pastForward: a Snakemake pipeline for ancient and historical DNA with eukaryote-wide taxonomic screening and tracking of copy-number variation
يقدم المؤلفون pastForward، وهو مسار معالجة (pipeline) مؤتمت بالكامل يعتمد على Snakemake، يعمل على تبسيط تحليل الحمض النووي القديم والتاريخي من خلال دمج المعالجة سهلة الاستخدام، والمسح التصنيفي على نطاق واسع لحقيقيات النوى، وتتبع تباين عدد النسخ لتمكين الدراسات الجينومية الطولية عبر أنواع متنوعة.
المؤلفون الأصليون:Saadain, S., Kapun, M., Kofler, R.
تخيل أنك مسافر عبر الزمن تمتلك كاميرا مميزة للغاية. فبدلاً من التقاط صور للقلاع أو الديناصورات، تلتقط كاميرتك الشفرة الوراثية غير المرئية المتروكة في العظام القديمة، والحشرات المجففة، والجرار المتاحفية المتربة. يسمى هذا المجال من العلم ببحث الحمض النووي القديم والتاريخي. الأمر يشبه محاولة قراءة كتاب تمزقت صفحاته إلى قطع صغيرة محترقة، وغُمرت في الطين. الصفحات (الحمض النووي) قصيرة، والحبر باهت، وأحياناً يكون هناك خط يد شخص آخر (تلوث من البشر المعاصرين أو البكتيريا) قد كُتب فوق القصة الأصلية. يهتم العلماء بهذا الأمر لأن هذه البقايا الجينية هي النوافذ المباشرة الوحيدة التي نمتلكها على الماضي؛ إذ يمكنها إخبارنا كيف تغيرت الحيوانات عندما أصبحت حيوانات أليفة، وكيف نجت الأنواع من العصور الجليدية، أو كيف انتشرت الأمراض قبل قرون مضت. لكن قراءة هذه القصص الفوضوية والمكسورة أمر صعب للغاية، فأنت بحاجة إلى محقق ذكي للغاية وحذر جداً لتركيبها معاً دون ارتكاب أخطاء.
هنا يأتي دور pastForward، وهي أداة كشف ذكية للغاية ومبتكرة صممها فريق من العلماء. فكر في pastForward كورشة عمل آلية وشاملة لهذه الكبسولات الزمنية الجينية. قبل وجود هذه الأداة، كان على العلماء استخدام عشرات البرامج المختلفة والمعقدة لتنظيف الحمض النووي، والتحقق مما إذا كان حقيقياً، وتحديد نوع الحيوان الذي ينتمي إليه. كان الأمر يشبه محاولة إصلاح ساعة مكسورة باستخدام مطرقة، ومفك براغي، وملقط، وكل ذلك وأنت ترتدي عصابة على عينيك. إن pastForward تغير قواعد اللعبة عبر وضع كل تلك الأدوات في آلة واحدة سهلة الاستخدام. فهي تأخذ بيانات الحمض النووي الخام والفوضوية وتمررها عبر سلسلة من الخطوات: تقص الأجزاء اللزجة، وتدمج القطع الممزقة مجدداً، وتتحقق من "التلف" الذي يحدث عندما يبقى الحمض النووي في الأرض لآلاف السنين.
لكن pastForward لا تكتفي بتنظيف البيانات فحسب، بل تمتلك قوتين خارقتين سريتين. القوة الأولى هي ECMSD، وهو ماسح ضوئي تصنيفي يعمل مثل قارئ بطاقات الهوية سريع الاستجابة؛ فهو يفحص الحمض النووي ليرى بالضبط أي نوع من الأنواع موجود، ويميز بين الحيوان القدب الحقيقي وبين الملوثات الحديثة أو الإشارات الزائفة. أما القوة الخارقة الثانية فهي REVEAL، وهو عداد للنسخ. يمكنه عد عدد نسخ "الوصفات" الجينية المحددة (مثل الجينات أو العناصر الجينية القافزة) الموجودة في الحمض النووي، مما يسم يسمح للعلماء بمعرفة ما إذا كانت تلك الوصفات قد تضاعفت أو اختفت بمرور الوقت.
اختبر الفريق هذه الآلة الجديدة على مسافرين زمنيين مختلفين تماماً. أولاً، نظروا في عظام كلاب قديمة تعود لآلاف السنين؛ أرادوا معرفة ما إذا كان الجين المسؤول عن هضم النشا (AMY2B) قد تغير مع استئناس الكلاب. أكدت الآلة أنه بينما كان لدى الذئاب القديمة والكلاب المبكرة نسخة واحدة أو اثنتان فقط من هذا الجين، فإن الكلاب الحديثة تمتلك حوالي عشر أضعاف ذلك. وهذا يثبت أنه مع بدء البشر في تناول المزيد من الأطعوات الغنية بالنشا، تطورت كلابهم لتتناول نفس النظام الغذائي، حيث اكتسبت نسخاً إضافية من جين هضم النشا.
وفي الاختبار الثاني، نظروا في ذباب الفاكهة (D. melanogaster) المحفوظ في جِرار المتاحف منذ ما يقرب من 200 عام. كانوا يتتبعون "جيناً قافزاً" يسمى opus. أظهرت النتائج أن هذا الجين كان غائباً تماماً في الذباب من القرن التاسع عشر، لكنه ظهر فجأة في عينات من عام 1933 وظل موجوداً في الذباب الحديث. سمح هذا للعلماء بتحديد الوقت الذي سيطر فيه هذا الغازي الجيني على الجمهرة بدقة.
من خلال جعل هذه الخطوات المعقدة آلية وسهلة الاستخدام، تسمح pastForward للباحثين بالتركيز على القصص المثيرة المخبأة في الحمض النووي بدلاً من التعثر في المشكلات التقنية المتعلقة بتنظيفه. إنها تحول الشفرة الجينية المكسورة والفوضوية للماضي إلى قصة واضحة وقابلة للقراءة، مما يساعدنا على فهم كيف تغيرت الحياة بمرور الوقت.
ملخص تقني لـ pastForward
بيان المشكلة يوفر تسلسل الحمض النووي القديم (aDNA) والحمض النووي التاريخي (hDNA) نوافذ مباشرة على الجماعات السكانية الماضية والديناميكيات التطورية، ومع ذلك، لا تزال المعالجة المعلوماتية الحيوية تشكل عقبة كبيرة. إن مسارات المعالجة القياسية للجينات غير ملائمة للحمض النووي القديم (aDNA) أو التاريخي (hDNA) بسبب الخصائص الفريدة للحمض النووي المتدهور: أطوال قطع قصيرة (35-100 زوج قاعدي)، وتلف ما بعد الوفاة (استبدالات C→T و G→A)، ومعدلات عالية من التلوث. تفتقر المسارات المتخصصة الموجودة (مثل PALEOMIX، وnf-core/eager، وmapache) غالباً إلى الفحص التصنيفي المتكامل، وتفشل في التمييز بين قطع الحمض النووي الميتوكوندري النووية (NUMTs) والإشارات الميتوكوندرية الأصلية، ولا تدعم تتبع تباين عدد النسخ (CNV) عبر السلاسل الزمنية، أو تعتمد على مديري سير العمل الذين يتطلبون معرفة مسبقة واسعة. علاوة على ذلك، قد تتطلب المصنفات التصنيفية ذاكرة مفرطة أو تفشل في تصنيف القطع القصيرة بفعالية.
المنهجية pastForward هو مسار عمل آلي بالكامل وقابل للتكرار يعتمد على Snakemake، مصمم لمعالجة القراءات الخام وتحويلها إلى ملفات BAM مع تعديل الضرر وتقارير جودة تفاعلية. وهو منظم في أربعة مكونات نموذجية، كل منها قابل للتهيئة عبر ملف تهيئة مركزي:
وحدة القراءة (Read Module): تتعامل مع بيانات FASTQ الخام (أحادية وثنائية النهايات). تقوم بإزالة الوصلات (adapters) وذيول poly-X باستخدام fastp، وتدمج الأزواج المتداخلة، وتصفي القراءات بناءً على الطول والجودة. ومن الأهمية بمكان أنها تقوم بالفحص التصنيفي باستخدام أداتين متكاملتين:
ECMSD (كاشف تسلسل الميتوكوندريا الشامل والفعال): أداة مبتكرة تقوم بمحاذاة القراءات مقابل قاعدة بيانات مرجعية مختارة من NCBI RefSeq للميتوكوندريا. وهي تميز الإشارات حقيقية النواة من NUMTs عن طريق تصفية اتساع التغطية (الافتراضي >25%)، مما يتجنب النتائج الإيجابية الكاذبة من الإدخالات النووية.
Centrifuge: تُستخدم للكشف عن البكتيريا، والعتائق (archaea)، والفيروسات. وقد تم اختيارها على حساب Kraken2 نظراً لانخفاض بصمتها في الذاكرة وقدرتها على تصنيف القطع الأقصر (حتى 22 زوجاً قاعدياً) عبر المطابقة الدقيقة بدلاً من عد الـ k-mer.
وحدة المرجع (Reference Module): تقوم بمحاذاة القراءات مع تسلسل مرجعي واحد أو أكثر (جينومات أو جينات علامة مثل COI) باستخدام BWA-MEM2 (مع توفر BWA-aln أو minimap2 كبدائل). تتضمن نسخة محسنة ومتوازية من DeDup لإزالة مكررات PCR، وmapDamage2 لتوصيف الضرر وإعادة ضبط جودة القواعد. تقوم الوحدة بحساب إحصائيات اتساع وعمق التغطية، وتقدير تعقيد المكتبة باستخدام Preseq.
وحدة REVEAL (تقدير وتصور وفرة العناصر والمواقع بناءً على القراءات): مكون مبتكر لتقدير تباين عدد النسخ للميزات الجينية المحددة من قبل المستخدم (مثل العناصر القافزة، أو الجينات). تقوم بمحاذاة القراءات مع التسلسلات المستهدفة وتطبيع عمق التغطية مقابل الجينات ذات النسخة الواحدة (SCGs)، والتي يتم تحديدها تلقائياً عبر BUSCO إذا لم يتم توفيرها. يسمح هذا التطبيع بتقديرات وفرة قابلة للمقارنة عبر العينات ذات أعماق التسلسل ومحتوى الحمض النووي الداخلي المتفاوتة.
وحدة الملخص (Summary Module): تجمع المخرجات من وحدتي "القراءة" و"المرجع" في تقارير MultiQC HTML تفاعلية. تقوم هذه التقارير بتصور أعداد القراءات، والتكوين التصنيفي، وإحصائيات التغطية، وتعقيد المكتبة، وأنماط الضرر، مما يسهل التقييم السريع للجودة.
المساهمات الرئيسية
سير عمل متكامل: يعد pastForward أول مسار عمل يجمع بين معالجة الحمض النووي القديم/التاريخي سهلة الاستخدام والقابلة للتهيئة، مع الفحص التصنيفي الآلي (بما في ذلك تصفية NUMTs) وتتبع CNV المستهدف في مسار عمل Snakemake واحد.
ECMSD: يقدم طريقة فعالة من حيث الذاكرة للفحص التصنيفي حقيقي النواة التي تعالج تحديداً مشكلة خطأ NUMT عبر الاستفادة من اتساع تغطية الميتوكوندريا، مما يسد الفجوة التي تتركها المصنفات الميتاجينومية العامة التي تستبعد الكائنات حقيقية النواة غير البشرية.
REVEAL: يوفر طريقة لتتبع وفرة الميزات الجينية (مثل العناصر القافزة أو تضاعف الجينات) طولياً عبر مجموعات البيانات القديمة والتاريخية والحديثة من خلال تطبيع عمق القراءة مقابل الـ SCGs.
سهولة الوصول: يدير المسار جميع التبعيات عبر Conda، ويقوم بتهيئة قواعد البيانات اللازمة تلقائياً (فهارس Centrifuge وECMSD)، ويعمل على أجهزة مكتبية قياسية، مما يجعله متاحاً للباحثين الذين لا يملكون بنية تحتية واسعة للمعلوماتية الحيوية.
النتائج تم التحقق من صحة المسار عبر دراستي حالة:
تدجين الكلاب (aDNA): طُبق على سلسلة زمنية جينومية للكلاب (من العصر النيوليتي إلى العصر الحديث) والذئاب. نجح pastForward في تحديد Canis lupus كنوع سائد، مع تصفية الـ NUMTs. أكدت وحدة REVEAL الزيادة المعروفة في عدد نسخ AMY2B (إنزيم هضم النشا) أثناء التدجين، حيث أظهرت تحولاً من نسخة واحدة في الذئاب وكلاب العصر النيوليتي إلى حوالي 10 نسخ في السلالات الحديثة.
Drosophila melanogaster (hDNA): طُبق على عينات متحفية تمتد لحوالي 200 عام. اكتشف المسار تلوثاً بشرياً منخفض المستوى في عينات من القرن التاسع عشر، ونجح في تتبع غزو العناصر القافزة من نوع opus. قامت وحدة REVEAL بتصور غياب opus في عينات القرن الثامن عشر، ووجوده المستمر منذ عام 1933 فصاعداً، مما أعاد إنتاج جداول الغزو المنشورة سابقاً.
الأهمية يضع المؤلفون pastForward كأداة تنقل التركيز من المعالجة التقنية للبيانات إلى الاستقصاء البيولوجي. ومن خلال دمج الفحص التصنيفي، وتقييم الضرر، وتتبع CNV في مسار عمل واحد قابل للتكرار، فإنه يمكّن الباحثين من معالجة مجموعات البيانات الجينومية التاريخية والقديمة واسعة النطاق بكفاءة. وتبرز أهمية المسار بشكل خاص في مجال "علم المتاحف" (museomics)، حيث يسمح للمجموعات الطبيعية بتحليل محتوياتها داخلياً لتتبع التغيرات التطورية، مثل تضخم الجينات أو غزو العناصر القافزة، مباشرة عبر الزمن. ويؤكد المؤلفون أن الأداية مصممة لتكون مرنة وقابلة للتهيئة، بحيث تستوعب أنواعاً متنوعة من العينات بدءاً من العظام وصولاً إلى الحشرات المثبتة، مما يسهل تحليل مجموعات العينات الضخمة التي لم تُستغل سابقاً.