DIA-NN EasyFilter workflow for the fast and user-friendly critical assessment and visualization of DIA-NN proteomics analysis outcome

Die Studie stellt DIA-NN EasyFilter (DEF) vor, einen schnellen und benutzerfreundlichen KNIME-Workflow, der die Analyse von DIA-MS/MS-Proteomikdaten ohne Programmierkenntnisse durch umfassende Filterung, Qualitätsbewertung und Visualisierung erleichtert.

Das Wesentliche

Stellen Sie sich vor, Sie sind ein Detektiv, der gerade einen riesigen, chaotischen Koffer voller Beweismittel (Proteine aus einer Blut- oder Gewebeprobe) gefunden hat. Das Problem: Der Koffer ist mit einem sehr komplexen, verschlüsselten Schloss versehen, das nur von wenigen Spezialisten (Programmierern) geöffnet werden kann.

Das ist genau die Situation in der modernen Proteomik-Forschung (der Suche nach allen Proteinen in einer Zelle). Ein sehr beliebtes Werkzeug namens DIA-NN ist wie ein hochmodernes Scanner-Gerät, das diese Beweismittel extrem schnell und genau findet. Aber das Ergebnis, das es ausspuckt, ist ein riesiger, komprimierter Datenhaufen (ein sogenanntes "PARQUET"-File), der für normale Forscher ohne Programmierkenntnisse wie eine verschlüsselte Nachricht aussieht. Man sieht die Daten, kann sie aber nicht einfach durchsuchen, filtern oder in hübsche Grafiken verwandeln.

Hier kommt DIA-NN EasyFilter (DEF) ins Spiel.

Was ist DEF? Der "Koch-Apparat" für Daten

Stellen Sie sich DEF nicht als komplizierten Computercode vor, sondern als eine visuelle Koch-App auf dem Tablet.

• Das Problem: Früher musste man, um aus den rohen Daten brauchbare Ergebnisse zu machen, selbst Rezepte schreiben (Programmieren lernen) oder die Zutaten mühsam von Hand sortieren.
• Die Lösung: DEF ist wie eine App, bei der Sie einfach Bausteine aneinanderreihen. Sie ziehen einen Kasten für "Filter", einen für "Grafik" und einen für "Vergleich" auf den Bildschirm und verbinden sie mit Linien. Kein einziges Wort Code ist nötig.

Wie funktioniert das "Rezept"?

Der Workflow (der Ablauf) von DEF macht im Wesentlichen drei Dinge, die man sich wie eine Küchenzubereitung vorstellen kann:

1. Die Qualitätskontrolle (Der Sieb):
   Nicht jeder Fund im Koffer ist ein echter Beweis. Manchmal sind es nur Staubpartikel (Verunreinigungen) oder zufällige Rauschen.

   • Die Analogie: DEF hat ein Sieb, das automatisch den "Staub" (bekannte Verunreinigungen wie Hautschuppen oder Bakterien aus dem Labor) herausfiltert.
   • Es prüft auch, ob die Beweise stark genug sind. Ein Beweis ist nur dann gültig, wenn er von mindestens zwei unabhängigen Zeugen (Peptiden) bestätigt wird. DEF lässt nur die "starken" Beweise durch.

2. Die Visualisierung (Das Fotoalbum):
   Früher musste man Zahlenkolonnen in Excel ansehen, um Trends zu erkennen. Das ist wie das Lesen einer langen Liste von Namen, um zu verstehen, wer auf einer Party war.

   • Die Analogie: DEF verwandelt diese Listen sofort in Balkendiagramme, Tortendiagramme und interaktive Grafiken. Plötzlich sehen Sie nicht nur Zahlen, sondern Muster. Sie können sofort sehen: "Aha, in dieser Gruppe sind viel mehr Proteine gefunden worden als in der anderen!" oder "Diese Probe hat eine sehr hohe Qualität, diese hier ist etwas wackelig."

3. Der Vergleich (Der Duell-Modus):
   Oft möchte man zwei Gruppen vergleichen (z. B. gesunde Zellen vs. kranke Zellen).

   • Die Analogie: DEF legt die beiden Gruppen nebeneinander und hebt automatisch die Unterschiede hervor. Es zeigt Ihnen genau, welche Proteine in der kranken Gruppe "aufgebläht" sind und welche "geschrumpft".

Warum ist das wichtig? (Die Fallstudien)

Die Autoren des Papers haben DEF an vier verschiedenen "Testkoffern" ausprobiert, um zu beweisen, dass es funktioniert:

• Fall 1 & 2: Sie haben Daten von anderen Wissenschaftlern genommen, die bereits veröffentlicht wurden. DEF hat die Daten genau so gut (oder sogar besser) verarbeitet wie die Original-Studien, obwohl die Forscher dort viel mehr Zeit und manuelle Arbeit investiert hatten.
• Fall 3: Sie haben Daten von ganz verschiedenen Messgeräten verglichen. DEF hat gezeigt, dass es egal ist, welches Gerät die Daten gemessen hat – das Ergebnis ist immer zuverlässig.
• Fall 4 (Der echte Test): Die Forscher haben eigene Zellen untersucht (Fettzellen, die sich entwickeln). Mit DEF konnten sie schnell herausfinden, welche Proteine sich ändern, wenn Fettzellen reifen oder wenn sie mit Palmitat (einer Fettsäure) behandelt werden. Sie konnten sofort sehen, wie sich der Stoffwechsel der Zellen verändert.

Das Fazit für den normalen Menschen

Stellen Sie sich vor, Sie haben einen riesigen Berg an Rohdaten. Ohne DEF müssten Sie jeden Stein einzeln mit einem Mikroskop untersuchen (Programmieren). Mit DEF legen Sie einfach einen "Intelligenten Staubsauger" (den Workflow) darüber, der automatisch den Müll aussaugt, die wertvollen Steine sortiert und Ihnen am Ende ein hübsches Fotoalbum der Ergebnisse präsentiert.

Der große Vorteil: Sie müssen kein Computer-Genie sein. Jeder Forscher, Arzt oder Student kann diese "App" nutzen, um komplexe biologische Daten zu verstehen, ohne sich in Code-zeilen zu verlieren. Es macht die Wissenschaft schneller, genauer und für viel mehr Menschen zugänglich.

Kurz gesagt: DIA-NN EasyFilter ist der Übersetzer, der die komplexe Sprache der Maschinen in eine einfache, visuelle Geschichte verwandelt, die jeder verstehen kann.

Technische Zusammenfassung

Titel

DIA-NN EasyFilter (DEF): Ein KNIME-basierter Workflow für die schnelle und benutzerfreundliche kritische Bewertung und Visualisierung von DIA-NN Proteomik-Ergebnissen.

1. Problemstellung

Die datenunabhängige Akquisition (DIA) in der LC-MS/MS-basierten Proteomik hat sich als Standard für die quantitative Proteincharakterisierung etabliert. Das Tool DIA-NN gilt aufgrund seiner hohen Genauigkeit und des Einsatzes von Deep Learning (QuantUMS-Modul) als führend. Dennoch besteht ein erhebliches Hindernis für die breite Anwendung:

• Format-Hürde: Die aktuellen DIA-NN-Versionen geben die Ergebnisse als kompakte PARQUET-Dateien aus. Diese sind ohne Programmierkenntnisse (z. B. in R oder Python mit PyArrow) schwer zu interrogieren oder zu filtern.
• Mangel an benutzerfreundlichen Lösungen: Bestehende R-basierte Lösungen erfordern Programmierkenntnisse und bieten oft keine integrierte Bewertung der Identifikationsleistung. Manuelle Inspektion (z. B. in Skyline) ist zeitaufwendig und fehleranfällig.
• Filterungsbedarf: Es fehlt an einem Workflow, der eine umfassende Filterung (z. B. basierend auf Chromatogramm-Peaks, Kontaminanten und Protein-Infferenz-Regeln) und eine interaktive Visualisierung für Nutzer ohne Coding-Skills ermöglicht.

2. Methodik: DIA-NN EasyFilter (DEF)

Die Autoren entwickelten DEF, einen Workflow für die KNIME Analytics Platform (Open-Source, Low-Code/No-Code), der DIA-NN-Ausgaben (Version ≥ 1.8) verarbeitet.

Kernkomponenten und Funktionen:

• Eingabe: Akzeptiert DIA-NN-Hauptberichte (PARQUET oder TSV), pg.matrix und optionale XIC-Berichte (Extracted Ion Chromatograms).
• Modulare Unter-Workflows:
  • XIC-Filter: Extrahiert Fragmentionen (b- und y-Ionen) aus den XIC-Daten. Nur Peptide, die durch mindestens vier aufeinanderfolgende b- oder y-Ionen unterstützt werden, werden behalten. Dies dient der Qualitätskontrolle der Peptididentifikation.
  • Kontaminanten-Filter: Integriert kuratierte Listen von Kontaminanten aus MaxQuant, cRAP und dem Hao-Group-Datensatz. Benutzer können auch eigene FASTA-Dateien hochladen. Kontaminanten und iRT-Peptide werden markiert und ausgeschlossen.
  • Aufgaben-Selektor (Task Selector): Ermöglicht zwei Strategien zur Protein-Infferenz (Protein Group, PG):
    1. 2-Unique-Peptide-Regel: Proteine müssen durch mindestens zwei einzigartige Peptide unterstützt werden.
    2. Proteotypische-Regel: Proteine werden basierend auf proteotypischen Peptiden inferiert (ein einzigartiges Peptid reicht, wenn es spezifisch ist).
  • Qualitätsfilter: Filterung basierend auf Schwellenwerten für PG.Q.Value (≤ 0,05) und Lib.Q.Value (≤ 0,01). Nicht quantifizierte Proteine erhalten einen Platzhalterwert ("50").
• Visualisierung:
  • Interaktive Diagramme (Balkendiagramme, gestapelte Balken, Tortendiagramme) zur Darstellung der Identifikationszahlen und Quantifizierungsleistung.
  • Parallele Koordinatenplots: Zeigen binär (vorhanden/abwesend) oder skaliert die Quantifizierung über mehrere Runs hinweg, um Muster und Konsistenz zu erkennen.
  • Exportoptionen für MetaboAnalyst-kompatible Formate.

3. Schlüsselbeiträge

• Demokratisierung des Zugangs: DEF ermöglicht es Forschern ohne Programmierkenntnisse, komplexe DIA-NN-Daten (PARQUET) tiefgehend zu analysieren, zu filtern und zu visualisieren.
• Umfassende Filterstrategie: Kombination aus XIC-basierter Qualitätsprüfung, mehreren Kontaminanten-Datenbanken und flexiblen Protein-Infferenz-Regeln in einem einzigen Workflow.
• Geschwindigkeit und Skalierbarkeit: Der Workflow kann große Datensätze (bis zu zig Millionen Zeilen) in Minuten verarbeiten (z. B. 35 Proben in unter 14 Minuten).
• Reproduzierbarkeit: Durch die Verwendung von KNIME-Nodes und vordefinierten Parametern wird die Analyse transparent und reproduzierbar.

4. Ergebnisse (Fallstudien)

Die Autoren validierten DEF anhand von vier Fallstudien (Case 1–4), darunter öffentliche Datensätze (ProteomeXchange) und eigene Labor-Daten:

• Case 1 (HEK-Zellen): DEF lieferte Ergebnisse, die mit den Originalpublikationen übereinstimmten (>4200 Protein-Gruppen). Die quantitative Reproduzierbarkeit (mittlerer CV) war ähnlich oder leicht verbessert im Vergleich zu früheren DIA-NN-Versionen, was auf die Nutzung des QuantUMS-Algorithmus in DIA-NN 2.2 zurückgeführt wird.
• Case 2 (Maus/Hefe-Mischung): Die Analyse auf verschiedenen Instrumenten (Thermo QE HF, Bruker timsTOF Pro) und mit verschiedenen Bibliotheken (Universal vs. Library-free) zeigte hohe Übereinstimmung mit den Originaldaten. Die Reproduzierbarkeit der Quantifizierung war leicht verbessert (CV 4,35–10,28 % vs. 4,43–11,84 %).
• Case 3 (Dreier-Spezies-Mischung, HYE124): DEF übertraf andere Tools (Spectronaut, Skyline, OpenSWATH, DIA-Umpire) in der Anzahl der identifizierten Proteine deutlich. Die Ergebnisse bestätigten den Einfluss des Massenspektrometers (TripleTOF 6600 > 5600) und der SWATH-Fensterkonfiguration (64 variable Fenster > 32 feste Fenster) auf die Identifikationsrate.
• Case 4 (Adipozyten-Differenzierung): Eigene Daten von SGBS-Adipozyten (vor/nach Differenzierung, mit/ohne Palmitat).
  • Identifizierung von 300–900 Protein-Gruppen pro Probe je nach Infferenz-Regel.
  • Statistische Analyse (MetaboAnalyst) identifizierte signifikant veränderte Proteine (DAPs) zwischen den Gruppen.
  • Pathway-Analysen zeigten Anreicherung in Stoffwechselwegen (Kohlenstoffmetabolismus) und zytoskelettaler Organisation.
  • Die Visualisierungstools ermöglichten eine schnelle Bewertung der Datenqualität und der Verteilung von Kontaminanten.

5. Bedeutung und Ausblick

• Schließung einer Lücke: DEF füllt die kritische Lücke zwischen der leistungsstarken DIA-NN-Software und der Notwendigkeit einer benutzerfreundlichen Nachbearbeitung für Endnutzer in klinischen und "One Health"-Studien.
• Flexibilität: Im Gegensatz zu Galaxy (Web-basiert) bietet KNIME eine höhere Flexibilität für maßgeschneiderte Workflows auf dem lokalen Desktop, ohne dass umfangreiche Programmierkenntnisse nötig sind.
• Limitationen: Der Workflow ist derzeit auf DIA-NN-Ausgabeformate beschränkt und läuft lokal (was bei extrem großen Kohorten Speicherprobleme verursachen kann). Zukünftige Entwicklungen sollen die Kompatibilität mit anderen Eingabeformaten und Quantifizierungsalgorithmen erweitern.

Fazit: DIA-NN EasyFilter ist ein robustes, schnelles und zugängliches Werkzeug, das die kritische Bewertung und Visualisierung von DIA-Proteomik-Daten für eine breitere wissenschaftliche Gemeinschaft ermöglicht, indem es die technische Barriere des PARQUET-Formats und der Programmierung beseitigt.