RapidMACS: MACS3-identical peak calling, 50x faster

In der mikroskopischen Welt innerhalb unserer Zellen schwebt die DNA, die unsere genetischen Anweisungen enthält, nicht frei umher; sie ist eng um Proteinspulen gewickelt und bildet eine dichte Struktur, die sorgfältig verwaltet werden muss. Um spezifische Gene zu lesen oder zu verstehen, wie Zellen entscheiden, welche Teile ihres genetischen Codes sie nutzen, müssen Wissenschaftler genau wissen, wo diese DNA zugänglich ist und wo sie fest verpackt ist. Eine gängige Methode, um diese zugänglichen Regionen zu finden, besteht darin, die DNA mit Enzymen zu behandeln, die nur die lockeren, offenen Teile schneiden und die eng gewickelten Abschnitte intakt lassen. Indem Forscher kartieren, wo diese Schnitte erfolgen, können sie die aktiven Bereiche des Genoms punktgenau bestimmen. Dieser Prozess erzeugt riesige Mengen an Daten, die anschließend analysiert werden müssen, um die spezifischen Orte von Interesse zu identifizieren. Dieser Analyseschritt, bekannt als „Peak Calling“, fungt wie ein Filter, der Millionen von Datenpunkten durchsiebt, um die präzisen Stellen zu finden, an denen das Signal stark genug ist, um aussagekräftig zu sein. Jahrelang war ein weit verbreitetes Werkzeug namens MACS3 der Standard für diese Aufgabe, da es in der Lage ist, viele verschiedene Arten von Experimenten und Datenformaten zu verarbeiten. Doch da das Volumen biologischer Daten jedoch explodiert ist, wurde die Zeit, die für die Durchführung dieser Analysen benötigt wird, zu einem erheblichen Engpass, der das Tempo der Entdeckungen in Bereichen von der Grundlagenbiologie bis zur medizinischen Forschung verlangsamt.

Ein Team von Forschern hat nun ein neues Werkzeug namens RapidMACS vorgestellt, das darauf ausgelegt ist, dieses Geschwindigkeitsproblem zu lösen, ohne die Genauigkeit zu opfern. Während das bestehende MACS3-Toolkit leistungsstark und vielseitig ist und eine Vielzahl von experimentellen Bedingungen bewältigen kann, benötigen viele moderne Studien, insbesondere solche zur Kartierung von offenem Chromatin in Einzelzellen, nur eine spezifische Funktion: das Finden schmaler Aktivitätspeaks. Die Forscher erkannten, dass die Verwendung einer massiven, Mehrzweckmaschine für eine einzige, einfache Aufgabe ineffizient war. Sie machten es sich zum Ziel, ein spezialisiertes Werkzeug zu entwickeln, das genau diese eine Aufgabe ausführen kann, dies aber mit weita-hem größerer Geschwindigkeit tut. Das Ergebnis ist ein Programm, das die Daten in einem einzigen, gestrafften Durchgang verarbeitet und so vermeidet, den gesamten Datensatz global sortieren oder temporäre Dateien auf einer Festplatte erstellen zu müssen. Stattdessen hält es die notwendigen Informationen im Arbeitsspeicher des Computers und verarbeitet verschiedene Abschnitte des Genoms gleichzeitig. Dieser Ansatz ermöglicht es der Software, die Daten wesentlich schneller zu verarbeiten als den bisherigen Standard.

Die Leistungsfähigkeit dieses neuen Werkzeugs wurde bei verschiedenen Arten biologischer Experimente getestet, darunter solche, die offene DNA in Einzelzellen, Gewebeproben (Bulk-Proben) und spezifische Protein-DNA-Interaktionen kartieren. In diesen Tests erwies sich RapidMACS als zwischen dem 3,5-fachen und dem 51-fachen schneller als die vorherige Version von MACS3, abhängig vom spezifischen Experiment und der Anzahl der verwendeten Computerprozessoren. Vielleicht am wichtigsten ist, dass die Forscher herausgefunden haben, dass die Ausgabe von RapidMACS byte-identisch mit der Ausgabe von MACS3 ist. Das bedeutet, dass jede einzelne Zahl und jeder Ort, der vom neuen Werkzeug gemeldet wird, exakt mit dem alten Werkzeug übereinstimmt, bis auf die letzte Stelle. Da die Ergebnisse identisch sind, können Wissenschaftler auf das schnellere Werkzeug umsteigen, mit der absoluten Gewissheit, dass sich ihre nachgeschaltete Analyse nicht ändern wird. Die Geschwindigkeitsverbesserung beruht nicht auf der Verwendung einer anderen Programmiersprache, sondern auf einer klügeren Art der Organisation der Berechnungen, die es der Software ermöglicht, unnötige Schritte zu überspringen, die das ältere Werkzeug zwingend ausführen musste.

Diese neue Software steht nun jedem zur Verfügung, sofern sie als eigenständiges Programm genutzt werden kann, das direkt ausgeführt werden kann, oder als Komponente, die in größere Analyse-Pipelines integriert werden kann. Sie ist leichtgewichtig geschrieben, greift nur auf essenzielle Bibliotheken zum Lesen biologischer Datendateien zurück und erfordert keine komplexen Laufzeitumgebungen für den Betrieb. Durch das Entfernen der Zeit, die für repetitive Datenverarbeitung verschwendet wird, ermöglicht RapidMACS es Forschern, weniger Zeit damit zu verbringen, darauf zu warten, dass Computer ihre Arbeit beenden, und mehr Zeit damit, die in den Daten verborgenen biologischen Geschichten zu interpretieren. Das Werkzeug stellt eine praktische Verfeinerung im wissenschaftlichen Instrumentarium dar und beweist, dass in einem Feld, das von komplexen Algorithmen getrieben wird, Effizienz auch durch die Vereinfachung des Weges zur Antwort gewonnen werden kann.