Name: JUMPn: Usprawniona aplikacja do grupowania koekspresji białek i analizy sieci w proteomice (Wideo) | JoVE Journal
Uploaded: 2021-10-19T13:30:00.000+00:00
Duration: 7 min 28 s
Description: Poznaj oprogramowanie JUMPn do analizy danych proteomicznych, grupowania koekspresji białek i wzbogacania szlaków. To narzędzie usprawnia interpretację biologiczną złożonych zbiorów danych proteomowych.

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

Wsparcie finansowe zostało zapewnione przez National Institutes of Health (NIH) (R01AG047928, R01AG053987, RF1AG064909, RF1AG068581 i U54NS110435) oraz ALSAC (American Liban Syrian Associated Charities). Analiza stwardnienia rozsianego została przeprowadzona w Centrum Proteomiki i Metabolomiki Szpitala Dziecięcego St. Jude Children's Research Hospital, które było częściowo wspierane przez NIH Cancer Center Support Grant (P30CA021765). Wyłączną odpowiedzialność za treść ponoszą autorzy i nie muszą one reprezentować oficjalnych poglądów National Institutes of Health.

Autorzy nie mają nic do ujawnienia.

Tutaj przedstawiliśmy nasze oprogramowanie JUMPn i jego protokół, które zostały zastosowane w wielu projektach do analizy mechanizmów molekularnych przy użyciu głębokich danych proteomicznych 25,26,27,30,64. Oprogramowanie i protokół JUMPn zostały w pełni zoptymalizowane, w tym uwzględnienie białek DE w analizie sieci koekspresji, kompilacja kompleksowej i wys...

Proteomika oparta na spektrometrii mas stała się kluczowym podejściem do analizy różnorodności proteomu w złożonych próbkach1. Dzięki najnowszym postępom w oprzyrządowaniu do spektrometrii mas2,3, chromatografia4,5, wykrywanie ruchliwości jonów6, metody akwizycji (niezależna od danych7 i akwizycja zależna od danych8), podejścia do kwantyfikacji (metoda znakowania peptydów izobarycznych multi-plex, np. TMT9,10 i kwantyfikacja bez etykiet11,12) oraz strategie analizy danych/rozwój oprogramowania13,14,15,16,17,18, kwantyfikacja całego proteomu (np. ponad 10 000 białek) jest teraz routine19,20,21. Jednak uzyskanie mechanistycznych spostrzeżeń z tak głębokich zestawów danych ilościowych jest nadal wyzwaniem22. Początkowe próby zbadania tych zbiorów danych opierały się głównie na adnotacji poszczególnych elementów danych, traktując każdy składnik (białko) niezależnie. Jednak systemów biologicznych i ich zachowania nie da się wyjaśnić wyłącznie poprzez badanie poszczególnych komponentów23. W związku z tym podejście systemowe, które umieszcza ilościowo określone biomolekuły w kontekście sieci interakcji, jest niezbędne do zrozumienia złożonych systemów i związanych z nimi procesów, takich jak embriogeneza, odpowiedź immunologiczna i patogeneza chorób ludzkich24.
Biologia systemów opartych na sieci stała się potężnym paradygmatem do analizy dużych ilościowych danych proteomicznych25,26,27,28,29,30,31,32,33. Koncepcyjnie, złożone systemy, takie jak komórki ssaków, mogą być modelowane jako sieć hierarchiczna34,35, w której cały system jest reprezentowany w warstwach: najpierw przez szereg dużych komponentów, z których każdy jest następnie iteracyjnie modelowany przez mniejsze podsystemy. Technicznie rzecz biorąc, struktura dynamiki proteomu może być przedstawiona za pomocą połączonych ze sobą sieci klastrów białek o współekspresji (ponieważ współeksprymowane geny/białka często mają podobne funkcje biologiczne lub mechanizmy regulacji36) i fizycznie oddziałujące moduły PPI37. Jako niedawny przykład25, wygenerowaliśmy profile czasowe całego proteomu i fosfoproteomu podczas aktywacji limfocytów T i użyliśmy integracyjnych sieci koekspresyjnych z PPI do identyfikacji modułów funkcjonalnych, które pośredniczą w wyjściu komórek T w stanie spoczynku. Wyróżniono i poddano eksperymentalnej walidacji wiele modułów związanych z bioenergetyką (np. moduły mitoribosomu i kompleksu IV 25 oraz moduł jednowęglowy38). W innym przykładzie26, jeszcze bardziej rozszerzyliśmy nasze podejście do badania patogenezy choroby Alzheimera i z powodzeniem nadaliśmy priorytet modułom i cząsteczkom białkowym związanym z progresją choroby. Co ważne, wiele z naszych bezstronnych odkryć zostało zweryfikowanych przez niezależne kohorty pacjentów26,29 i/lub modele myszy choroby26. Przykłady te zilustrowały siłę podejścia biologii systemowej do analizowania mechanizmów molekularnych za pomocą proteomiki ilościowej i integracji innych systemów omicznych.
Tutaj przedstawiamy JUMPn, uproszczony program, który bada ilościowe dane proteomiczne za pomocą podejścia biologii systemów opartych na sieci. JUMPn służy jako dalszy komponent uznanego pakietu oprogramowania proteomicznego JUMP13,14,39 i ma na celu wypełnienie luki między kwantyfikacją poszczególnych białek a biologicznie znaczącymi szlakami i modułami białkowymi przy użyciu podejścia biologii systemowej. Biorąc za dane wejściowe macierz kwantyfikacyjną białek o zróżnicowanej ekspresji (lub najbardziej zmiennych), projekt JUMPn ma na celu zorganizowanie proteomu w wielopoziomową hierarchię klastrów białek współwyrażanych w próbkach i gęsto połączonych modułach PPI (np. kompleksach białkowych), które są następnie opisywane w publicznych bazach danych ścieżek poprzez analizę nadreprezentacji (lub wzbogacenia) (<silna klasa = "xfig">Rysunek 1). JUMPn jest rozwijany w oparciu o platformę R/Shiny 40 dla przyjaznego dla użytkownika interfejsu i integruje trzy główne moduły funkcjonalne: analizę klastrów koekspresji, analizę wzbogacania ścieżek i analizę sieci PPI (<silna klasa="xfig">Rysunek 1). Po każdej analizie wyniki są automatycznie wizualizowane i dostosowywane za pomocą funkcji widżetu R/shiny i można je łatwo pobrać w postaci tabel publikacji w formacie Microsoft Excel. W poniższym protokole używamy ilościowych danych dotyczących całego proteomu jako przykładu i opisujemy główne etapy korzystania z JUMPn, w tym instalację oprogramowania JUMPn, definicję białek o zróżnicowanej ekspresji lub (dys)regulowanego proteomu, analizę sieci koekspresji i analizę modułu PPI, wizualizację i interpretację wyników oraz rozwiązywanie problemów. Oprogramowanie JUMPn jest dostępne bezpłatnie na GitHub41.

<table><tbody><tr><td>MacBook Pro z czterordzeniowym procesorem 2,3 GHz i systemem operacyjnym 10.15.7.</td><td>Firma Apple Inc.</td><td>MacBook Pro 13''</td><td>Sprzęt używany do tworzenia i testowania oprogramowania</td></tr><tr><td>Anoconda</td><td>Anaconda, Inc.</td><td>wersja 4.9.2</td><td>https://docs.anaconda.com/anaconda/install/</td></tr> <tr><td>miniconda</td><td>Anaconda, Inc.</td><td>Wersja 4.9.2</td><td>https://docs.conda.io/en/latest/miniconda.html</td></tr><tr><td>RStudio</td><td>RStudio Korporacja pożytku publicznego</td><td>w wersji 4.0.3</td><td>https://www.rstudio.com/products/rstudio/download/</td></tr> <tr><td>Shiny Server</td><td>RStudio Korporacja pożytku publicznego</td><td>https://shiny.rstudio.com/articles/shinyapps.html</td><td></td></tr></tbody></table>

jumpn: usprawniona aplikacja do grupowania koekspresji białek i analizy sieci w proteomice

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

Dzięki niedawnym postępom w technologiach proteomicznych opartych na spektrometrii mas, głębokie profilowanie setek proteomów staje się coraz bardziej możliwe. Jednak uzyskanie wglądu biologicznego na podstawie tak cennych zbiorów danych jest wyzwaniem. W tym miejscu przedstawiamy oprogramowanie oparte na biologii systemowej JUMPn i powiązany z nim protokół do organizowania proteomu w klastry koekspresji białek w próbkach i sieci interakcji białko-białko (PPI) połączone modułami (np. kompleksami białkowymi). Korzystając z platformy R/Shiny, oprogramowanie JUMPn usprawnia analizę grupowania koekspresji, wzbogacania ścieżek i wykrywania modułów PPI, ze zintegrowaną wizualizacją danych i przyjaznym dla użytkownika interfejsem. Główne etapy protokołu obejmują instalację oprogramowania JUMPn, definicję białek o zróżnicowanej ekspresji lub proteomu (dys)regulowanego, określenie znaczących klastrów koekspresji i modułów PPI oraz wizualizację wyników. Podczas gdy protokół jest demonstrowany przy użyciu profilu proteomu opartego na znakowaniu izobarycznym, JUMPn ma ogólne zastosowanie do szerokiego zakresu ilościowych zestawów danych (np. proteomiki bez znaczników). Oprogramowanie i protokół JUMPn stanowią zatem potężne narzędzie ułatwiające interpretację biologiczną w proteomice ilościowej.

Wykorzystaliśmy nasze opublikowane zestawy danych z głębokiej proteomiki25,26,27,30 (Rysunek 5 oraz Rysunek 6), a także symulacje danych57 (Tabela 1), aby zoptymalizować i ocenić wydajność JUMPn. W przypadku analizy klastrowania białek pod kątem koekspresji za pomocą WGCNA zalecamy wykorzystanie...

Prezentujemy narzędzie do biologii systemów JUMPn do przeprowadzania i wizualizacji analizy sieci dla ilościowych danych proteomicznych, ze szczegółowym protokołem obejmującym wstępne przetwarzanie danych, grupowanie koekspresji, wzbogacanie szlaków i analizę sieci interakcji białko-białko.

JUMPn: Usprawniona aplikacja do grupowania koekspresji białek i analizy sieci w proteomice

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

Protokół oprogramowania JUMPn ma na celu ułatwienie biologicznej interpretacji ilościowych danych proteomicznych. Oprogramowanie jest w stanie zorganizować całe białko w hierarchię poziomów klastrów koekspresji i modułów interakcji białek. Warto zauważyć, że oprogramowanie JUMPn usprawnia analizę grupowania koekspresji, wzbogacania szlaków i wykrywania modułów PPI.Zapewnia przyjazny dla użytkownika interfejs i interaktywną wizualizację danych i sieci. Chociaż z powodzeniem zademonstrowaliśmy zastosowanie JUMPn w analizie danych dotyczących całego proteomu, metodę tę można łatwo rozszerzyć na inne typy danych, w tym analizę fosfoproteomiczną i dane interaktoomowe ze spektrometrii mas z oczyszczaniem powinowactwa. Aby skonfigurować oprogramowanie JUMPn, pobierz kod źródłowy ze strony internetowej i zainstaluj oprogramowanie na terminalu wiersza poleceń.Aby uruchomić oprogramowanie JUMPn, zmień bieżący katalog na folder wykonywania, wpisując cd execution"na terminalu, a następnie wprowadź tekst na terminalu, aby uruchomić JUMPn w przeglądarce internetowej. Na stronie głównej JUMPn kliknij przycisk Rozpocznij analizę, aby rozpocząć analizę JUMPn, a następnie w lewym dolnym rogu strony Rozpocznij analizę kliknij przycisk Prześlij dane proteomiczne komórek B, aby wyświetlić powiadomienie o powodzeniu przesyłania danych. W prawym dolnym rogu strony kliknij przycisk Prześlij analizę JUMPn, aby rozpocząć uruchamianie demonstracyjne przy użyciu parametrów domyślnych.Pasek postępu będzie oznaczał przebieg analizy. Poczekaj, aż pasek postępu się zapełni. Po zakończeniu pokazu pojawi się okno dialogowe z komunikatem o powodzeniu uruchomienia i bezwzględną ścieżką do folderu wyników, a następnie kliknij Przejdź do wyników"patka.Gdy strona internetowa prowadzi do wyników klastra koekspresji według algorytmu WGCNA, kliknij na Wyświetl wyniki"w oknie dialogowym, aby kontynuować. Po lewej stronie strony wyników 1 Dane wyjściowe WGCNA znajdź wzorce koekspresji białek i użyj Wybierz format wyrażenia"aby nawigować między dwoma formatami rysunków. Figura wykresu skrzynkowego zostanie wybrana domyślnie.Wybierz zakładkę Trendy, aby wyświetlić wykres trendów, przy czym każda linia reprezentuje obfitość poszczególnych białek w próbkach. Kolor każdego wiersza reprezentuje stopień zbliżenia wzorca wyrażenia do konsensusu klastra współwyrażeń. Po prawej stronie strony wyjściowej WGCNA można wyświetlić mapę cieplną wzbogacania ontologii ścieżki.Na mapie cieplnej najbardziej wzbogacone ścieżki dla każdego klastra zostaną wyświetlone razem. Następnie przewiń stronę w dół, aby wyświetlić wzorzec ekspresji dla poszczególnych białek. Użyj listy rozwijanej, wybierz klaster koekspresji, aby zbadać białka z każdego klastra, a następnie wybierz określone białko w tabeli, na podstawie którego wykres słupkowy pod tabelą zostanie automatycznie zaktualizowany w celu odzwierciedlenia jego obfitości w białka.Aby uzyskać konkretne nazwy białek, użyj pola Szukaj" po prawej stronie tabeli. Później spójrz na interakcję białko-białko lub wyniki PPI, klikając na stronę wyników 2 Wyjście PPI"u góry. Aby uzyskać wyniki dla określonego klastra koekspresji, kliknij kartę Wybierz klaster współekspresji.Wyświetlacze wszystkich paneli figur zostaną zaktualizowane dla nowo wybranego klastra. Na lewym panelu rysunku wyświetl sieci PPI dla wybranego klastra współwyrażeń, korzystając z listy rozwijanej wybierz według grupy i wyróżniając poszczególne moduły PPI w sieci, a następnie przejdź do pola wyboru formatu układu sieciowego, aby zmienić układ sieci. Za pomocą myszy i gładzika powiększ lub pomniejsz sieć PPI, aby wyświetlić nazwy genów każdego węzła w sieci.Po powiększeniu wybierz i kliknij określone białko, aby podświetlić białko i jego sąsiadów w sieci. W sieci przeciągnij określony węzeł, aby zmienić jego położenie w układzie i zreorganizować układ sieci. W prawym panelu strony wyników PPI zapoznaj się z informacjami na poziomie klastra koekspresji, które pomagają w interpretacji wyników PPI.Wzorzec współwyrażenia w wybranym klastrze może być domyślnie wyświetlany jako wykres skrzynkowy. Wybierz trendy", aby wyświetlić wykres trendów dla wzorca współwyrażenia, a następnie wybierz wykres słupkowy ścieżki, aby pokazać znacznie wzbogacone ścieżki dla klastra koekspresji z wykresem okręgu ścieżki, wyświetl znacznie wzbogacone ścieżki dla klastra współwyrażeń w formacie wykresu koła. Aby wyświetlić wyniki na poziomie pojedynczego modułu PPI, przewiń stronę wyników w dół do strony wyjściowej PPI i rozwiń listę rozwijaną wybierz moduł, aby wybrać konkretny moduł PPI do wyświetlenia.View moduł PPI na lewym panelu, manipuluj wyświetlaczem sieciowym, jak wyjaśniono wcześniej. W prawym panelu wyświetl wyniki wzbogacania ontologii ścieżki, a następnie użyj pola rozwijanego Wybierz styl adnotacji ścieżki" i zaznacz kartę wykresu paskowego, aby wyświetlić więcej informacji i wyświetlić informacje o znacznie wzbogaconych ścieżkach dla wybranego modułu PPI. Wykres okręgu tickowego, aby pokazać znacznie wzbogacone szlaki dla wybranego modułu PPI w formacie wykresu kołowego i użyć mapy cieplnej, aby pokazać znacznie wzbogacone ścieżki i powiązane nazwy genów.Przejdź do zakładki Tabela, aby wyświetlić szczegółowe wyniki wzbogacania szlaków, w tym nazwy ścieżek, terminy ontologiczne, nazwy genów i wartość P według dokładnego testu Fishera. Postępuj zgodnie ze ścieżką bezwzględną wydrukowaną u góry stron wyników i znajdź tabelę arkusza kalkulacyjnego publikacji. JUMPn został opracowany na błyszczącej platformie R, która zapewnia przyjazny dla użytkownika interfejs i integruje trzy główne moduły funkcjonalne.Analiza grupowania koekspresji, analiza wzbogacania szlaków i analiza sieci PPI. Po każdej analizie wyniki są automatycznie wizualizowane w naszych regulowanych za pomocą R błyszczących funkcjach widżetu i można je łatwo pobrać w postaci tabel publikacji i formatu Microsoft Excel. Na potrzeby analizy sieci PPI skompilowano złożoną sieć PPI, łącząc STRING, BioPlex i bazy danych komunikatorów internetowych.Ostateczna połączona sieć PPI obejmuje ponad 20 000 ludzkich genów z 1 100 000 krawędzi. Ten obszerny interaktom jest dołączony i opublikowany w pakiecie z oprogramowaniem JUMPn do czułej analizy PPI. Podejścia sieciowe, które wykorzystują zarówno koekspresję, jak i sieci interakcji białek, mogą być stosowane jako dodatkowa metoda wnioskowania o aktywności czynników transkrypcyjnych i kinaz.

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

Research

JoVE Journal

Biochemistry

Biochemia

Głębokie sekwencjonowanie populacji drożdży wybranych do pozytywnych interakcji drożdży z hybrydami 2 potencjalnie dostarcza wielu informacji na temat oddziałujących białek partnerskich. W tym miejscu opisujemy działanie konkretnych narzędzi bioinformatycznych i dostosowanego zaktualizowanego oprogramowania do analizy danych sekwencyjnych z takich ekranów.

Analiza informacyjna danych sekwencyjnych z przesiewów drożdżowych 2-hybrydowych

Ilościowe Multiplex Immunoprecipitation (QMI) wykorzystuje cytometrię przepływową do czułego wykrywania różnic w obfitości docelowych interakcji białko-białko między dwiema próbkami. QMI można wykonać przy użyciu niewielkiej ilości biomateriału, nie wymaga genetycznie modyfikowanych znaczników i może być dostosowany do dowolnej wcześniej zdefiniowanej sieci interakcji białek.

Kwantyfikacja dynamiki sieci interakcji białek za pomocą multipleksowanej koimmunoprecypitacji

Opisany jest proces proteomiki do identyfikacji partnerów interakcji białkowych z frakcji subkomórkowej jądrowej za pomocą wzbogacenia immunopowinowactwa danego białka i bezznacznikowej spektrometrii mas. Przepływ pracy obejmuje frakcjonowanie subkomórkowe, immunoprecypitację, przygotowywanie próbek wspomagane filtrem, oczyszczanie offline, spektrometrię mas i dalszy potok bioinformatyczny.

Bezznacznikowa spektrometria mas immunoprecypitacji do profilowania interaktomii jądrowej na dużą skalę

Protokół eksploracji genomu sterowany spektrometrią mas jest ustanowiony i opisany tutaj. Opiera się na informacjach o sekwencjach genomu i analizie LC-MS/MS i ma na celu ułatwienie identyfikacji cząsteczek ze złożonych ekstraktów mikrobiologicznych i roślinnych.

Eksploracja genomu pod kontrolą spektrometrii mas jako narzędzie do odkrywania nowych produktów naturalnych

Opisany tutaj protokół zawiera szczegółowe instrukcje, jak analizować interesujące regiony genomu pod kątem potencjału kodowania mikrobiałek za pomocą PhyloCSF w przyjaznej dla użytkownika przeglądarce genomu UCSC. Ponadto zaleca się stosowanie kilku narzędzi i zasobów w celu dalszego zbadania charakterystyki sekwencji zidentyfikowanych mikrobiałek w celu uzyskania wglądu w ich przypuszczalne funkcje.

Zintegrowane podejście do identyfikacji mikrobiałek i analizy sekwencji

Tutaj tworzymy metodę proteomiczną opartą na spektrometrii mas, używając izolowanych obszarów zainteresowania w utrwalonych formaliną, zatopionych w parafinie skrawkach tkanki. Protokół ten służy do analizy proteomu z określonych obszarów tkanek w zarchiwizowanych odcinkach tkanek utrwalonych w formalinie, zatopionych w parafinie.

Uproszczone podejście do proteomiki opartej na spektrometrii mas z wykorzystaniem wybranych regionów tkanek

Dane proteomiczne oparte na spektrometrii mas są dostępne w otwartych bazach danych i dostępne za pomocą bezpłatnych narzędzi. Biorąc pod uwagę złożoność przeszukiwania i opisywania baz danych, wielu biologom brakuje wiedzy, aby wykorzystać te zestawy danych. W tym miejscu przedstawiamy przewodnik dotyczący korzystania z bezpłatnych narzędzi do podstawowego wyszukiwania danych proteomicznych.

Poruszanie się po danych proteomicznych opartych na spektrometrii mas przy użyciu bezpłatnych narzędzi obliczeniowych

Interakcja między kanałami HCN a ich podjednostką pomocniczą została zidentyfikowana jako cel terapeutyczny w dużym zaburzeniu depresyjnym. W tym artykule przedstawiono opartą na polaryzacji fluorescencyjnej metodę identyfikacji małocząsteczkowych inhibitorów tej interakcji białko-białko.

Metoda identyfikacji małocząsteczkowych inhibitorów oddziaływania białko-białko między HCN1 i TRIP8b

Kropelki lipidów są ważnymi organellami do replikacji kilku patogenów, w tym wirusa zapalenia wątroby typu C (HCV). Opisujemy metodę izolowania kropelek lipidów do ilościowej spektrometrii mas powiązanych białek; Może być stosowany w różnych warunkach, takich jak infekcja wirusowa, stres środowiskowy lub leczenie farmakologiczne.

Izolacja kropelek lipidów do ilościowej analizy spektrometrii mas

Tutaj prezentujemy protokół do badania mikromacierzy białek zewnątrzkomórkowych w celu identyfikacji nowych interakcji receptor-ligand w wysokiej przepustowości. Opisujemy również metodę usprawniającą wykrywanie przejściowych interakcji białko-białko za pomocą kompleksów białko-mikrogranulki.

Technologia zewnątrzkomórkowych mikromacierzy białkowych do wysokoprzepustowego wykrywania interakcji receptor-ligand o niskim powinowactwie

Poznaj oprogramowanie JUMPn do analizy danych proteomicznych, grupowania koekspresji białek i wzbogacania szlaków. To narzędzie usprawnia interpretację biologiczną złożonych zbiorów danych proteomowych.

JUMPn: Usprawniona aplikacja do grupowania koekspresji białek i analizy sieci w proteomice

Przeglądaj więcej filmów