Messung und statistische Analyse von Clusterphänomenen bei Signalproteinen in der Plasmamembran
Zusammenfassung der Projektergebnisse
In diesem Projekt wurden Clusterphänomene von Proteinen innerhalb einer Zelle analysiert. Dabei wurden Cluster sowohl im zeitlichen, im räumlichen als auch im räumlich-zeitlichen Verlauf untersucht. Für eine zeitliche Analyse wurden dafür Proteinzeitreihen am MPI für molekulare Physiologie in Dortmund erhoben, deren Verlauf durch eine Treppenfunktion geschätzt werden kann. In einer Diplomarbeit wurden zunächst zur Analyse dieser Daten verschiedene statistische Methoden verglichen. Dabei wurden neben Glättungsmethoden auch Cluster- sowie Changepoint-Methoden verwendet. Weiter wurde im Projekt ein Bayessches hierarchisches Modell zur Changepoint-Analyse entwickelt. Dieses konnte ebenfalls auf die Proteindaten angewendet werden und lieferte gute Ergebnisse. Auch eine Erweiterung durch einen Reversible Jump Schritt für mehr Flexibilität wurde in diesem Projekt untersucht. Für die räumliche Analyse wurden innerhalb dieses Projekts ebenfalls Daten am MPI für molekulare Physiologie in Dortmund erhoben. Dabei entstanden Pixelbilder mit Hilfe von Fluoreszenzmikroskopie, auf denen jedes Protein bzw. Proteincluster durch einen hellen Punkt sichtbar gemacht wurde. Von Martin Schäfer wurde eine Methode entwickelt, welche die räumliche Clusterstruktur der Proteine untersucht und entsprechende Schätzungen für interessierende Größen berechnet (wie z.B. der durchschnittlichen Anzahl an Proteinen in einem Cluster). Diese Gammics-Methode wurde im Rahmen dieses Projekts mit weiteren Verfahren verglichen. Im weiteren Verlauf des Projektes wurden Dual Colour Daten betrachtet, wobei zwei Proteine mit zwei unterschiedlichen Farben markiert und gemessen werden. Dabei bestehen Dual Colour Daten aus zwei Pixelbildern, die separat betrachtet und analysiert werden können. Für die Analyse wurden verschiedene statistische Methoden (wie z.B. die Gammics Methode) adaptiert und ein Analyse- Schema hergeleitet, sodass nun Single und Dual Colour Daten effizient analysiert werden können. Zur Untersuchung des räumlich-zeitlichen Verlaufs wurden am MPI für molekulare Physiologie in Dortmund zwei Proteine (EGFR und PTB) räumlich innerhalb der Zelle im Verlauf der Zeit beobachtet. Die hierfür gemessenen Daten bestehen somit aus Tracks für jeden Spot/jedes Molekül mit den x-y-Koordinaten für jeden Zeitpunkt (je Protein). Diese Daten werden auf Zusammenhänge zwischen den unterschiedlichen Tracks analysiert. Ein Korrelationsmaß für diese Tracks wurde bereits entwickelt und liefert erste vielversprechende Ergebnisse. Anschließend können auf diesem Korrelationsmaß aufbauend Cluster innerhalb einer Zelle identifiziert werden.
Projektbezogene Publikationen (Auswahl)
- (2018) Comparison of clustering approaches with application to dual colour protein data. IET systems biology 12 (1) 7–17
Siebert, Sabrina; Ickstadt, Katja; Schäfer, Martin; Radon, Yvonne; Verveer, Peter J.
(Siehe online unter https://doi.org/10.1049/iet-syb.2017.0019) - (2014): A Bayesian changepoint analysis of ChIP-Seq data of Lamin B, Biochimica et Biophysica Acta (BBA) – Proteins and Proteomics, vol. 1844 no. 1, Part A, pages 138-144
Herrmann, S., Schwender, H., Ickstadt, K. und Müller, P.
(Siehe online unter https://doi.org/10.1016/j.bbapap.2013.09.001) - (2015): A Bayesian mixture model to quantify parameters of spatial clustering, Computational Statistics and Data Analysis, vol. 92, pages 163-176
Schäfer, M., Radon, Y., Klein, T., Herrmann, S., Schwender, H., Verveer, P.J. und Ickstadt, K.
(Siehe online unter https://doi.org/10.1016/j.csda.2015.07.004) - (2015): Single Particle Tracking Reveals that EGFR Signaling Activity is Amplified in Clathrin-Coated Pits, PLoS One, vol. 10(11), S. e0143162:1-e0143162:22
Ibach, J., Radon, Y., Gelléri, M., Sonntag, M.H., Brunsveld, L., Bastiaens, P.I.H. und Verveer, P.J.
(Siehe online unter https://doi.org/10.1371/journal.pone.0143162) - (2017): Statistische Analyse und Modellierung von Clusterphänomenen bei Signalproteinen in der Plasmamembran, Promotion, TU Dortmund, Fakultät Statistik
Siebert, S.
(Siehe online unter https://dx.doi.org/10.17877/DE290R-17840)
