Mapping and annotating the mammalian body-wide protein-coding gene expression

A central aim of fundamental research is to create conditions necessary for fueling further research and innovation. Our understanding of basic biology is central for future developments of tools for diagnosing, monitoring, and treating disease. This doctoral thesis focuses on mapping the mammalian protein-coding gene expression in healthy cells and tissues, and annotation of genes based on their expression patterns, specificity, location, and function. This has in large part been achieved by using large scale transcriptomic and proteomic profiling to describe the gene expression landscape that defines the identities of the great diversity of cells present in mammals. Characterization of gene expression across different tissues and cell types provide fundamental tools to enable the exploration, summary, and ultimately, the annotation of the mammalian proteome, which is still incomplete. The studies comprising this thesis have contributed to the Human Protein Atlas, an online open-access portal for proteomic and transcriptomic data, with the aim to profile each human protein-coding gene to create a spatial map of the molecular organization of the human body, providing basic tools for the scientific community. Paper I comprises an effort to catalogue all proteins that are actively secreted from cells; defining the human secretome. Paper II entails the deep characterization and annotation of the protein-coding transcriptome of 18 peripheral immune cell types. Paper III describes the, to date, most comprehensive tissue-based transcriptomic profiling of protein-coding genes in 98 tissues of the increasingly important model animal pig. Paper IV extends previous tissue-based maps of the human protein-coding genome by integration of 13 single cell transcriptome datasets. Paper V explores the human protein-coding genome in a clustering-based annotation of co-expressed genes across single cells and tissues to provide a framework for finding previously unknown functional relationships between genes by the principle of “guilt-by-association”. In summary, the work described here entails a small contribution to the grand effort of spatially mapping proteins across tissues and cell types, for building a framework of biological knowledge that can lead to increased understanding of the constituents that make us humans.Ett centralt mål för grundvetenskap är att skapa förutsättningar för framtida forskning och innovation. Vår förståelse för grundläggande biologi är essentiell för utveckling av verktyg för diagnosticering, uppföljning, och behandling av sjukdomar. Denna avhandling fokuserar på kartläggningen av det proteinkodande genuttrycket hos däggdjur i friska celler och vävnader, samt annoteringen av gener baserat på deras uttrycksmönster, specificitet, lokalisering, och funktion. Detta har till stor del uppnåtts genom storskalig transkriptomik- och proteomik-baserad profilering för att beskriva de genuttrycksmönster som definierar de identiteter den stora mångfalden av celler som finns i däggdjur. Karaktäriseringen av genuttryck bland vävnader och celltyper utgör viktiga verktyg för att möjliggöra utforskning, sammanställande, och slutligen, annoteringen av däggdjurs proteom som fortfarande är ofullständig. Studierna som utgör denna avhandling har bidragit till the Human Protein Atlas; en online-portal med fri tillgång för proteomik- och transkriptomikdata, med en målsättning att beskriva uttrycket av samtliga proteinkodande gener. Genom att skapa en karta av den molekylära organiseringen av människokroppen utgör detta projekt ett väsentligt verktyg för forskning. Artikel I utgör en katalogisering av alla proteiner som aktivt sekreteras från celler, för att definiera det mänskliga sekretomet. Artikel II handlar om en djup karaktärisering och annotering av det proteinkodande transkriptomet hos 18 perifera immuncelltyper. Artikel III beskriver den, till dagens datum, mest omfattande vävnadsbaserade kartan av proteinkodande gener i 98 vävnader i gris, som har blivit en allt viktigare modellorganism. Artikel IV utvidgar de tidigare vävnadsbaserade kartor av det proteinkodande genomet, genom att integrera 13 encellstranskriptomik-dataset. Artikel V utforskar det mänskliga proteinkodande genomet i en klustringsbaserad annotering av samuttryckta gener, för att bygga ett ramverk för att hitta tidigare okända funktionella samband mellan gener, enligt principen av ”associationsskuld”. Arbetet beskrivet här utgör ett bidrag till det omfattande arbetet att kartlägga proteiners lokalisering i vävnader och celler, för att bygga ett ramverk av biologisk kunskap som kan leda till ökad förståelse för komponenterna som gör oss till människor. QC 2022-05-11