Name: JUMPn:蛋白质共表达聚类和网络分析在蛋白质组学中的简化应用 (视频) | JoVE Journal
Uploaded: 2021-10-19T13:30:00.000+00:00
Duration: 7 min 28 s
Description: 学习使用JUMPn软件进行蛋白质共表达聚类和蛋白质相互作用网络分析，简化定量蛋白质组学数据的生物学解释。该工具提供交互式可视化界面，支持通路富集分析，可扩展应用于磷酸化蛋白质组学和亲和纯化质谱相互作用组数据。

ai_agent_IP

ai_agent

maintenance

instantTrialDurationMinutes

isBiopharma

enableNewMyJoveSectionDesign

educationFeatures

seoMetaApi

ai_copilot_institution_blacklist

ai_chat_institution_blacklist

freeAccessWindow

ssoRoleCapture

scheduledMaintenanceBanner

joveLabsFeatures

disable_autoplay_for_bots

extended_trial_duration

5 minutes

本研究获得了美国国立卫生研究院（NIH）（R01AG047928、R01AG053987、RF1AG064909、RF1AG068581 和 U54NS110435）以及 ALSAC（美国黎巴嫩叙利亚联合慈善协会）的资助支持。质谱分析在圣裘德儿童研究医院的蛋白质组学与代谢组学中心完成，该中心部分由 NIH 癌症中心支持基金（P30CA021765）资助。本内容仅由作者负责，不代表美国国立卫生研究院的官方观点。

作者无任何利益冲突需要披露。

本文介绍了我们的JUMPn软件及其配套分析流程，该软件和流程已应用于多个研究项目，用于利用深度定量蛋白质组学数据解析分子机制25,26,27,30,64。JUMPn软件及分析流程已实现全面优化，包括在共表达网络分析中纳入差异表达蛋白、整合高质量且全面的蛋白质-蛋白质相互作用（PPI）网络、采用严格的统计分析方法（例如考虑多重假设检验校正），并配备简洁直观的用户界面。JUMPn鉴定出的多个蛋白模块已通过功能实验研究25,27或独立的患者队列26得到验证，表明JUMPn是一种有效识别多种生物学过程关键分子与通路的分析工具。
<p class="jo...

基于质谱的鸟枪法蛋白质组学已成为分析复杂样品蛋白质组多样性的关键方法1。随着质谱仪器技术2,3、色谱技术4,5、离子淌度检测6、采集方法（数据非依赖型7和数据依赖型采集8）、定量策略（多重等重肽段标记法，例如 TMT9,10，以及无标记定量11,12）以及数据分析方法/软件开发13,14,15,16,17,18的最新进展，对整个蛋白质组（例如，超过 10,000 种蛋白质）进行定量现已常规实现19,20,21。然而，如何从如此深度的定量数据集中获得机制性见解仍然具有挑战性22。早期对这些数据集的研究主要依赖于对数据中各个元素的单独注释，将每个组分（蛋白质）视为独立存在。然而，生物系统及其行为无法仅通过分析单个组分来完全解释23。因此，将定量的生物分子置于相互作用网络背景下的系统性方法，对于理解复杂系统及其相关过程（如胚胎发育、免疫应答以及人类疾病的发病机制）至关重要24。
基于网络的系统生物学已成为分析大规模定量蛋白质组学数据的强大范式25,26,27,28,29,30,31,32,33。从概念上讲，哺乳动物细胞等复杂系统可被建模为分层网络34,35，其中整个系统以层级方式表示：首先由若干大型组分构成，每个大型组分再通过更小的子系统进行迭代建模。从技术上讲，蛋白质组动态结构可通过共表达蛋白簇的互连网络（因为共表达的基因/蛋白质通常具有相似的生物学功能或调控机制36）以及物理相互作用的蛋白质-蛋白质相互作用（PPI）模块37来呈现。最近的一个例子中25，我们生成了T细胞活化过程中全蛋白质组和磷酸化蛋白质组的时间动态谱，并结合蛋白质相互作用信息，利用整合的共表达网络识别介导T细胞脱离静息状态的功能模块。多个与生物能量相关的模块被识别并经实验验证（例如线粒体核糖体和复合物IV模块25，以及一碳代谢模块38）。在另一项研究中26，我们进一步扩展该方法用于研究阿尔茨海默病的发病机制，并成功优先筛选出与疾病进展相关的蛋白质模块及分子。重要的是，我们的许多无偏倚发现已通过独立的患者队列26,29和/或疾病小鼠模型26得到验证。这些实例展示了系统生物学方法在结合定量蛋白质组学及其他组学整合数据以解析分子机制方面的强大能力。
本文介绍了 JUMPn，这是一款采用基于网络的系统生物学方法分析定量蛋白质组学数据的简化软件。JUMPn 是成熟的 JUMP 蛋白质组学软件套件的下游组成部分13,14,39，旨在通过系统生物学方法，填补从单个蛋白质定量结果到具有生物学意义的通路和蛋白质模块之间的分析空白。JUMPn 以差异表达（或变异性最大）蛋白质的定量矩阵作为输入，将蛋白质组组织为分层的蛋白质聚类层级结构，这些聚类在不同样本中共同表达，并形成紧密连接的蛋白质-蛋白质相互作用（PPI）模块（例如蛋白质复合物），并通过富集分析利用公共通路数据库对这些模块进行功能注释（图1）。JUMPn 基于 R/Shiny 平台开发40，提供用户友好的操作界面，集成了三大核心功能模块：共表达聚类分析、通路富集分析和 PPI 网络分析（图1）。每次分析完成后，结果将自动可视化，并可通过 R/Shiny 小部件函数进行调整，同时可直接下载为适用于发表的 Microsoft Excel 格式表格。在下文的实验方案中，我们以定量全蛋白质组数据为例，详细描述使用 JUMPn 的主要步骤，包括 JUMPn 软件的安装、差异表达蛋白质或（失调）蛋白质组的定义、共表达网络分析、PPI 模块分析、结果的可视化与解读，以及常见问题的排查。JUMPn 软件可在 GitHub 上免费获取41。

<table><tbody><tr><td>配备 2.3 GHz 四核处理器并运行 OS 10.15.7 操作系统的 MacBook Pro。</td><td>Apple Inc.</td><td>MacBook Pro 13''</td><td>用于软件开发和测试的硬件</td></tr><tr><td>Anaconda</td><td>Anaconda, Inc.</td><td>版本 4.9.2</td><td>https://docs.anaconda.com/anaconda/install/</td></tr><tr><td>miniconda</td><td>Anaconda, Inc.</td><td>版本 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>版本 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：一种用于蛋白质组学中蛋白质共表达聚类与网络分析的简化应用程序

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

随着基于质谱的蛋白质组学技术的最新进展，对数百个蛋白质组进行深度分析已变得越来越可行。然而，从这些宝贵的數據集中获得生物学见解仍具挑战性。本文介绍了一种基于系统生物学的软件 JUMPn 及其相关实验方案，该方案可将蛋白质组按样本间的蛋白质共表达聚类以及通过模块（例如蛋白质复合物）连接的蛋白质-蛋白质相互作用（PPI）网络进行组织。JUMPn 软件基于 R/Shiny 平台，集成了数据可视化功能和用户友好的界面，可简化共表达聚类、通路富集分析和 PPI 模块检测的分析流程。本实验方案的主要步骤包括 JUMPn 软件的安装、差异表达蛋白质或（失调）蛋白质组的定义、有意义的共表达聚类和 PPI 模块的确定，以及结果的可视化。尽管本方案以基于同重标记的蛋白质组谱图为例进行演示，但 JUMPn 普遍适用于多种定量数据集（例如，无标记蛋白质组学）。因此，JUMPn 软件及其实验方案为定量蛋白质组学中的生物学解释提供了强有力的工具。

我们利用已发表的深度蛋白质组学数据集25,26,27,30（图5 和 图6）以及数据模拟结果57（表1）来优化并评估 JUMPn 的性能。在通过 WGCNA 进行共表达蛋白聚类分析时，我们建议将样本间显著变化的蛋白质作为输入（例如，通过统计分析检测到的差异表达（DE）蛋白）。尽管在分析中纳入非DE蛋白可能会导致程序返回更多的共表达簇（由于输入数据量更大），但我们推测，在系统水平分析中将真实信号（例如DE蛋白）与背景信号（其余非DE蛋白）混合可能会稀释信号，从而掩盖潜在的网络结构。为验证这一点，我们在两种不同条件下进行了模拟分析：i）高度动态的蛋白质组（例如，在T细胞激活过程中有50%的...

我们介绍一种用于定量蛋白质组学数据分析和可视化网络分析的系统生物学工具 JUMPn，并提供了详细的操作流程，包括数据预处理、共表达聚类、通路富集分析以及蛋白质-蛋白质相互作用网络分析。

JUMPn：一种用于蛋白质组学中蛋白质共表达聚类与网络分析的简化应用程序

随着基于质谱的蛋白质组学技术的最新进展，对数百种蛋白质组进行深度分析已变得越来越可行。

JUMPn 软件的方案旨在促进定量蛋白质组学数据的生物学解读。该软件能够将整个蛋白质组织为共表达簇和蛋白质相互作用模块的层级结构。值得注意的是，JUMPn 软件简化了共表达聚类分析、通路富集分析以及蛋白质-蛋白质相互作用（PPI）模块检测的流程。它提供了一个用户友好的界面，以及对数据和网络的交互式可视化功能。尽管我们已成功展示了 JUMPn 在全蛋白质组数据分析中的应用，但该方法可轻松扩展至其他类型的数据，包括磷酸化蛋白质组学分析以及来自亲和纯化质谱的相互作用组数据。要安装 JUMPn 软件，请从网站下载源代码，并在命令行终端中安装该软件。要启动 JUMPn 软件，请在终端中输入 cd execution，将当前目录更改为执行文件夹，然后在终端中输入相应文本，以在网页浏览器中启动 JUMPn。在 JUMPn 主页上，点击“Commence Analysis”按钮以开始 JUMPn 分析；然后在“Commence Analysis”页面的左下角，点击“Upload Demo B-Cell Proteomic Data”按钮，查看数据上传成功的通知。在页面右下角，点击“Submit JUMPn Analysis”按钮，以使用默认参数启动演示运行。进度条将显示分析的进程。请等待进度条完成。当演示运行结束后，会弹出一个对话框，显示运行成功的消息以及结果文件夹的绝对路径，然后点击“继续到结果”标签。当网页引导至基于WGCNA算法的共表达簇结果时，点击对话窗口中的“查看结果”以继续。在“结果页面1 WGCNA输出”页面的左侧，可找到蛋白质共表达模式，并通过“选择表达格式”在两种图表格式之间切换。默认选择箱形图（Boxplot）格式。选择“趋势”标签页以显示趋势图，每条线代表一种蛋白质在各样本中的丰度变化。每条线的颜色表示其表达模式与共表达簇共识的接近程度。在WGCNA输出页面右侧，可查看“通路本体富集热图”。在热图中，每个簇中富集程度最高的通路将被共同显示。接下来，向下滚动网页以查看各个蛋白质的表达模式。使用下拉框选择共表达簇，以查看来自每个簇的蛋白质，然后在表格中选择特定蛋白质，表格下方的柱状图将自动更新以反映该蛋白质的丰度。对于特定的蛋白质名称，请使用表格右侧的“搜索”框。随后，点击顶部的“结果页面 2 PPI 输出”以查看蛋白质-蛋白质相互作用（PPI）结果。如需获取特定共表达簇的结果，请点击“选择共表达簇”标签。所有图示面板的显示内容将更新为新选中的簇。在左侧图示面板中，通过使用“按组选择”下拉框并高亮网络中的各个PPI模块，查看所选共表达簇的蛋白质-蛋白质相互作用（PPI）网络，然后选择所需的网络布局格式框以更改网络布局。使用鼠标或触控板，放大或缩小PPI网络，以便查看网络中每个节点的基因名称。放大后，选择并单击某个蛋白质，以高亮显示该蛋白质及其网络邻近蛋白。在网络中，拖动某个节点可改变其在布局中的位置，从而重新组织网络布局。在蛋白质相互作用结果页面的右侧面板中，研究共表达簇层级信息，以辅助解读蛋白质相互作用结果。默认情况下，可以选择的聚类共表达模式以箱线图形式展示。选择“趋势”以显示共表达模式的趋势图，然后选择通路条形图，以圆形图形式查看该共表达聚类中显著富集的通路；也可通过通路圆形图，在圆形图格式中查看共表达聚类的显著富集通路。要查看单个蛋白质相互作用（PPI）模块层面的结果，请向下滚动结果页面至PPI输出网页，展开“选择模块”下拉框，选择特定的PPI模块进行展示。在左侧面板中查看蛋白质相互作用（PPI）模块，并按照之前说明的方式调整网络显示。在右侧面板中查看通路本体（pathway ontology）富集结果，然后使用“选择通路注释样式”下拉框，勾选柱状图选项卡，以显示所选PPI模块中显著富集通路的更多信息和图表。勾选圆形图以圆形图形式展示所选PPI模块中显著富集的通路，使用热图以热图形式展示显著富集的通路及其相关基因名称。点击“表格”标签以显示详细的通路富集结果，包括通路名称、本体术语、基因名称以及通过Fisher精确检验计算的P值。根据结果页面顶部打印的绝对路径，查找并定位到出版物电子表格中的表格。JUMPn基于R Shiny平台开发，具有用户友好的界面，并集成了三个主要功能模块。共表达聚类分析、通路富集分析和蛋白质-蛋白质相互作用（PPI）网络分析。每项分析结果均可通过 R Shiny 小部件函数在网页界面中自动可视化，并可直接下载为可用于发表的表格和 Microsoft Excel 格式。对于 PPI 网络分析，通过整合 STRING、BioPlex 和在线 IM 数据库构建了一个综合的 PPI 网络。最终整合的蛋白质相互作用网络涵盖了超过20,000个人类基因，包含1,100,000条边。这一全面的相互作用组已与用于敏感蛋白质相互作用分析的JUMPn软件捆绑在一起并公开发表。基于网络的方法可结合共表达数据和蛋白质相互作用网络，作为推断转录因子和激酶活性的补充手段。

jumpn-streamlined-application-for-protein-co-expression-clustering

Research

科研

JoVE Journal

Biochemistry

生物化学

JUMPn:蛋白质共表达聚类和网络分析在蛋白质组学中的简化应用

对经酵母双杂交阳性相互作用筛选的酵母群体进行深度测序，可能获得大量关于相互作用配体蛋白的信息。本文介绍了特定生物信息学工具及定制更新软件的操作方法，用于分析此类筛选所产生的序列数据。...

批量酵母双杂交筛选序列数据的生物信息学分析

定量多重免疫沉淀（QMI）利用流式细胞术，可灵敏地检测两个样本之间特定蛋白质-蛋白质相互作用丰度的差异。QMI仅需少量生物材料，无需基因工程标签，且可适用于任何已知的蛋白质相互作用网络。...

使用多重共免疫沉淀法量化蛋白质相互作用网络动态

本文描述了一种蛋白质组学工作流程，用于从细胞核亚细胞组分中鉴定特定目标蛋白的相互作用蛋白伙伴。该流程采用免疫亲和富集结合无标记质谱分析技术，包括亚细胞分级分离、免疫沉淀、滤膜辅助样品制备、离线纯化、质谱分析以及后续的生物信息学分析流程。...

无需标记的免疫沉淀质谱工作流程用于大规模核相互作用组分析

本文建立并描述了一种由质谱引导的基因组挖掘方案。该方案基于基因组序列信息和液相色谱-串联质谱（LC-MS/MS）分析，旨在促进从复杂的微生物和植物提取物中鉴定分子。...

质谱引导的基因组挖掘作为发现新型天然产物的工具

本文所述方案提供了在用户友好的 UCSC 基因组浏览器上，利用 PhyloCSF...

一种用于微蛋白鉴定与序列分析的整合方法

本文建立了一种基于质谱的蛋白质组学方法，利用福尔马林固定、石蜡包埋组织切片中分离出的特定区域进行分析。该方案用于分析存档的福尔马林固定、石蜡包埋组织切片中特定组织区域的蛋白质组。...

一种利用选定组织区域进行质谱法蛋白质组学的简化方法

基于质谱的蛋白质组学数据可从开放数据库中获取，并可通过免费工具进行访问。鉴于数据库搜索和描述的复杂性，许多生物学家缺乏利用这些数据集的知识。本文提供了一份使用免费工具进行基本蛋白质组学数据搜索的指南。...

使用免费计算工具分析基于质谱的蛋白质组学数据

HCN通道与其辅助亚基之间的相互作用已被确定为重度抑郁症的治疗靶点。本文介绍了一种基于荧光偏振的方法，用于筛选该蛋白质-蛋白质相互作用的小分子抑制剂。...

识别HCN1与TRIP8b蛋白-蛋白相互作用的小分子抑制剂的方法

脂滴是多种病原体复制的重要细胞器，包括丙型肝炎病毒（HCV）。本文描述了一种用于分离脂滴并对其相关蛋白进行定量质谱分析的方法；该方法可用于多种实验条件，如病毒感染、环境应激或药物处理。...

脂滴分离用于定量质谱分析

本文介绍了一种用于高通量筛选细胞外蛋白微阵列以鉴定新型受体-配体相互作用的实验方案。同时，我们还描述了一种通过使用蛋白-微珠复合物来增强瞬时蛋白质-蛋白质相互作用检测的方法。...

用于高通量检测低亲和力受体-配体相互作用的细胞外蛋白微阵列技术

学习使用JUMPn软件进行蛋白质共表达聚类和蛋白质相互作用网络分析，简化定量蛋白质组学数据的生物学解释。该工具提供交互式可视化界面，支持通路富集分析，可扩展应用于磷酸化蛋白质组学和亲和纯化质谱相互作用组数据。

JUMPn：一种用于蛋白质组学中蛋白质共表达聚类与网络分析的简化应用程序

探索更多视频