Profilage de signatures protéomiques quantitatives basé sur la contextualisation en réseau

CONTEXTE : Nous présentons une méthode basée sur le réseau, à savoir le profilage de signatures protéomiques quantitatives (qPSP), qui améliore le contenu biologique des données protéomiques en convertissant les expressions protéiques en taux de détection dans des complexes protéiques. RÉSULTATS : Nous démontrons, en utilisant deux ensembles de données protéomiques cliniques, que le qPSP produit une discrimination robuste entre les classes de phénotypes (par exemple, normal vs. maladie) et révèle des complexes protéiques pertinents pour le phénotype. Quel que soit le paradigme d'acquisition, les comparaisons de qPSP par rapport aux méthodes conventionnelles (par exemple, test t ou test hypergéométrique) montrent qu'il produit des prédictions plus stables et cohérentes, même avec une petite taille d'échantillon. Nous montrons que le qPSP est théoriquement robuste au bruit, et que cette robustesse au bruit est également observable en pratique. L'analyse comparative des taux de détection et des expressions protéiques dans des complexes significatifs révèle que les taux de détection sont un moyen utile de résumer le comportement différentiel de manière spécifique à un complexe. CONCLUSIONS : Étant donné la capacité du qPSP à discriminer les classes de phénotypes même avec des tailles d'échantillon réduites, sa haute robustesse au bruit et de meilleures statistiques de résumé, il peut être déployé pour l'analyse de données protéomiques cliniques hautement hétérogènes.