Protein abundance prediction in bulk and single-cell transcriptomics

Abstract

Omic technologies are invaluable tools to study the biological organisation of organisms. In the field of transcriptomics, scientific advancements have enabled the development of extraordinarily sensitive techniques that can measure complete transcriptomes from single cells. On the other hand, several attempts have been made to measure single cell proteomes. However, most of them lack the coverage and the sensitivity of transcriptomic techniques. Although transcriptomic tools are widely used, several studies have shown that RNA and proteins are not sufficiently correlated to act as proxies for each other. In this thesis we have explored the use of the Protein/RNA ratios to improve RNA and protein correlations. Using a bulk proteogenomic dataset we expanded the work of previous authors and showed that this ratio can be used to impute protein levels from transcriptomic abundances in several human tissues. Importantly, this strategy was independent of the tissue composition and was also applicable for cell surface proteins. Using recently published CITE-seq atlases we explored for the first time this approach in single-cell data. Our results showed that Protein/RNA ratios can better predict protein levels in single cell data when they are computed from CITE-seq datasets compared to bulk-data-calculated ratios. Interestingly, protein prediction performed well using correction factors computed from a different experiment, suggesting that this approach can be generalised to other single cell datasets.

Las tecnologías ómicas son una herramienta indispensable para el estudio de la organización biológica de los organismos. Avances científicos en transcriptómica han permitido el desarrollo de técnicas extraordinariamente sensibles que miden transcriptomas completos en células individuales. Por otro lado, aunque se han realizado varios intentos para medir el proteoma de una sola célula la mayoría de ellos carecen de la sensibilidad o cobertura de las técnicas transcriptómicas. Aunque las técnicas transcriptómicas son ampliamente usadas, varios estudios han demostrado que ARN y proteínas no están lo suficientemente correlacionados como para actuar uno en representación del otro. En este trabajo hemos explorado el uso de las ratios proteína/RNA para mejorar la correlación entre estas medidas. Usando un atlas proteo-genómico hemos expandido el trabajo de otros autores y demostrado que esta ratio se puede usar para imputar niveles de proteína a partir del transcriptoma en varios tejidos humanos. Además, esta corrección es independiente de la composición del tejido y es aplicable a proteínas de superficie. Utilizando atlas de CITE-seq hemos explorado por primera vez esta estrategia en conjuntos de datos single-cell. Nuestros resultados muestran que las ratios RNA/proteína predicen mejor los niveles de proteína en datos single-cell cuando se han estimado a partir de datos CITE-seq en comparación con ratios estimados con datos bulk. Además, fue posible predecir niveles de proteína usando ratios calculados a partir de un experimento distinto, lo que sugiere que esta estrategia se puede generalizar a otros conjuntos de datos single-cell.

Les tecnologies òmiques són una eina indispensable per a l'estudi de l'organització biològica dels organismes. Avenços científics en transcriptòmica han permès el desenvolupament de tècniques extraordinàriament sensibles que mesuren transcriptomes complets en cèl·lules individuals. D'altra banda, tot i que s'han realitzat diversos intents per mesurar el proteoma d'una sola cèl·lula la majoria d'ells no tenen la sensibilitat o cobertura de les tècniques transcriptòmiques. Tot i que les tècniques transcriptòmiques són àmpliament usades, diversos estudis han demostrat que ARN i proteïnes no estan prou correlacionats com per actuar un en representació de l'altre. En aquest treball hem explorat l'ús de les ràtios proteïna / RNA per millorar la correlació entre aquestes mesures. Usant un atles proteo-genòmic hem expandit el treball d'altres autors i demostrat que aquesta ràtio es pot usar per a imputar nivells de proteïna a partir de l'transcriptoma en diversos teixits humans. A més, aquesta correcció és independent de la composició de el teixit i és aplicable a proteïnes de superfície. Utilitzant atles de CITE-seq hem explorat per primera vegada aquesta estratègia en conjunts de dades single-cell. Els nostres resultats mostren que les ràtios RNA / proteïna prediuen millor els nivells de proteïna en dades single-cell quan s'han estimat a partir de dades CITE-seq en comparació amb ràtios estimats amb dades bulk. A més, va ser possible predir nivells de proteïna usant ràtios calculats a partir d'un experiment diferent, el que suggereix que aquesta estratègia es pot generalitzar a altres conjunts de dades single-cell.