DiaReport: Reproducible Workflow for Differential Expression Analysis and Interactive Reporting in DIA-based Proteomics

DiaReport è un pacchetto R open-source che offre un flusso di lavoro riproducibile per l'analisi dell'espressione differenziale nei dati di proteomica DIA, integrando elaborazione statistica e generazione di report interattivi HTML tramite Quarto.

L'essenziale

Immagina di avere una biblioteca enorme piena di libri (i dati scientifici) che raccontano la storia della vita nelle nostre cellule. In passato, per leggere questi libri, gli scienziati usavano un metodo un po' caotico: prendevano in mano i libri a caso e leggevano solo quelli che attiravano la loro attenzione. Questo si chiamava "acquisizione dipendente dai dati" (DDA).

Oggi, però, c'è un metodo migliore e più completo chiamato DIA (acquisizione indipendente dai dati). È come se avessimo uno scanner che legge tutti i libri della biblioteca, pagina per pagina, senza saltarne nessuno. Questo ci dà una foto molto più nitida e completa di ciò che succede nelle cellule.

Il problema? Anche se lo scanner (un software chiamato DIA-NN) è bravissimo a leggere i libri, gli scienziati faticano a organizzare queste informazioni, a trovare le differenze tra due gruppi di libri (ad esempio, "come cambia la biblioteca quando una persona è malata?") e a creare un rapporto finale che sia facile da leggere e da condividere.

È qui che entra in gioco DiaReport, il "maghetto" descritto in questo articolo.

Cos'è DiaReport? (La Metafora del "Chef Tuttofare")

Pensa a DiaReport come a un chef tuttofare in una cucina molto complessa.
Fino a ora, per preparare un piatto (l'analisi scientifica), uno scienziato doveva:

1. Andare al mercato a comprare gli ingredienti (i dati grezzi).
2. Tagliarli con un coltello (un programma).
3. Cuocerli in una pentola diversa (un altro programma).
4. Impiattarli e scattare una foto per il menu (un terzo programma).
5. Scrivere la ricetta a mano su un foglio di carta (il report finale).

Se sbagliavi un passaggio o cambiavi un ingrediente, il piatto veniva diverso e non potevi più ricrearlo esattamente uguale.

DiaReport cambia tutto. È un unico robot-cucina che fa tutto da solo:

• Prende gli ingredienti grezzi.
• Li pulisce, li taglia e li cuoce con la ricetta perfetta.
• Crea un piatto delizioso (l'analisi statistica).
• E, cosa ancora più importante, stampa automaticamente un menu interattivo e colorato (un rapporto HTML) che puoi mostrare a chiunque, anche se non sa cucinare.

Cosa fa esattamente questo "Chef"?

1. Pulisce e Organizza: Immagina di avere un mucchio di ingredienti sporchi (dati mancanti o "spazzatura" come contaminanti). DiaReport scarta tutto ciò che non serve e tiene solo gli ingredienti di alta qualità.
2. Trova le Differenze: Confronta due gruppi di ingredienti (ad esempio, "cellule sane" vs "cellule malate") e ti dice esattamente quali ingredienti sono cambiati di quantità. Lo fa usando una bilancia super-precisa (un metodo statistico chiamato MSqRob).
3. Crea il Report Magico: Non ti dà solo un foglio di numeri noiosi. Ti crea un sito web interattivo (un rapporto HTML). È come avere un libro di ricette che si muove: puoi cliccare sui grafici per ingrandirli, cercare ingredienti specifici, vedere le differenze con colori brillanti e capire subito cosa è successo senza dover essere un esperto di computer.

Perché è così speciale?

• È Riproducibile: Se domani un altro scienziato usa DiaReport con gli stessi ingredienti, otterrà esattamente lo stesso piatto e lo stesso menu. Non ci sono più "segreti" o passaggi nascosti.
• È per Tutti: Non serve essere un programmatore esperto. Basta dare un comando e il robot fa tutto il lavoro sporco.
• È Flessibile: Funziona sia per esperimenti semplici (confronto tra due gruppi) sia per esperimenti complessi (come confrontare 10 gruppi diversi con vari fattori).

La Prova sul Campo: Le "Vescicole" (EV)

Gli autori hanno testato il loro robot su un caso reale: lo studio delle vescicole extracellulari (piccole "barchette" che le cellule usano per inviare messaggi).
Hanno confrontato due metodi diversi per raccogliere queste barchette:

1. Un metodo vecchio e lento (centrifugazione).
2. Un metodo nuovo e veloce (filtrazione).

Grazie a DiaReport, hanno scoperto subito che il metodo nuovo era migliore: produceva barchette più pulite (meno "spazzatura" di muco bovino) e più uniformi. Il rapporto interattivo ha mostrato graficamente queste differenze in pochi secondi, permettendo agli scienziati di capire subito quale metodo usare.

In Sintesi

DiaReport è come un assistente personale super-intelligente per gli scienziati che studiano le proteine. Prende dati complessi e confusi, li trasforma in informazioni chiare e affidabili, e ti consegna un report bello, interattivo e facile da condividere, assicurandosi che tutto sia stato fatto in modo corretto e ripetibile.

È lo strumento che trasforma il caos dei dati scientifici in una storia chiara e comprensibile per tutti.

Sommario tecnico

Titolo

DiaReport: Flusso di lavoro riproducibile per l'analisi dell'espressione differenziale e reportistica interattiva nella proteomica basata su DIA

1. Il Problema

L'acquisizione indipendente dai dati (DIA, Data-Independent Acquisition) è diventata il metodo preferito per la proteomica basata sulla spettrometria di massa, superando l'acquisizione dipendente dai dati (DDA) grazie a una maggiore copertura e quantificazione più robusta. Tuttavia, nonostante l'esistenza di strumenti potenti per la quantificazione (come DIA-NN) e per la modellazione statistica (come MSqRob, MSstats o limma), manca un flusso di lavoro integrato, riproducibile e automatizzato che unisca:

• L'elaborazione dei dati grezzi.
• L'analisi statistica dell'espressione differenziale (DE).
• La generazione di report di alta qualità e interattivi.

Le soluzioni esistenti spesso richiedono l'uso di script ad hoc, il passaggio tra interfacce a riga di comando e applicazioni esterne (es. Shiny), rendendo difficile la riproducibilità computazionale, la condivisione dei risultati e l'uso da parte di ricercatori con competenze di programmazione limitate. Inoltre, la creazione di report interattivi per l'analisi DE è ancora un'area sottosviluppata rispetto ai tool di controllo qualità (QC).

2. Metodologia

DiaReport è un pacchetto R open-source progettato per colmare questo vuoto. Il suo flusso di lavoro è strutturato in due moduli principali integrati in una singola funzione unificata:

• Input: Richiede l'output del report di DIA-NN (in formato Parquet o TSV) e un file di design sperimentale (EDF) che specifica metadati, gruppi sperimentali e replicati.
• Elaborazione dei Dati e Analisi Differenziale:
  • Filtraggio: Applica filtri basati sul valore q (q ≤ 0.01), rimuove contaminanti e precursori non proteotipici. Implementa tre strategie di filtraggio per i valori mancanti basate sulla completezza (per gruppo, tra gruppi o globale), permettendo all'utente di bilanciare inclusione e affidabilità.
  • Preprocessing: Trasformazione log2 e normalizzazione (metodi selezionabili dall'utente).
  • Riassunto Proteico: Aggregazione delle intensità dei precursori a livello proteico utilizzando metodi robusti (es. median polish).
  • Modellazione Statistica: Utilizza il pacchetto MSqRob (in combinazione con QFeatures) per eseguire l'analisi dell'espressione differenziale. Questo permette di gestire disegni sperimentali complessi, inclusi fattori di blocco e covariate, tramite formule R (es. ~ condition + batch). Non vengono applicate strategie di imputazione poiché MSqRob modella esplicitamente i valori mancanti.
• Reporting e Visualizzazione:
  • Genera report HTML interattivi utilizzando Quarto.
  • Include visualizzazioni dinamiche (Plotly) e tabelle ricercabili (DataTables).
  • Offre tre template configurabili:
    1. Base: QC e analisi DE standard.
    2. Partial: Aggiunge l'analisi delle proteine assenti in specifici gruppi ("absent-from-DE").
    3. EV (Extracellular Vesicles): Template specializzato per la ricerca sulle vescicole extracellulari, con metriche specifiche per marcatori e contaminanti.
• Output Strutturato: Salva i risultati in file RDS, tabelle CSV e grafici PDF, oltre a un file di configurazione YAML, garantendo la tracciabilità completa dei parametri di analisi.

3. Contributi Chiave

• Integrazione End-to-End: Unifica l'elaborazione dei dati DIA-NN, la modellazione statistica MSqRob e la generazione di report in un unico pacchetto R, eliminando la necessità di script intermedi o interfacce separate.
• Riproducibilità Computazionale: La struttura del progetto salva automaticamente tutti i parametri, i file di configurazione e gli oggetti dati serializzati, facilitando la condivisione e la replica degli studi.
• Reportistica Interattiva e Portatile: Genera file HTML autonomi che non richiedono un server attivo (a differenza delle app Shiny), rendendo la visualizzazione dei dati facilmente archiviabile e condivisibile.
• Flessibilità Sperimentale: Supporta sia confronti semplici (pairwise) che disegni sperimentali complessi (fattoriali, blocchi) grazie all'uso di MSqRob.
• Accessibilità: Progettato per essere utilizzabile da gruppi di ricerca con competenze informatiche limitate, fornendo un punto di ingresso unico per analisi proteomiche avanzate.

4. Risultati

Il pacchetto è stato validato su due dataset distinti:

1. Benchmark UPS2/Yeast: Utilizzando uno standard proteico universale (UPS2) in un background di lievito, DiaReport ha recuperato con precisione i cambiamenti di fold-change attesi. I grafici PCA interattivi hanno mostrato un chiaro raggruppamento in base ai livelli di spike-in, confermando l'affidabilità dell'analisi.
2. Studio di Caso sulle Vescicole Extracellulari (EV): Confronto tra due protocolli di arricchimento (ultracentrifugazione vs. ultrafiltrazione in piastre da 96 pozzetti).
   • Il report ha rivelato una minore abbondanza di contaminanti bovini nel protocollo di ultrafiltrazione (UF96) rispetto all'ultracentrifugazione (UC).
   • L'analisi PCA ha mostrato una minore variabilità e un raggruppamento più stretto per le replicazioni UF96.
   • L'analisi DE ha identificato proteine differenzialmente espresse, evidenziando una maggiore presenza di proteine transmembrana nel protocollo UF96.
   • I tempi di esecuzione su un laptop standard per coorti cliniche tipiche (50-200 campioni) sono risultati pratici, completando analisi e report in tempi ragionevoli.

5. Significato

DiaReport rappresenta un passo significativo verso la standardizzazione e la democratizzazione dell'analisi proteomica DIA. Risolvendo il problema della frammentazione tra quantificazione, modellazione statistica e reporting, il pacchetto:

• Migliora la trasparenza e la riproducibilità degli studi proteomici, allineandosi ai principi FAIR.
• Riduce la barriera all'ingresso per l'analisi di dati complessi, permettendo a biologi e clinici di ottenere insight rapidi senza dipendere da bioinformatici per ogni passo.
• Fornisce un framework modulare che può essere esteso in futuro per includere altri flussi di lavoro quantitativi o tipi di analisi a valle.
• È disponibile come pacchetto open-source (licenza MIT) su GitHub, con documentazione completa e report interattivi archiviati su Zenodo.