蛋白组学数据如何分析(3分钟了解蛋白组学数据)-众学网

撰文：huacishu

IF=54.908

推荐度：??????????

亮点：

2、利用CKG可以直接解决个性化医疗和数据驱动的临床决策过程的一些主要瓶颈问题，可以有效帮助临床决策。

默认的数据分析使用主成分分析来降低特征的维度，以便对数据进行概述。然后，使用事后检验进行方差分析，确定所有研究组之间以及特定组对之间的统计显著性差异。事后测试以交互火山图的形式呈现，带有关于具有预定义显著性阈值的上调和下调蛋白质的信息（图3a）。CKG自动复制了之前的结果，显示参与免疫系统调节和炎症的蛋白质失调，如C7、JCHAIN、PIGR和A2M，这是一种已知的肝纤维化标志物，CKG报告了14篇出版物，证实了这一联系。此外，CKG强调，与健康人群相比，肝硬化患者的TTR-RBP复合物（TTR和RBP4）表达下调。该复合物参与维甲酸代谢，维甲酸代谢失调与肝脏疾病和细胞外基质沉积改变有关，导致纤维化。此外，该报告还揭示了CD5L的调节作用与肝硬化、肝细胞癌和其他肝脏疾病之间的文献和数据库关联。这些代谢上有趣的发现在我们的手动分析中被忽略了，但CKG的自动管道优先考虑了这些发现，该管道在不同条件下提取了显著受调节的蛋白质。为了将相关的蛋白质变化可视化为一个网络，默认分析将具有显著关联的蛋白质连接起来。使用Louvain算法检测高度相关的蛋白质簇揭示了潜在的临床相关联系，例如由PIGR、DPP4和TGFBI组成的簇与肝纤维化的关联。对数百万蛋白质相互作用的背景知识使CKG能够识别六个主要集群，将细胞外基质重塑物、互补成分和炎症标记物分组，它们连接了两个候选生物标记物（PIGR和JCHAIN）。将差异调节蛋白与药物、疾病和出版物以及丰富的生物过程和途径联系起来，发现了NAFLD中其他失调的途径，这些途径在之前的分析中被忽视。其中包括“胰岛素样生长因子（IGF-1）转运的调节”和“胰岛素样生长因子结合蛋白（IGFBPs）的摄取”，它们与IGFBP3酸性不稳定亚基（IGFALS）的变化有关。值得注意的是，最近对NAFLD的因果关系和治疗潜力进行了研究。CKG还报告了蛋白质与疾病的关联，表明可能与肝癌、肝炎和胰腺疾病有共同的疾病机制。项目中各种数据类型的存在触发了默认的多组学分析管道。在全球临床蛋白质组学相关分析中，临床肝酶值与HbA1c、空腹血糖水平以及肝纤维化和肝硬化的几种候选生物标志物（如PIGR、TGFBI、ANPEP和C7）聚集在一起（图3b）。CKG还使用WGCNA获得共表达蛋白模块，而不是与临床变量相关的单个蛋白（图3c）。最后，自动化分析管道将所有临床、蛋白质组学和多组学分析总结为一个图表，其中包含所有受调节的蛋白质，以及从知识图表（如疾病、药物、相互作用和途径）中提取的关系，并优先排序和减少呈现的节点数量（图3d）。整个默认流程只花了不到5分钟的时间，但基本上捕获了从我们之前的手动分析中收集到的所有见解。

教授介绍

Matthias Mann教授是哥本哈根大学蛋白质研究中心蛋白质组研究项目的研究主任和组长。他还担任慕尼黑马克斯·普朗克生物化学研究所所长。Matthias Mann教授是世界上被引用次数最多的研究人员之一，其h指数为216，引用次数超过20万次。他是质谱蛋白质组学的先驱，对电喷雾电离的发展做出了里程碑式的贡献。他还为将质谱技术应用于分子生物学做出了贡献，包括开发计算机算法，将质谱数据与序列数据库连接起来。Matthias Mann和他的团队致力于蛋白质组学技术的开发，并将该技术应用于生物学和临床问题。他们的大规模蛋白质组学和磷酸蛋白质组学研究揭示了生命科学中的各种各样的问题。该小组已经建立了稳健且可重复的高通量蛋白质组学工作流程，这些工作流程通常用于临床队列的蛋白质组学筛查。

参考文献

Santos A, Cola??o AR, Nielsen AB, et al. A knowledge graph to interpretclinical proteomics data. Nat Biotechnol. 2022;10.1038/s41587-021-01145-6.doi:10.1038/s41587-021-01145-6

>>>关于我们<<<