JUMPn: יישום יעיל עבור אשכולות ביטוי משותף של חלבונים וניתוח רשת בפרוטאומיקה
19 באוקטובר 2021
אנו מציגים כלי לביולוגיה של מערכות JUMPn כדי לבצע ולהמחיש ניתוח רשת עבור נתוני פרוטאומיקה כמותית, עם פרוטוקול מפורט הכולל עיבוד נתונים מראש, אשכולות ביטוי משותף, העשרת מסלולים וניתוח רשת אינטראקציות חלבון-חלבון.
הפרוטוקול של תוכנת JUMPn נועד להקל על פרשנות ביולוגית של נתוני פרוטאומיקה כמותית. התוכנה מסוגלת לארגן את החלבון השלם בהיררכיית שכבות של אשכולות ביטוי משותף ומודולי האינטראקציה של חלבונים. יש לציין כי תוכנת JUMPn מייעלת את הניתוח של אשכולות ביטויים משותפים, העשרת מסלולים וזיהוי מודול PPI.
הוא מספק ממשק ידידותי למשתמש והדמיה אינטראקטיבית של הנתונים והרשתות. בעוד שהדגמנו בהצלחה את היישום של JUMPn בניתוח נתוני פרוטאום שלם, השיטה ניתנת להרחבה בקלות לסוגי נתונים אחרים, כולל ניתוח פוספופרוטאומיקה ונתונים אינטראקטיביים מספקטרומטריית מסת טיהור זיקה. כדי להגדיר את תוכנת JUMPn, הורד את קוד המקור מאתר האינטרנט והתקן את התוכנה במסוף שורת הפקודה.
כדי להפעיל את תוכנת JUMPn, שנה את הספריה הנוכחית לתיקיית הביצוע על-ידי הקלדת ביצוע תקליטורים במסוף, ולאחר מכן הזן את הטקסט במסוף כדי להפעיל את ה- JUMPn בדפדפן האינטרנט. בדף הבית של JUMPn, לחץ על כפתור ניתוח תחילת העבודה כדי להתחיל את ניתוח JUMPn, ולאחר מכן בפינה השמאלית התחתונה של דף ניתוח תחילת העבודה, לחץ על לחצן העלה הדגמה B-Cell Proteomic Data כדי להציג הודעה על הצלחת העלאת הנתונים. בפינה השמאלית התחתונה של הדף, לחץ על הלחצן שלח ניתוח JUMPn כדי ליזום את הפעלת ההדגמה באמצעות פרמטרים המוגדרים כברירת מחדל.
סרגל התקדמות יציין את מהלך הניתוח. המתן עד למילוי סרגל ההתקדמות. לאחר סיום הפעלת ההדגמה, תופיע תיבת דו-שיח עם הודעת הרצת ההצלחה והנתיב המוחלט לתיקיית התוצאות, ולאחר מכן לחץ על המשך לכרטיסייה 'המשך לתוצאות'.
כאשר דף האינטרנט מכוון לתוצאות אשכול הביטויים המשותפים על-ידי אלגוריתם WGCNA, לחץ על הצג תוצאות בחלון הדיאלוג כדי להמשיך. בצד שמאל של דף התוצאות 1 דף פלט WGCNA, מצא את תבניות הביטוי המשותף של החלבון והשתמש בתבנית בחר את הביטוי כדי לנווט בין שתי תבניות איור. דמות Boxplot תיבחר כברירת מחדל.
בחר מגמות"tab כדי להציג את תרשים המגמות, כאשר כל שורה מייצגת את שפע החלבון הבודד בין הדגימות. הצבע של כל שורה מייצג עד כמה תבנית הביטוי קרובה לקונצנזוס של אשכול הביטויים המשותפים. בצד ימין של דף הפלט של WGCNA, ניתן לראות את מפת החום של העשרת המסלולים האונטולוגיים.
במפת חום, המסלולים המועשרים ביותר עבור כל אשכול יוצגו יחד. לאחר מכן, גלול מטה בדף האינטרנט כדי להציג את תבנית הביטוי עבור חלבונים בודדים. השתמש בתיבה הנפתחת, בחר את אשכול הביטויים המשותפים כדי לבחון חלבונים מכל אשכול, ולאחר מכן בחר חלבון מסוים בטבלה שעליה תעודכן באופן אוטומטי תרשים הבר שמתחת לטבלה כדי לשקף את שפע החלבונים שלו.
עבור שמות חלבונים ספציפיים, השתמש בתיבת החיפוש בצד ימין של הטבלה. מאוחר יותר, התבונן בתוצאות האינטראקציה בין חלבון לחלבון או על PPI על-ידי לחיצה על פלט PPI של עמוד התוצאות 2 בחלק העליון. כדי לקבל את התוצאות עבור אשכול ביטויים משותף ספציפי, לחץ על בחר את הכרטיסיה בחר את אשכול הביטויים המשותפים".
התצוגות של כל לוחות האיור יעודכנו עבור האשכול החדש שנבחר. בחלונית האיור השמאלית, הצג את רשתות ה- PPI עבור אשכול הביטויים המשותפים שנבחר באמצעות התיבה הנפתחת 'בחר לפי קבוצה' ולסמן מודולי PPI בודדים בתוך הרשת, ולאחר מכן עבור על התיבה שנבחרה בתבנית פריסת הרשת כדי לשנות את פריסת הרשת. שימוש בעכבר ובמשטח המגע, הגדל את התצוגה או הקטן את התצוגה של רשת PPI כדי להציג את שמות הגנים של כל צומת ברשת.
כאשר מגדילים את התצוגה, בחרו ולחצו על חלבון מסוים כדי להדגיש את החלבון ואת שכניו ברשת. ברשת, גרור צומת מסוים כדי לשנות את מיקומו בפריסה וארגן מחדש את פריסת הרשת. בחלונית הימנית של דף התוצאות של PPI, חקור את המידע ברמת האשכול של הביטוי המשותף המסייע בפרשנות של תוצאות PPI.
ניתן להציג את תבנית הביטוי המשותף באשכול שנבחר כ- boxplot כברירת מחדל. בחר מגמות"כדי להציג מגמות המתארות את תבנית הביטוי המשותף ולאחר מכן בחר בעלילת סרגל מסלול כדי להציג מסלולים מועשרים באופן משמעותי עבור אשכול הביטוי המשותף עם תרשים מעגל המסלול, הצג מסלולים מועשרים באופן משמעותי עבור אשכול הביטויים המשותפים בתבנית העלילה המעגלית. כדי להציג תוצאות ברמת מודול PPI בודדת, גלול מטה בדף התוצאה לדף האינטרנט של פלט PPI והרחב את התיבה הנפתחת בחר את המודול כדי לבחור מודול PPI ספציפי לתצוגה.
הצג את מודול ה- PPI בחלונית השמאלית, תפעל את תצוגת הרשת כפי שהוסבר קודם לכן. בחלונית הימנית, הצג את תוצאות ההעשרה האונטולוגית של המסלול, ולאחר מכן השתמש בתיבה הנפתחת בחר את התיבה הנפתחת 'בחר את סגנון ההערה של המסלול' ובכרטיסיה 'סמן ברפלוט' כדי להציג מידע נוסף ולהציג מסלולים מועשרים באופן משמעותי עבור מודול ה-PPI שנבחר. תרשים מעגל טיק כדי להציג מסלולים מועשרים באופן משמעותי עבור מודול ה- PPI שנבחר בתבנית של חלקת מעגל ולהשתמש במפת חום כדי להציג מסלולים מועשרים באופן משמעותי ושמות הגנים הקשורים.
לכו על Tab Table כדי להציג את תוצאות העשרת המסלולים המפורטות, כולל שם המסלולים, מונחי אונטולוגיה, שמות גנים וערך P על ידי הבדיקה המדויקת של פישר. עקוב אחר הנתיב המוחלט המודפס בראש עמודי התוצאות ומצא את טבלת הגיליון האלקטרוני של הפרסום. JUMPn פותחה עם פלטפורמת R מבריקה לממשק ידידותי למשתמש ומשלבת שלושה מודולים פונקציונליים עיקריים.
ניתוח אשכולות של ביטויים משותפים, ניתוח העשרת מסלולים וניתוח רשת PPI. לאחר כל ניתוח התוצאות מוצגות באופן אוטומטי בהתאמה שלנו באמצעות פונקציות הווידג'ט המבריקות R וניתנות להורדה בקלות כטבלאות פרסום ופורמט Microsoft Excel. לצורך ניתוח רשת PPI, רשת PPI מורכבת נערכה על ידי שילוב של STRING, BioPlex ובמסדי נתונים של הודעות מיידיות באינטרנט.
רשת PPI הממוזגת הסופית מכסה יותר מ -20, 000 גנים אנושיים עם 1, 100, 000 קצוות. אינטראקציה מקיפה זו כלולה ומתפרסמת בחבילה עם תוכנת JUMPn לניתוח PPI רגיש. גישות מבוססות רשת הממנפות הן רשתות ביטוי משותף והן רשתות אינטראקציה של חלבונים יכולות לשמש כשיטה נוספת להסקת פעילות בגורמי שעתוק וקינאזות.
צפו בתמליל המלא וקבלו גישה לאלפי סרטונים מדעיים
סקירה כללית
תוכנת JUMPn היא כלי לביולוגיה מערכתית שנועד להקל על הפרשנות הביולוגית של נתוני פרוטאומיקה כמותית. היא מארגנת חלבונים למבנה היררכי של אשכולות ביטוי משותף ומודולי אינטראקציה, ומייעלת את הניתוח וההדמיה.
מרכיבי מחקר מרכזיים
תחום המדע
- ביולוגיה מערכתית
- פרוטאומיקה
- הדמיית נתונים
רקע
- JUMPn מסייע בניתוח נתוני פרוטאומיקה כמותית.
- הוא מספק ממשק ידידותי למשתמש לאינטראקציה עם נתונים.
- התוכנה תומכת בסוגי נתונים שונים, כולל פוספופרוטאומיקה.
- היא משפרת את ההבנה של אינטראקציות חלבונים ומסלוליהם.
מטרת המחקר
- להקל על ניתוח נתוני פרוטאומיקה.
- להקל על אשכולות ביטוי משותף והעשרת מסלולים.
- לספק הדמיה אינטראקטיבית של רשתות אינטראקציה חלבון-חלבון.
שיטות שבהן נעשה שימוש
- עיבוד מוקדם של נתונים לפרוטאומיקה כמותית.
- אשכולות ביטוי משותף של חלבונים.
- ניתוח העשרת מסלולים.
- ניתוח רשתות אינטראקציה חלבון-חלבון.
תוצאות עיקריות
- הוכחה מוצלחת של JUMPn בניתוח נתוני פרוטאום מלא.
- ארגון יעיל של חלבונים לאשכולות ביטוי משותף.
- גילוי משופר של מודולי אינטראקציית חלבונים.
- יכולות הדמיה אינטראקטיביות משפרות את פרשנות הנתונים.
מסקנות
- JUMPn הוא כלי חשוב לניתוח נתוני פרוטאומיקה כמותית.
- התוכנה ניתנת להרחבה לסוגי נתונים אחרים.
- היא מסייעת מאוד בפרשנות הביולוגית של מערכי נתונים מורכבים.
שאלות נפוצות
Executive Industry Relevance
JUMPn addresses the challenge of deriving biological insights from large-scale quantitative proteomics datasets by integrating co-expression clustering, pathway enrichment, and protein-protein interaction network analysis. This streamlined approach enhances target validation and mechanistic de-risking in early discovery by enabling rapid hypothesis testing and pathway-level interpretation. The tool supports predictive confidence in lead identification and portfolio triage through reproducible, scalable analysis of dysregulated proteomes across disease models.
Strategic Applications in Biopharma R&D
Early Discovery & Target Validation
- Scientific Value: Enables interrogation of therapeutic hypotheses through protein co-expression clustering across samples.
- Scientific Value: Supports functional target validation by identifying dysregulated proteins and their interaction modules.
- Operational Value: Reduces mechanistic ambiguity by linking expression patterns to enriched pathways and PPI networks.
Screening & Assay Development
- Scientific Value: Prepares validated biological systems for downstream workflows by organizing proteomes into biologically meaningful clusters.
- Operational Value: Enhances assay standardization and reproducibility through quantitative, visualization-ready outputs.
- Operational Value: Supports screening readiness via scalable, reusable analysis of label-free or isobaric labeling-based proteomic data.
Translational & Preclinical Research
- Scientific Value: Promotes translational continuity by connecting discovery-phase clusters to preclinical pathway and biomarker alignment.
- Scientific Value: Enables risk-adjusted advancement decisions through composite PPI network analysis covering >20,000 human genes.
- Operational Value: Facilitates cross-functional collaboration via interactive, downloadable results in publication-ready formats.
Pipeline & Workflow Integration
JUMPn integrates into the discovery continuum from early biology to lead identification by providing quantitative, visualization-driven outputs that support hypothesis testing and pathway clarification.
- Discovery Biology: Supports hypothesis testing and pathway clarification through co-expression clustering and enrichment analysis.
- Screening: Delivers assay readiness via reproducible clustering and quantitative protein abundance trends across samples.
- Analytics: Provides statistical outputs including Fisher’s exact test p-values for pathway enrichment, enabling condition comparison.
- Translational Research: Connects to preclinical continuity through PPI module analysis and pathway ontology enrichment.
- Enterprise Reuse: Functions as a reusable platform for diverse quantitative datasets including phosphoproteomics and interactome data.
Operational & Enterprise Impact
- Scientific Value: Predictive confidence, target validation, reduction of mechanistic ambiguity.
- Operational Value: Standardization, reproducibility, and scalability.
- Strategic Value: Better go/no-go decisions, capital efficiency, and reduced late-stage biological risk.
- Portfolio Impact: Risk-adjusted prioritization and advancement decisions.
Implementation Considerations
- Requires expertise in R/Shiny and systems biology for optimal use.
- Needs computational infrastructure to handle large proteomic datasets and network visualization.
- Demands cross-team standardization for consistent input formatting and parameter selection.
- Requires adaptation considerations when applying to non-human or specialized proteome datasets.
- Practical limitation: Interpretation depends on quality of input PPI databases (STRING, BioPlex, IM).
