VII Съезд биофизиков России
Краснодар, Россия
17-23 апреля 2023 г.
Главная
О Съезде
Организаторы
Программный комитет
Программа Съезда
Место проведения Съезда
Проживание
Оргвзносы
Основные даты
Регистрация
Публикации материалов Съезда
Молодежный конкурс
Контакты
Тезисы
English version
Партнеры Съезда
Правила оформления докладов

Программа Съезда

Секции и тезисы:

Биофизика сложных многокомпонентных систем. Математическое моделирование. Биоинформатика

Биоинформационный анализ данных сравнительного протеомного анализа белков сыворотки крови белков больных биполярным аффективным расстройством и здоровых лиц при помощи программного пакета Peptide Shaker

Л.П. Смирнова1*, А.А. Серегин1, Е.М. Дмитриева1, С.А. Иванова1

1.ТНИМЦ;
2.НИИ психического здоровья ТНИМЦ;

* lpsmirnova2016(at)gmail.com

Аффективные расстройства, особенно биполярное аффективное расстройство (БАР), оказывают отрицательное воздействие на профессиональные и социальные стороны жизни больных и приводят к существенному снижению качества жизни. БАР поражает до 3% от мирового населения, являясь психическим заболеванием с неясной этиологией и патогенезом. Основное отрицательное последствие этого расстройства заключается в высоком риске суицидов (10-15%) у этих больных, а частота парасуицидов достигает 25–50%. Поэтому раннее выявление и правильное лечение имеет для БАР особо важное значение. В настоящее время не существует параклинических методов диагностики психических расстройств. Для постановки диагноза используют только анамнестические и клинико-психопатологические данные, основанные на клинических оценках преобладания тех или иных психогенных симптомов.

В последнее время активно развиваются новые подходы к диагностике психических заболеваний и поиску их патогенетических маркеров, в том числе и с помощью протеомного анализа. По протеомным исследованиям больных с психическими расстройствами публикации малочисленны, и в основном представлены работами по шизофрении. Особенностью протеомного анализа является возможность с его помощью обнаруживать белковые биомаркеры, связанные с функциональными нарушениями, участвующими в патофизиологии заболеваний, без необходимости выдвижения гипотезы и ограничения ею области поиска.

Предполагается, что патогенез БАР связан с нарушением синаптической передачи в системе нейронов гипоталамуса и других базальных отделов мозга, так же в повреждении лежащих в их основе энергетических путей. Поэтому логично предположить, наличие биомаркеров, отражающих эти патогенетические изменения. Но до настоящего времени в мировой практике не выявлено не одного биологического маркера БАР. Это связано в том числе и большими трудозатратами при обработке большого объема масс-спектрометрических протеомных данных. В связи с этим для выявления белковых биомаркеров нами был применен программный пакет PeptideShaker. Это независимая от поисковой системы платформа для интерпретации результатов протеомной идентификации из нескольких поисковых систем и систем de novo, в настоящее время поддерживающая X!Tandem, MS-GF+, MS Amanda, OMSSA, MyriMatch, Comet, Tide, Mascot, Andromeda, MetaMorpheus, Novor, DirecTag и mzIdentML. PeptideShaker объединяет результаты в единый идентификационный набор, аннотирует спектры, вычисляет оценку консенсуса, сопоставляет последовательности и делает вывод о белках, оценивает локализацию посттрансляционных модификаций, выполняет статистическую проверку, контроль качества и аннотирует результаты с использованием нескольких источников информации, таких как Gene Ontology, аннотации UniProt и Ensembl и структуры белков.

Таким образом, целью настоящей работы явилось проведение сравнительного биоинформационного анализа данных масс-спектрометрии сыворотки крови лиц больных БАР и здоровых лиц при помощи программного пакета PeptideShaker. В работе проанализирован белковый спектр сыворотки крови 10 человек с диагнозом БАР в сравнении с аналогичной контрольной группой.

Списки пиков, полученные из спектров MS/MS, были идентифицированы с использованием OMSSA версии 2.1.9 и X!Tandem версии X! Tandem Vengeance (2015.12.15.2). Поиск проводился с использованием версии SearchGUI [4.1.14]. Идентификация белков проводилась по объединенной версии базы данных UniProtKB [PMID 20013364]. Пептиды и белки определяли по результатам идентификации спектра с использованием PeptideShaker версии 2.2.9. Совпадения пептидного спектра (PSM), пептиды и белки были проверены с коэффициентом ложного обнаружения 1,0% (FDR). Учитывались только белки, количественно определенные по крайней мере с двумя пептидами.

Для оценки различий между изучаемыми группами использовали количественный анализ без метки на основе интенсивности emPAI. Интенсивности emPAI для белков были прологарифмированы log2 и нормализованы для обеспечения равного среднего содержания белка во всех образцах. Статистическая обработка проводилась при помощи двустороннего непарного t-теста Стьюдента (FDR 0,05 и S0 = 2).

В результате анализа в каждой исследуемой группе было идентифицировано более 1300 белков. Далее, с учетом анализа статистически значимых различий в показателях нормализованных средних интенсивностей (emPAI) пептидов исследуемых групп были выделены 10 белков.

Минимальное значение р (р=0,0003) оказалось у белка Transforming growth factor-beta-induced protein ig-h3, который играет роль в клеточной адгезии и является структурным компонентом внеклеточного матрикса. Следующие 5 белков Disabled homolog 2-interacting protein, сoiled-coil domain-containing protein 80, B-cell CLL/lymphoma 9 protein, coatomer subunit gamma-1, ras GTPase-activating-like protein IQGAP1 (р=0,001) также являлись различными структурными компонентами внеклеточного матрикса, реугляторами широкого спектра различных сигнальных путей, прежде всего воспалительного, а также регулирующих иммунный ответ, эмбриональное развитие, транскрипцию и дифференцировку клеток и апоптоз. Кроме того, ras GTPase-activating-like protein IQGAP1, является по сути нейроспецифичным белком и способствует росту нейритов. Такие белки как еctonucleoside triphosphate diphosphohydrolaseб аdhesion G protein-coupled receptor B1 и 14-3-3 protein zeta/delta (р=0,002-0,005) отвечают преимущественно за фосфорилирование и дефосфорилирование, гидролизуют АТФ и другие нуклеозиддифосфаты, регулируют апоптоз и убиквитинирование; в нейронах регулируют образование дендритных шипиков.

Таким образом, использование программного пакета PeptideShaker помогло отобрать несколько наиболее перспективных белков кандидатов маркеров БАР для дальнейшего количественного исследования.

Bioinformatic analysis of data on the detection of proteomic analysis of blood serum proteins in patients with bipolar affective disorder and in healthy individuals using the PeptideShaker software

L. Smirnova1*, A. Seregin1, E. Dmitrieva1, S. Ivanova1

1.Tomsk National Research Medical Center RAS;
2.Mental Health Research Institute, Tomsk National Research Medical Center of the Russian Academy of Sciences;

* lpsmirnova2016(at)gmail.com

Affective disorders, especially bipolar affective disorder (BAD), have a negative impact on the professional and social aspects of the life of patients and lead to a significant decrease in the quality of life. BAD affects up to 3% of the world's population, being a mental illness with unclear etiology and pathogenesis. The main negative consequence of this disorder is a high risk of suicide (10-15%) in these patients, and the frequency of parasuicides reaches 25-50%. Therefore, early detection and proper treatment is of particular importance for bipolar disorder. Currently, there are no paraclinical methods for diagnosing mental disorders. To make a diagnosis, only anamnestic and clinical and psychopathological data are used, based on clinical assessments of the prevalence of certain psychogenic symptoms.

Recently, new approaches to the diagnosis of mental illness and the search for their pathogenetic markers, including those using proteomic analysis, have been actively developed. There are few publications on proteomic studies of patients with mental disorders, and are mainly represented by works on schizophrenia. A feature of proteomic analysis is the ability to use it to detect protein biomarkers associated with functional disorders involved in the pathophysiology of diseases, without the need to put forward a hypothesis and limit its search area.

It is assumed that the pathogenesis of BAD is associated with a violation of synaptic transmission in the neuronal system of the hypothalamus and other basal parts of the brain, as well as damage to the underlying energy pathways. Therefore, it is logical to assume the presence of biomarkers reflecting these pathogenetic changes. But so far, not a single biological marker of BAD has been identified in world practice. This is due, among other things, to the large labor costs in processing a large amount of mass spectrometric proteomic data. In this regard, we used the PeptideShaker software package to identify protein biomarkers. It is a search engine independent platform for interpreting proteomic identification results from multiple search engines and de novo engines, currently supporting X!Tandem, MS-GF+, MS Amanda, OMSSA, MyriMatch, Comet, Tide, Mascot, Andromeda, MetaMorpheus, Novor , DirectTag and mzIdentML. PeptideShaker combines results into a single identification set, annotates spectra, calculates consensus score, matches sequences and infers proteins, evaluates localization of post-translational modifications, performs statistical validation, quality control, and annotates results using multiple information sources such as Gene Ontology, UniProt annotations and Ensembl and protein structures. Thus, the purpose of this work was to conduct a comparative bioinformatics analysis of mass spectrometry data from the blood serum of patients with bipolar disorder and healthy individuals using the PeptideShaker software package. The paper analyzed the protein spectrum of the blood serum of 10 people with a diagnosis of bipolar disorder in comparison with a similar control group.

Peak lists derived from MS/MS spectra were identified using OMSSA version 2.1.9 and X!Tandem version X! Tandem Vengeance (2015.12.15.2). The search was performed using the SearchGUI version [4.1.14]. Protein identification was carried out using the unified version of the UniProtKB database [PMID 20013364]. Peptides and proteins were determined from the results of spectrum identification using PeptideShaker version 2.2.9. Peptide spectrum matches (PSM), peptides and proteins were tested with a false detection rate of 1.0% (FDR). Only proteins quantified with at least two peptides were counted. Unlabeled quantification based on emPAI intensity was used to assess differences between study groups. The emPAI intensities for proteins were taken log2 and normalized to ensure equal mean protein content in all samples. Statistical analysis was performed using a two-tailed unpaired Student's t-test (FDR 0.05 and S0 = 2).

As a result of the analysis, more than 1300 proteins were identified in each study group. Further, taking into account the analysis of statistically significant differences in the parameters of normalized mean intensities (emPAI) of the peptides of the studied groups, 10 proteins were isolated.

The minimum p value (p=0.0003) was found for the Transforming growth factor-beta-induced protein ig-h3, which plays a role in cell adhesion and is a structural component of the extracellular matrix. The following 5 proteins Disabled homolog 2-interacting protein, coiled-coil domain-containing protein 80, B-cell CLL/lymphoma 9 protein, coatomer subunit gamma-1, ras GTPase-activating-like protein IQGAP1 (p=0.001) were also different structural components of the extracellular matrix, regulators of a wide range of different signaling pathways, primarily inflammatory, as well as regulating the immune response, embryonic development, transcription and cell differentiation, and apoptosis. In addition, ras GTPase-activating-like protein IQGAP1 is essentially a neurospecific protein and promotes neurite outgrowth. Proteins such as ectonucleoside triphosphate diphosphohydrolaseа adhesion G protein-coupled receptor B1 and 14-3-3 protein zeta/delta (p=0.002-0.005) are mainly responsible for phosphorylation and dephosphorylation, hydrolyze ATP and other nucleoside diphosphates, regulate apoptosis and ubiquitination; in neurons regulate the formation of dendritic spines.

Thus, the use of the PeptideShaker software package helped to select several of the most promising protein candidate markers of BAD for further quantitative research.







Докладчик: Смирнова Л.П.
201
2023-02-15

Национальный комитет Российских биофизиков © 2022
National committee of Russian Biophysicists