Integración bayesiana semisupervisada de múltiples conjuntos de datos de proteómica espacial

Área de la Ciencia:

• Proteómica; Biología de Sistemas; Bioinformática

Sus antecedentes:

• La localización subcelular de proteínas es crucial para la función.
• La proteómica espacial y otros datos ómicos ofrecen información sobre la localización de proteínas.
• Los métodos de integración existentes son limitados en tipos de datos y cuantificación de la incertidumbre.

Objetivo del estudio:

• Desarrollar un enfoque bayesiano semisupervisado para integrar la proteómica espacial con diversas fuentes de datos.
• Mejorar la inferencia de la localización subcelular de proteínas cuantificando la incertidumbre de la predicción.
• Ofrecer un método flexible para integrar datos categóricos, continuos y temporales.

Principales métodos:

• Desarrolló un modelo bayesiano semisupervisado para integrar la proteómica espacial con otros datos.
• Infirió los parámetros del modelo a partir de proteínas marcadoras etiquetadas y datos no etiquetados.
• Cuantificó la incertidumbre de la predicción en la inferencia de la localización de proteínas.
• Aplicó el método a datos de proteómica espacial y expresión génica del ciclo celular de Toxoplasma gondii.

Principales resultados:

• El enfoque bayesiano propuesto supera a los métodos existentes de aprendizaje por transferencia.
• Demostró flexibilidad en la modelización de diversos tipos de datos, incluidas anotaciones, abundancia y expresión de series temporales.
• Identificó programas de expresión de proteínas que alcanzan su punto máximo al final del primer ciclo celular en T. gondii.
• Reveló poblaciones heterogéneas dentro de las proteínas de gránulos densos, lo que sugiere funciones diversas.

Conclusiones:

• El novedoso método bayesiano mejora significativamente la inferencia de la localización subcelular de proteínas.
• El enfoque proporciona un marco flexible y robusto para el análisis ómico integrador.
• Los hallazgos ofrecen nuevas perspectivas sobre los roles funcionales y la localización de las proteínas de T. gondii.
• El método está disponible como el paquete R mdir para un uso científico más amplio.