Till innehåll på sidan

The spatiotemporal protein landscape of human cells

Tid: Fr 2021-11-12 kl 13.00

Plats: K1, Teknikringen 56, Zoom: https://kth-se.zoom.us/j/67398971556?pwd=K3ZNM1I1T1Z6Y0RyLzExMUF6OHUvUT09, Stockholm (English)

Ämnesområde: Bioteknologi

Respondent: Lovisa Stenström , Cellulär och klinisk proteomik, Science for Life Laboratory, SciLifeLab

Opponent: Professor Björn Högberg, Department of Medical Biochemistry and Biophysics, Karolinska Institutet, Stockholm, Sweden

Handledare: Professor Emma Lundberg, Cellulär och klinisk proteomik, Science for Life Laboratory, SciLifeLab, Albanova VinnExcellence Center for Protein Technology, ProNova

Exportera till kalender

Abstract

Den här avhandlingen fokuserar på spatiotemporal karakterisering av proteiner på subcellulär nivå. Med andra ord beskrivs proteiners lokalisation i cellen över tid. Kunskap om proteiners lokalisation är grundläggande för att bättre förstå proteiners funktion. I ett längre perspektiv ger det också bättre förståelse av både friska och sjuka celler, eftersom felfungerande proteiner och felaktig proteinlokalisation är två faktorer som driver sjukdomsutveckling framåt.

Som en del av Human Protein Atlas-projektet (www.proteinatlas.org), innehåller Artikel I en subcellulär karta över 12 003 proteiner i 30 stycken olika organeller som kartlagts med hjälp av antikroppsbaserad mikroskopi. Utöver att ge en överblick över de olika organellproteomen, kunde vi också konstatera att hälften av alla proteiner lokaliserar till mer än en cellstruktur, samt att nästan en femtedel uppvisar skillnader i uttryck mellan celler. Målet i Artikel II var att minska arbetstiden för manuell annotering av proteinlokalisation genom att låta tusentals datorspelare i ett medborgarforskningsprojekt bidra. En bildklassificeringuppgift integrerades i datorspelet EVE online. Tack vare detta kunde proteinernas lokalisation snabbt och effektivt bestämmas, till skillnad från manuell annotering utförd av ett fåtal experter. För att utvärdera hur spelarna presterade, utvecklade vi samtidigt en klassificeringsalgoritm med hjälp av djup maskininlärning. Algoritmen visade sig kunna predicera proteinlokalisation i bilder trots att de innehöll flera försvårande omständigheter, såsom multilokaliserande proteiner, cellinjevariationer och ovanliga klasser. Med hjälp av proteinlokalisationerna från Artikel I och Artikel II, presenterar vi i Artikel III en bildbaserad karakterisering av nukleolens proteom. Sammanlagt visar vi data för 1 318 nukleolproteiner, varav 157 lokaliserar till en fjärde substruktur i gränsen mellan nukleolen och nukleoplasman. Vi visar även att 65 nukleolproteiner omlokaliseras till kromosomernas yta under celldelningen. Uttrycket av dessa proteiner kunde delas upp i två olika fenotyper baserat på när de tidsmässigt rekryteras till kromosomerna under mitosen. Förekomsten av oordnade proteindomäner var överrepresenterade i denna proteingrupp, något som öppnar upp för spekulationer om potentiella vätskeliknande egenskaper av den mitotiska kromosomytan. Artikel IV beskriver en systematisk genomgång av de varierande proteinerna som påträffats i Artikel I. 539 proteiners uttrycksvariation kunde kopplas till cellcykeln, varav en minoritet också varierar på transkriptnivå. Detta resultat indikerar att proteinreglering sker translationellt eller post-translationellt. Vi presenterar även data för hundratals proteiner som tidigare inte haft en känd koppling till cellcykeln, varav många kan relateras till proliferation och onkogenetiska funktioner.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-303152