Relating transcriptomics to protein abundance reveals self-driven versus interactor-driven proteins.

چکیده اصلی

Statistically modeling the interdependence between transcriptomics and protein abundances remains a persistent challenge in bioinformatics research. Transcriptomic data and proteomic abundances typically display a moderate Pearson's correlation of about 0.5, while in tumor conditions, the correlation may decrease to a much weaker correlation of 0.2. Given that transcriptomic datasets are commonly analyzed due to their ample availability, it is imperative to understand this correlation in greater detail and to be aware of potential deficiencies while conducting research connecting transcriptomic data to protein abundances. Recently, the Clinical Proteome Tumor Analysis Consortium has collected several large-scale proteomic datasets containing transcriptomic and proteomic abundances from hundreds of patients in The Cancer Genome Analysis cohorts. Utilizing these data, a detailed analysis of how protein and transcript abundances correspond for individual genes was presented. As variables of linear regression models, transcript levels of each gene and of their known protein-protein interaction partners, taken from the STRING database, are used. Interestingly, this resulted in two distinct classifications of genes, with a continuum present in between: "self-driven" genes, for which protein abundances are mainly determined by the gene's own transcript level, as well as "interaction-driven" genes, for which transcript levels of other genes possess far greater relevance for its protein abundance than its own transcript level. Notably, the former displays significantly shorter mRNA half-lives than the latter. Namely, this is observed in the ribosome, which is encoded by rather long-lived mRNAs and displays protein abundance levels that are determined by the transcript levels of the other protein components, rather than by its own transcript level. These findings suggest that biomarker interpretation and therapeutic intervention should consider whether a gene is self-driven or interactor-driven, as protein abundance in the latter may be regulated primarily through interaction partners rather than the gene's own transcript level.

ترجمه فارسی چکیده

مدل‌سازی آماری وابستگی متقابل بین ترنسکریپومیک و غلظت پروتئین‌ها چالش پایداری در تحقیقات بیوانفورماتیک است. داده‌های ترنسکریپومیک و غلظت‌های پروتئینیک معمولاً همبستگی پیرسون متوسطی حدود ۰.۵ را نشان می‌دهند، در حالی که در شرایط توموری، همبستگی ممکن است به ۰.۲ کاهش یابد. تحلیل داده‌های ترنسکریپومیک به دلیل در دسترس بودن فراوان، اهمیت درک این همبستگی و آگاهی از نقص‌های احتمالی را دارد. تحلیلگران داده‌های پروتئومیک بزرگ‌مقیاس حاوی داده‌های ترنسکریپومیک و پروتئینیک از بیماران در کوهورت‌های تحلیل ژنوم تومور را جمع‌آوری کرده‌اند. با استفاده از این داده‌ها، تحلیلی دقیق از نحوه هم‌ارزی غلظت پروتئین و ترنسکریپت برای ژن‌های فردی ارائه شده است. به عنوان متغیرهای مدل‌های رگرسیون خطی، سطوح ترنسکریپت هر ژن و شریک‌های شناخته‌شده تعامل پروتئین-پروتئین آن‌ها، که از پایگاه داده STRING گرفته شده‌اند، استفاده می‌شوند. این کار منجر به دو دسته‌بندی متمایز ژن‌ها شد: «ژن‌های خودمتحرک» که غلظت پروتئین آن‌ها عمدتاً توسط سطح ترنسکریپت خود ژن تعیین می‌شود، و «ژن‌های متأثر از تعامل» که سطوح ترنسکریپت سایر ژن‌ها برای غلظت پروتئین آن‌ها بسیار مهم‌تر از سطح ترنسکریپت خود آن‌هاست. مهم‌تر از آن، این دسته اول نیمه عمر mRNA کوتاه‌تری نسبت به دسته دوم نشان می‌دهد. این امر در ریبوزوم مشاهده می‌شود که توسط mRNAs با نیمه عمر طولانی کدگذاری می‌شود و سطوح غلظت پروتئین آن توسط سطوح ترنسکریپت اجزای پروتئینی دیگر تعیین می‌شود، نه توسط سطح ترنسکریپت خودش. این یافته‌ها نشان می‌دهد که تفسیر نشانگرهای زیستی و مداخله درمانی باید در نظر بگیرند که آیا یک ژن خودمتحرک یا متأثر از تعامل است، زیرا غلظت پروتئین در دسته دوم ممکن است عمدتاً از طریق شریک‌های تعاملی تنظیم شود تا از طریق سطح ترنسکریپت خود ژن.

متن کامل اصلی