

Analys av proteinveckning, Transport och nedbrytning i levande celler av radioaktiva 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

Detektion av protein ubiquitination platser av peptidanrikning och masspektrometri

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

Tillämpning av Biolayer interferometri (BLI) för att studera protein-proteininteraktioner vid transkription

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

Kvantifiering av proteininteraktion Nätverksdynamik med hjälp av multiplexerade Co-immunoprecipitation

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 enstegs inkorporering av membranproteiner i biotinylerade Peptidiscs för strömlinjeformade Proteinbindnings 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 Provberedning för Proteomics Facility Submission och efterföljande dataanalys

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