Ryder: Epigenome normalization using a two-tier model and internal reference regions

1. بيان المشكلة

تعد طرق التنميط فوق الجيني القائمة على التسلسل (مثل ChIP-seq، وATAC-seq، وDNase-seq، وCUT&RUN، وMNase-seq) ضرورية لفهم التنظيم الجيني، لكنها تعاني من تباين تقني كبير. وتشمل مصادر الضجيج جودة العينات، وتحضير المكتبات، وعمق التسلسل، وتأثيرات الدفعة (batch effects).

• محددات الطرق الحالية:
  • ضوابط الإضافة الخارجية (Spike-in Controls): رغم استخدامها على نطاق واسع، إلا أنها تعتمد على افتراض أن الكروماتين الخارجي يتصرف بشكل متطابق مع الكروماتين الداخلي. وهذا أمر غير مثبت غالباً وعرضة للفشل بسبب أخطاء المعايرة أو التطبيق غير المتسق (كما لوحظ في دراسات BRG1 الأخيرة). كما أنها توفر غالباً عامل قياس عالمي فقط، مما يفشل في رصد التباينات الموضعية.
  • الطرق الحسابية: تعتمد الأدوات الموجودة (مثل MAnorm وS3norm وIGN) غالباً على افتراضات قد لا تتحقق، مثل ثبات الارتباط في القمم المشتركة (والتي قد تختلف كمياً في الواقع) أو وجود بيانات RNA-seq متطابقة تماماً لغرض التنميط. كما أنها تواجه صعوبة في التعامل مع التحولات الكروماتينية العالمية (مثل حالات الشيخوخة أو المعالجة بالأدوية) أو الإشارات المنتشرة على نطاق واسع (مثل H3K27me3).

هناك حاجة ماسة لإطار عمل مرن للتنميط يمكنه التمييز بين الإشارات البيولوجية الحقيقية والشوائب التقنية دون الاعتماد على الإضافات الخارجية التي قد لا تكون مناسبة لتجارب معينة.

2. المنهجية: إطار عمل Ryder

Ryder هو حزمة برمجية بلغة بايثون (Python) مصممة للتنميط عبر العينات وكشف الميزات المتغيرة. ابتكاره الأساسي هو استراتيجية تنميط ثنائية المستويات ترتكز على مناطق مرجعية داخلية مستقرة (مثل مواقع ارتباط CTCF الثابتة).

مكونات سير العمل:

يتكون خط الإنتاج من نصين برمجيين رئيسيين:

1. paw.py (التنميط): يقوم بإعادة قياس الإشارات وتصحيح ضجيج الخلفية.
2. patrol.py (التحليل التفاضلي): يحدد الميزات المتغيرة باستخدام التغير في الطي (fold-change) أو إحصاءات بواسون (Poisson statistics).

خوارزمية التنميط ثنائية المستويات:

يفترض Ryder أن مواقع ارتباط CTCF التأسيسية (المحفوظة عبر أنواع الخلايا) تعمل كمراجع داخلية مستقرة. تتضمن العملية خمس خطوات:

1. إزالة القيم المتطرفة: يستخدم مسافة ماهالانوبيس (Mahalanobis distance) على تحويلات M-A لـ log₂ لتحديد وإزالة مواقع المرجع المتطرفة التي لا تسلك سلوكاً ثابتاً.
2. تعريف المناطق: تحديد مناطق "الإشارة" (القمم) ومناطق "الخلفية" (المجاورة للمراجع).
3. تقدير المعلمات:
   • حساب عوامل القياس للخلفية ($sf_{bkg}$) وإشارات مناطق المرجع ($sf_{sig}$).
   • تقدير معلمات التحويل الخطي ($\alpha$ و $\beta$) عبر تحويل الدرجة المعيارية (z-score) أو الملاءمة الخطية بين إشارات الهدف والمرجع في فضاء log₂:
     $$y' = \alpha y + \beta$$
     حيث $\alpha = \sigma_x / \sigma_y$ و $\beta = \bar{x} - (\sigma_x / \sigma_y)\bar{y}$.
4. التصنيف: يتم تصنيف الحاويات الجينية (genomic bins) كخلفية أو إشارة بناءً على حد ضجيج مشتق من تقاطع توزيعات log₂ الخاصة بها.
5. التطبيق:
   • حاويات الخلفية: يتم قياسها خطياً باستخدام $sf_{bkg}$.
   • حاويات الإشارة: تخضع لعملية من خطوتين: القياس الخطي باستخدام $sf_{sig}$، متبوعاً بتحويل log₂ معدل بواسطة $\alpha$ و $\beta$، ثم الأس (exponentiation).

المرونة: تدعم الأداة مناطق مرجعية يحددها المستخدم (مثل مواقع بدء النسخ TSS)، ويمكنها اختيارياً دمج ضوابط الإضافة الخارجية (spike-in) إذا لزم الأمر، رغم أنها تعطي الأولوية للمراجع الداخلية.

3. المساهمات الرئيسية

• استراتيجية المرجع الداخلي: نقل النموذج من الإضافات الخارجية إلى المواقع الجينية الداخلية الثابتة (تحديداً CTCF)، والتي تخضع بطبيعتها لنفس الظروف التجريبية مثل المناطق المستهدفة.
• النمذجة ثنائية المستويات: على عكس القياس العالمي أحادي العامل، يقوم Ryder بنمذجة وتصحيح ضجيج الخلفية وشدة الإشارة بشكل منفصل، مما يضمن دقة نسب الإشارة إلى الضجيج عبر العينات.
• الحياد تجاه نوع الفحص (Assay Agnosticism): تم التحقق من صحته عبر مجموعة واسعة من الفحوصات: DNase-seq، وCUT&RUN، وATAC-seq، وMNase-seq، وChIP-seq.
• القوة في مواجهة التحولات العالمية: مصمم خصيصاً للتعامل مع السيناريوهات التي تتغير فيها الحالات الكروماتينية العالمية (مثل تثبيط الدواء أو الشيخوة الخلوية)، وهي سيناريوهات تفشل فيها العديد من الطرق الأخرى.

4. النتائج الرئيسية والتحقق من الصحة

قام المؤلفون بالتحقق من صحة Ryder باستخدام مجموعات بيانات متعددة وقارنوه بالطرق القياسية (RPM، ونسب الإضافة الخارجية، والأدوات الحسابية الأخرى).

• تعطيل GATA3 (DNase-seq):
  • الملاحظة: أظهرت البيانات غير المنمطة زيادة عالمية في الإشارة في عينات التعطيل (KO)، مما حجب التغيرات البيولوجية المحددة.
  • النتيجة: قام Ryder بتصحيح الانحياز العالمي، مما كشف عن انخفاض محدد في إمكانية الوصول إلى الكروماتين عند معززات مرتبطة بـ GATA3 (مثل معزز Ctla4)، وهو ما كان محجوباً سابقاً.
• استنزاف BRG1 (DNase-seq و CUT&RUN):
  • السياق: BRG1 هو وحدة فرعية من معقد BAF الضروري لإمكانية الوصول إلى المعززات.
  • المقارنة: فشلت طرق RPM والزيادة الخارجية (spike-in) القياسية في التمييز بين تحولات الخلفية العالمية وفقدان الارتباط المحدد. وفي إحدى الحالات، اعتُبرت بيانات الإضافة الخارجية غير قابلة للاستخدام من قبل المؤلفين الأصليين.
  • النتيجة: نجح Ryder في تحديد فقدان ارتباط BRG1 المعتمد على الجرعة عند المعززات، وما يقابله من انخفاض معتمد على الجرعة في إمكانية الوصول إلى الكروماتين. كما أظهر بشكل صحيح أن إمكانية الوصول إلى المحفزات (promoters) ظلت دون تغيير إلى حد كبير حتى التحلل الشديد، وهو اتجاه دقيق فات المنهجيات الأخرى.
• MNase-seq (إشغال النيوكليوسوم):
  باستخدام عامل قياس خلفية فقط مشتق من مواقع CTCF الثابتة، اكتشف Ryder بدقة زيادة إشغال النيوكليوسومات عند مراكز المعززات عند تثبيط BRG1، وهو ما يتوافق مع فقدان المناطق الخالية من النيوكليوسومات.
• ChIP-seq (تعديلات الهيستون العالمية):
  • تثبيط EZH2 (H3K27me3): قام بقياس الانخفاض العالمي في H3K27me3 بشكل صحيح دون خلق زيادة اصطناعية في H3K4me3 المستقر، وهو ما يحدث غالباً مع التنميط بإجمالي القراءات.
  • تثبيط HDAC (H3K9ac): أكد الزيادة المتوقعة في مستويات H3K9ac عالمياً.

5. الأهمية

• تحسين التفسير البيولوجي: من خلال الفصل الفعال بين الضجيج التقني والإشارة البيولوجية، يتيح Ryder اكتشاف التغيرات البيولوجية الكمية الدقيقة (مثل علاقات الاستجابة للجرعة) التي غالباً ما تضيع في عمليات التنميط القياسية.
• تخفيف مخاطر الإضافة الخارجية (Spike-in): يسلط البحث الضوء على مخاطر الاعتماد على الإضافات الخارجية (أخطاء المعايرة، عدم تطابق الديناميكيات) ويقدم بديلاً قوياً ومكتفياً ذاتياً باستخدام المراجع الداخلية.
• قابلية التكرار: يوفر المنهج افتراضاً شفافاً وقابلاً للاختبار (ثبات مواقع CTCF) يمكن التحقق منه داخل مجموعة البيانات نفسها، على عكس الافتراضات الغامضة لبعض بروتوكولات الإضافة الخارجية.
• سهولة الوصول: كحزمة برمجية متاحة مجاناً بلغة بايثون، يقلل Ryder من الحواجز أمام الباحثين لإجراء تحليلات فوق جينية عالية الجودة ومنمطة عبر تصميمات تجريبية متنوعة.

في الختام، يمثل Ryder تقدماً كبيراً في تحليل البيانات فوق الجينية، حيث يقدم إطار عمل مرناً وقوياً وشفافاً في افتراضاته، ويتفوق على الطرق الموجودة في السيناريوهات التي تتضمن تحولات كروماتينية عالمية وتباينات تقنية.