JUMPn: Eine optimierte Anwendung für Protein-Co-Expressions-Clustering und Netzwerkanalyse in der Proteomik

Massenspektrometrie-basierte Schrotflintenproteomik ist zum Schlüsselansatz für die Analyse der Proteomdiversität komplexer Proben^{geworden 1}. Mit den jüngsten Fortschritten in der Massenspektrometrie^{Instrumentierung 2,3}, Chromatographie 4,5, Ionenmobilitätsdetektion⁶, Erfassungsmethoden (datenunabhängig⁷ und datenabhängige Erfassung⁸), Quantifizierungsansätze (multiplexe isobare Peptidmarkierungsmethode, z. B. TMT^9,10 und markierungsfreie Quantifizierung ^11,12) und Datenanalysestrategien / Softwareentwicklung 13,14,15,16,17,18, Quantifizierung des gesamten Proteoms (z.B. über 10.000 Proteine) ist jetzt Routine 19,20,21. Wie man jedoch mechanistische Erkenntnisse aus solch tiefen quantitativen Datensätzen gewinnen kann, ist immer noch eine Herausforderung²². Erste Versuche, diese Datensätze zu untersuchen, stützten sich hauptsächlich auf die Annotation einzelner Elemente der Daten, wobei jede Komponente (Protein) unabhängig voneinander behandelt wurde. Biologische Systeme und ihr Verhalten lassen sich jedoch nicht allein durch die Untersuchung einzelner Komponenten^{erklären 23}. Daher ist ein Systemansatz, der die quantifizierten Biomoleküle in den Kontext von Interaktionsnetzwerken stellt, für das Verständnis komplexer Systeme und der damit verbundenen Prozesse wie Embryogenese, Immunantwort und Pathogenese menschlicher Krankheiten^{unerlässlich 24}.

Die netzwerkbasierte Systembiologie hat sich zu einem leistungsfähigen Paradigma für die Analyse großer quantitativer Proteomikdaten 25,26,27,28,29,30,31,32,33 entwickelt. Konzeptionell könnten komplexe Systeme wie Säugetierzellen als hierarchisches Netzwerk^34,35 modelliert werden, in dem das gesamte System in Ebenen dargestellt wird: zuerst durch eine Reihe von großen Komponenten^, von denen jede dann iterativ durch kleinere Subsysteme modelliert wird. Technisch gesehen kann die Struktur der Proteomdynamik durch miteinander verbundene Netzwerke von koexprimierten Proteinclustern (weil koexprimierte Gene / Proteine oft ähnliche biologische Funktionen oder Mechanismen der Regulation³⁶ teilen) und physikalisch interagierenden PPI-Modulen³⁷ dargestellt werden. Als aktuelles Beispiel²⁵ generierten wir zeitliche Profile des gesamten Proteoms und des Phosphoproteoms während der T-Zell-Aktivierung und verwendeten integrative Co-Expressionsnetzwerke mit PPIs, um funktionelle Module zu identifizieren, die den T-Zell-Ruhezustand vermitteln. Mehrere bioenergetische Module wurden hervorgehoben und experimentell validiert (z. B. die Mitoribosom- und komplexen IV-Module²⁵ und das Ein-Kohlenstoff-Modul³⁸). In einem weiteren Beispiel²⁶ haben wir unseren Ansatz zur Untersuchung der Pathogenese der Alzheimer-Krankheit weiter ausgebaut und erfolgreich die mit dem Krankheitsverlauf assoziierten Proteinmodule und -moleküle priorisiert. Wichtig ist, dass viele unserer unvoreingenommenen Entdeckungen durch unabhängige Patientenkohorten ^26,29 und/oder Krankheitsmausmodelle²⁶ validiert wurden. Diese Beispiele veranschaulichten die Leistungsfähigkeit des systembiologischen Ansatzes zur Sezierung molekularer Mechanismen mit quantitativer Proteomik und anderen Omics-Integrationen.

Hier stellen wir JUMPn vor, eine optimierte Software, die quantitative Proteomikdaten mit netzwerkbasierten systembiologischen Ansätzen untersucht. JUMPn dient als nachgelagerte Komponente der etablierten JUMP Proteomik-Software-Suite^13,14,39 und zielt darauf ab^, die Lücke von einzelnen Proteinquantifizierungen zu biologisch sinnvollen Signalwegen und Proteinmodulen mit dem systembiologischen Ansatz zu schließen. Durch die Berücksichtigung der Quantifizierungsmatrix von differentiell exprimierten (oder den variabelsten) Proteinen als Input zielt JUMPn darauf ab, das Proteom in einer abgestuften Hierarchie von Proteinclustern zu organisieren, die über Proben und dicht verbundene PPI-Module (z. B. Proteinkomplexe) koexprimiert werden, die durch Überrepräsentationsanalyse (oder Anreicherungsanalyse) weiter mit öffentlichen Pfaddatenbanken annotiert werden (Abbildung 1). JUMPn wurde mit der R/Shiny-Plattform⁴⁰ für eine benutzerfreundliche Oberfläche entwickelt und integriert drei Hauptfunktionsmodule: Co-Expression-Clustering-Analyse, Pathway-Enrichment-Analyse und PPI-Netzwerkanalyse (Abbildung 1). Nach jeder Analyse werden die Ergebnisse automatisch visualisiert und über die R/shiny-Widget-Funktionen einstellbar und können als Publikationstabellen im Microsoft Excel-Format heruntergeladen werden. Im folgenden Protokoll verwenden wir quantitative Gesamtproteomdaten als Beispiel und beschreiben die wichtigsten Schritte der Verwendung von JUMPn, einschließlich der Installation der JUMPn-Software, der Definition von differentiell exprimierten Proteinen oder des (dys)regulierten Proteoms, der Co-Expressionsnetzwerkanalyse und der PPI-Modulanalyse, der Ergebnisvisualisierung und -interpretation sowie der Fehlerbehebung. Die JUMPn-Software ist auf GitHub⁴¹ frei verfügbar.