複数の空間プロテオミクスデータを統合するための半教師ありベイズ法

科学分野:

• プロテオミクス; システム生物学; バイオインフォマティクス

背景:

• タンパク質の細胞内局在は、機能にとって重要です。空間プロテオミクスおよびその他のオミクスデータは、タンパク質局在に関する洞察を提供します。既存の統合方法は、データ型と不確実性定量化において限界があります。

研究 の 目的:

• 空間プロテオミクスと多様なデータソースを統合するための半教師ありベイズアプローチを開発すること。予測不確実性を定量化することにより、タンパク質の細胞内局在の推定を改善すること。カテゴリカルデータ、連続データ、時間的データを統合するための柔軟な方法を提供すること。

主な方法:

• 空間プロテオミクスとその他のデータを統合するための半教師ありベイズモデルを開発しました。ラベル付きマーカータンパク質とラベルなしデータからモデルパラメータを推定しました。タンパク質局在推定における予測不確実性を定量化しました。トキソプラズマ・ゴンディの空間プロテオミクスと細胞周期遺伝子発現データにこの方法を適用しました。

主要な成果:

• 提案されたベイズアプローチは、既存の転移学習法よりも優れた性能を発揮します。注釈、存在量、時系列発現を含む様々なデータ型をモデル化する柔軟性を示しました。T. gondiiの最初の細胞周期の終わりにピークを持つタンパク質発現プログラムを特定しました。高密度顆粒タンパク質内の不均一な集団を明らかにし、多様な機能を示唆しています。

結論:

• 新しいベイズ法は、タンパク質の細胞内局在推定を大幅に改善します。このアプローチは、オミクスデータの統合解析のための柔軟で堅牢なフレームワークを提供します。発見は、T. gondiiタンパク質の機能的役割と局在に関する新しい洞察を提供します。この方法は、より広範な科学的利用のためにmdir Rパッケージとして利用可能です。