JUMPn: Een gestroomlijnde toepassing voor eiwit co-expressie clustering en netwerkanalyse in proteomics

Massaspectrometrie-gebaseerde shotgun proteomics is de belangrijkste benadering geworden voor het analyseren van proteoomdiversiteit van complexe monsters¹. Met recente ontwikkelingen in massaspectrometrie-instrumentatie ^2,3, chromatografie ^4,5, ionenmobiliteitsdetectie⁶, acquisitiemethoden (data-onafhankelijke⁷ en data-afhankelijke acquisitie⁸), kwantificeringsbenaderingen (multi-plex isobare peptide-etiketteringsmethode, bijv. TMT ^9,10, en labelvrije kwantificering^11,12) en data-analysestrategieën/ softwareontwikkeling 13,14,15,16,17,18, kwantificering van het hele proteoom (bijv. Meer dan 10.000 eiwitten) is nu routine 19,20,21. Hoe je mechanistische inzichten kunt krijgen uit zulke diepe kwantitatieve datasets is echter nog steeds een uitdaging²². De eerste pogingen om deze datasets te onderzoeken waren voornamelijk gebaseerd op de annotatie van individuele elementen van de gegevens, waarbij elke component (eiwit) onafhankelijk werd behandeld. Biologische systemen en hun gedrag kunnen echter niet alleen worden verklaard door individuele componenten^{te onderzoeken 23}. Daarom is een systeembenadering die de gekwantificeerde biomoleculen in de context van interactienetwerken plaatst, essentieel voor het begrip van complexe systemen en de bijbehorende processen zoals embryogenese, immuunrespons en pathogenese van menselijke ziekten²⁴.

Netwerkgebaseerde systeembiologie is naar voren gekomen als een krachtig paradigma voor het analyseren van grootschalige kwantitatieve proteomics-gegevens 25,26,27,28,29,30,31,32,33. Conceptueel zouden complexe systemen zoals zoogdiercellen kunnen worden gemodelleerd als een hiërarchisch netwerk^34,35, waarin het hele systeem in lagen wordt weergegeven: eerst door een aantal grote componenten, die elk vervolgens iteratief worden gemodelleerd door kleinere subsystemen. Technisch gezien kan de structuur van proteoomdynamica worden gepresenteerd door onderling verbonden netwerken van co-tot expressie gebrachte eiwitclusters (omdat co-tot expressie gebrachte genen / eiwitten vaak vergelijkbare biologische functies of regulatiemechanismen delen³⁶) en fysiek interagerende PPI-modules³⁷. Als recent voorbeeld²⁵ genereerden we temporele profielen van hele proteoom en fosfoproteoom tijdens T-celactivering en gebruikten we integratieve co-expressienetwerken met PPI’s om functionele modules te identificeren die T-cel rust exit bemiddelen. Meerdere bio-energetische gerelateerde modules werden gemarkeerd en experimenteel gevalideerd (bijv. de mitoribostische en complexe IV-modules²⁵ en de één-koolstofmodule³⁸). In een ander voorbeeld²⁶ hebben we onze aanpak verder uitgebreid om de pathogenese van de ziekte van Alzheimer te bestuderen en met succes prioriteit gegeven aan ziekteprogressie geassocieerde eiwitmodules en moleculen. Belangrijk is dat veel van onze onbevooroordeelde ontdekkingen werden gevalideerd door onafhankelijke patiëntencohorten^26,29 en /of ziektemuismodellen²⁶. Deze voorbeelden illustreerden de kracht van de systeembiologische benadering voor het ontleden van moleculaire mechanismen met kwantitatieve proteomics en andere omics-integraties.

Hier introduceren we JUMPn, een gestroomlijnde software die kwantitatieve proteomics-gegevens onderzoekt met behulp van netwerkgebaseerde systeembiologische benaderingen. JUMPn dient als de downstream-component van de gevestigde JUMP proteomics-softwaresuite 13,14,39 en heeft tot doel de kloof te dichten van individuele eiwitkwantificeringen naar biologisch zinvolle routes en eiwitmodules met behulp van de systeembiologische benadering. Door de kwantificeringsmatrix van differentieel tot expressie gebrachte (of de meest variabele) eiwitten als input te nemen, wil JUMPn het proteoom organiseren in een gelaagde hiërarchie van eiwitclusters die mede tot expressie komen in monsters en dicht verbonden PPI-modules (bijv. Eiwitcomplexen), die verder worden geannoteerd met openbare pathway-databases door oververtegenwoordiging (of verrijking) analyse (figuur 1). JUMPn is ontwikkeld met het R/Shiny-platform⁴⁰ voor een gebruiksvriendelijke interface en integreert drie belangrijke functionele modules: co-expressieclusteringanalyse, pathwayverrijkingsanalyse en PPI-netwerkanalyse (figuur 1). Na elke analyse worden de resultaten automatisch gevisualiseerd en zijn ze instelbaar via de R/shiny widget-functies en gemakkelijk te downloaden als publicatietabellen in Microsoft Excel-formaat. In het volgende protocol gebruiken we kwantitatieve hele proteoomgegevens als voorbeeld en beschrijven we de belangrijkste stappen van het gebruik van JUMPn, inclusief de installatie van de JUMPn-software, de definitie van differentieel tot expressie gebrachte eiwitten of het (dys)gereguleerde proteoom, co-expressienetwerkanalyse en PPI-moduleanalyse, resultaatvisualisatie en -interpretatie en probleemoplossing. JUMPn-software is gratis beschikbaar op GitHub⁴¹.