Statistisches Modellieren der Regulierung von Proteinmodifikationen

Das Verständnis der regulatorischen Mechanismen biologischer Prozesse steht im Mittelpunkt vieler Forschungen in der Medizin und Molekularbiologie. Ein wichtiges Mittel der Regulierung biochemischer Reaktionen in lebenden Zellen ist die Kontrolle von posttranslationaler Modifikationen (PTM) von Proteinen, welche das Schicksal und die Aktivität in vielerlei Hinsicht steuern können. Die Modifizierung von Proteinen - vor allem mittles hinzufügen funktioneller Gruppen - resultiert in der Anpassung oder Regulierung der metabolischen oder Signalwege. Ein gut erforschtes Beispiel sind die Auswirkungen von Phosphorylierung vieler Proteine in gesunden Zellen, sowie die Fehlfunktion ebendieser in der Enstehung von Krebs oder Diabetes. Proteomics-Technologien bieten Forschern leistungsfähige Werkzeuge zum quantitativen Messen der Veränderung der Protein-Modifikation in verschiedenen Bedingungen, z. B. in gesunden gegenüber kranken Patienten. Enorme Datenflüsse werden durch Massenspektrometrie erzeugt, und können die ohne richtigen statistischen Methoden und Werkzeuge der Bioinformatik nicht analysiert werden Allerdings ist nur wenig über die statistischen Verteilungen bekannt welche die Daten beschreiben können. Für den Vergleich werden Peptide oder Proteine unterschiedlicher Proben gekennzeichnet. Die Multiplex-Technologien iTRAQ und TMT sind weit verbreitet und gut geeignet, um biologische und medizinische Proben in mehrere Bedingungen zu vergleichen. Wir konzentrieren uns auf die Datenanalyse dieser chemischen isobarischen Peptidmarkierungsmethoden um vollständige statistische Modelle der PTM Regulierung sowie Bioinformatik-Tools zur Gewinnung von aussagekräftigen Wissen aus solchen riesigen Datenmengen zu generieren. Wir veröffentlichten grundlegende Modelle für die Analyse von Protein-Regulation (Breitwieser et al., J Proteome Res, 2011), und werden änhliche Techniken verwenden, um signifikante Veränderungen auf der Ebene der Modifikation von Peptide zu erfassen. Wir werden neue statistische Modelle erzeugen, um mehrere Experimente in einem analysieren zu können. Mittels MS werden spezifische und relevante Testdatensätze generiert welche die Entwicklung des Projektes unterstützen zusätzlich zu dem alltägliche Zusammenarbeiten mit Biologen in unserem und anderen Instituten, deren Daten wir analysieren. In Breitwieser et al. haben wir gezeigt, dass die Anwendung solider statistischer Methoden sowie die sorgfältige Modellierung von technischen und biologischen Quellen der Variabilität in die Lage versetzt, kleine Veränderungen zu erkennen und gleichzeitig die Falsch-Erkennungsrate zu kontrollieren. Wir postulieren dass der gleiche Ansatz uns erlaubt, neue und nützliche statistische Erkenntnisse zur Daten über PTM Regulierung zu erhalten.. Das Projekt wird so umgesetzt, dass andere Forscher von unserer Arbeit profitieren können. Wir werden weiterhin Open-Source-Bioconductor Pakete für die R-Plattform entwickeln wie wir es bereits zuvor taten. R ist nicht nur eine der vorherrschenden Bioinformatik-Plattformen - auch immer mehr Biologen nutzen es, um ihre Daten selbst zu analysieren. Gut entwickelte Pakete können technischen Schwierigkeiten minimieren. Darüber hinaus, bietet die Entwicklung in R die Möglichkeit, bereits entwickelte Pakete wiederzuverwenden. Wir werden Skripte zur Verfügung stellen, welche das Generieren von Analyseberichten erleichtert und automatisiert.

Das Verständnis der regulatorischen Mechanismen biologischer Prozesse steht im Mittelpunkt vieler Forschungen in der Medizin und Molekularbiologie. Ein wichtiges Mittel der Regulierung biochemischer Reaktionen in lebenden Zellen ist die Kontrolle posttranslationaler Modifikationen (PTM) von Proteinen, welche das Schicksal und die Aktivität in vielerlei Hinsicht steuern können. Die Modifizierung von Proteinen - vor allem mittels Hinzufügen funktioneller Gruppen - resultiert in der Anpassung oder Regulierung der metabolischen oder Signalwege. Ein gut erforschtes Beispiel sind die Auswirkungen von Phosphorylierung vieler Proteine in gesunden Zellen, sowie die Fehlfunktion ebendieser in der Entstehung von Krebs oder Diabetes.