FA-NIVA: A Nextflow framework for automated analysis of Nanopore based long-read sequencing data for genetic analysis in Fanconi anemia

Die Studie stellt FA-NIVA vor, ein automatisiertes Nextflow-Framework, das Nanopore-Langlese-Daten für eine präzise und reproduzierbare Detektion von SNVs, SVs und Phasierung bei der genetischen Analyse des Fanconi-Anämie-Syndroms integriert.

Das Wesentliche

Stellen Sie sich vor, Ihr Körper ist ein riesiges, komplexes Buch, das den Bauplan für alles enthält, was Sie sind. Bei einer seltenen Krankheit namens Fanconi-Anämie fehlen in diesem Buch wichtige Seiten, oder es sind ganze Kapitel herausgerissen. Die Ärzte müssen diese Lücken finden, um zu verstehen, was schiefgelaufen ist.

Bisher hatten die Detektive (die Wissenschaftler) nur ein sehr kleines Vergrößerungsglas: Die sogenannte Kurze-Lesetechnik. Damit konnte man einzelne Buchstaben (Gen-Veränderungen) gut lesen, aber wenn ganze Sätze oder Absätze fehlten (große Lücken im Buch), war das Glas zu schwach. Man wusste, dass etwas fehlt, aber nicht genau, wo die Lücke anfängt und wo sie aufhört.

Jetzt haben die Forscher aus Würzburg ein neues, revolutionäres Werkzeug entwickelt: FA-NIVA.

Hier ist, was FA-NIVA macht, einfach erklärt:

1. Der neue Super-Leser (Nanopore-Technologie)

Statt mit dem kleinen Vergrößerungsglas zu arbeiten, nutzen sie jetzt einen Super-Leser, der ganze Buchseiten auf einmal lesen kann. Diese Technik heißt "Nanopore". Sie kann nicht nur einzelne Buchstaben sehen, sondern auch erkennen, wenn ganze Abschnitte fehlen oder wenn fremde Wörter (wie ein "Alu-Element", eine Art genetischer Kleber) an falschen Stellen eingefügt wurden.

2. Das Problem: Der "Wackelige" Bauplan

Das Problem bei Fanconi-Anämie ist, dass die betroffenen Stellen im Buch oft sehr verwirrend sind. Es gibt dort viele Wiederholungen (wie ein Text, der 50-mal das Wort "der" hintereinander schreibt).

• Das alte Problem: Wenn ein Computer versucht, diese verwirrenden Stellen zu lesen, verliert er oft den Faden. Er denkt: "Oh, hier fehlt etwas," weiß aber nicht genau, wo.
• Die FA-NIVA-Lösung: Die Forscher haben einen speziellen "Kleber" (ein Algorithmus namens pbmm2) eingebaut, der die Lese-Schnipsel so fest an die richtigen Stellen klebt, dass selbst die größten Lücken im Buch präzise vermessen werden können.

3. Der Detektiv, der zwei Fälle gleichzeitig löst

Bisher mussten Detektive oft zwei verschiedene Fälle getrennt untersuchen:

1. Wo fehlt ein Buchstabe? (Kleine Veränderung)
2. Wo fehlt ein ganzer Absatz? (Große Veränderung)

FA-NIVA ist wie ein Super-Detektiv, der beides gleichzeitig löst. Er schaut sich die kleinen Buchstabenfehler und die großen Lücken gemeinsam an. Das ist besonders wichtig, weil bei dieser Krankheit oft zwei Fehler vorliegen müssen (einer von der Mutter, einer vom Vater), damit die Krankheit ausbricht. FA-NIVA kann genau sagen: "Aha, dieser Fehler ist von der Mutter und dieser große Lücken-Fehler ist vom Vater." Das nennt man Phasierung (Zuordnung der Fehler zu den Eltern). Ohne dieses neue Tool wäre das oft wie ein Ratespiel.

4. Die Automaten-Fabrik (Nextflow)

Stellen Sie sich vor, Sie müssten jeden Tag Tausende von Briefen sortieren, lesen und archivieren. Wenn Sie das alles mit der Hand machen, machen Sie Fehler oder brauchen ewig.
FA-NIVA ist eine vollautomatische Sortier-Fabrik.

• Sie wirft den Rohdaten-Brief in die Maschine.
• Die Maschine sortiert, liest, markiert die Fehler und schreibt einen Bericht.
• Alles läuft in einem Container (wie einem sicheren, standardisierten Karton), damit das Ergebnis immer gleich ist, egal ob die Maschine in Würzburg, in den Niederlanden oder in Hannover steht.

Warum ist das toll?

• Präzision: Sie können jetzt genau sagen, wo eine Lücke im Gen beginnt und endet (bis auf den letzten Buchstaben).
• Geschwindigkeit: Was früher Tage dauerte und viele verschiedene Tests erforderte, läuft jetzt automatisch ab.
• Zuverlässigkeit: Da alles automatisiert ist, gibt es weniger menschliche Fehler.

Zusammenfassend:
FA-NIVA ist wie ein hochmoderner, automatischer Übersetzer und Detektiv in einem. Er nimmt das chaotische, lange Buch der menschlichen DNA, findet die versteckten Lücken und Fehler, die bisher unsichtbar waren, und sagt den Ärzten genau: "Hier ist das Problem, und hier ist die Lösung." Das hilft Patienten mit Fanconi-Anämie, schneller und genauer diagnostiziert zu werden.

Technische Zusammenfassung

1. Problemstellung

Fanconi-Anämie (FA) ist eine seltene Erbkrankheit, die durch bialelle pathogene Varianten in mindestens 22 Genen verursacht wird. Ein Großteil der Fälle (ca. 60 %) betrifft das Gen FANCA, wobei bis zu 23 % der Patienten große Deletionen (über 545 kb) aufweisen. Diese Varianten treten häufig in Alu-reichen Regionen oder in der Nähe von Pseudogenen (z. B. bei FANCD2) auf.

Die aktuellen diagnostischen Standards stoßen hier an Grenzen:

• Kurzlese-Sequenzierung (Short-Reads): Zwar zuverlässig für SNVs (Single Nucleotide Variants) und kleine Indels, aber ungeeignet für die Detektion komplexer struktureller Varianten (SVs) oder zur Auflösung repetitiver Sequenzen.
• MLPA (Multiplex Ligation-dependent Probe Amplification): Liefert zwar Kopienzahlinformationen, kann jedoch keine präzisen genomischen Breakpoints bestimmen.
• Phasierung (Haplotypisierung): Die Zuordnung von Varianten zu den jeweiligen Allelen (Compound-Heterozygotie vs. Homozygotie) ist schwierig, insbesondere wenn eine große Deletion vorliegt. Herkömmliche Phasierungsalgorithmen nutzen oft nur SNVs, was in Deletionsregionen zu Fehlklassifizierungen (z. B. Hemizygotie als Homozygotie fehlinterpretiert) führt.
• Fehlende Standardisierung: Obwohl Nanopore-Langlese-Sequenzierung (Long-Read Sequencing, LRS) das Potenzial hat, SNVs und SVs gleichzeitig zu erfassen, fehlt eine standardisierte, automatisierte Bioinformatik-Pipeline für den klinischen Einsatz bei FA.

2. Methodik: FA-NIVA Pipeline

Die Autoren stellen FA-NIVA (Fanconi anemia – Nanopore Indel and Variant Analysis) vor, eine modulare, auf Nextflow basierende Pipeline, die in Docker-Containern läuft, um Reproduzierbarkeit und Skalierbarkeit zu gewährleisten.

Hauptkomponenten und technische Innovationen:

• Input-Verarbeitung:

  • Akzeptiert Rohdatenformate (.pod5, .fast5) sowie bereits verarbeitete .bam-Dateien.
  • Automatische Basecalling mittels Dorado (GPU-beschleunigt) zur Umwandlung elektrischer Signale in Nukleotidsequenzen.

• Alignment (Ausrichtung):

  • Statt des Standard-Aligners minimap2 wird pbmm2 (mit dem Preset -CCS) verwendet.
  • Begründung: minimap2 neigt bei großen Deletionen mit fast identischen Flanken zu Fehlern bei der Behandlung von „soft-clipped" Sequenzen, was zu falschen Breakpoints führt. pbmm2 (optimiert für HiFi-Daten) liefert hier robustere Ergebnisse und korrelierende Breakpoints.

• Varianten-Calling:

  • SNVs: Einsatz von DeepVariant, das in Benchmarks die höchste Genauigkeit (F1-Score: 0,998) auf Nanopore-Daten zeigte.
  • SVs: Einsatz von sawfish, einem neuartigen Caller, der Lese-Sequenzen nahe der Breakpoints extrahiert und Konsens-Kontigs erstellt. Dies ermöglicht die präzise Identifizierung von Deletions-Breakpoints auch in Regionen mit fast identischen Flanken.
  • Annotation: Automatisierte Annotation und Priorisierung mittels AnnotSV.

• Phasierung und Genotyp-Korrektur (Kerninnovation):

  • FA-NIVA führt eine gemeinsame SNV-SV-basierte Phasierung durch.
  • Genotyp-Korrektur: Das System erkennt SNVs innerhalb großer Deletionen und korrigiert deren Genotyp von fälschlicherweise als homozygot annotiert auf hemizygot. Dies verhindert Fehl-Haplotaggings.
  • Große SVs werden aktiv in die Phasierung einbezogen, um die Auflösung zu erhöhen, was bei herkömmlichen Methoden oft nicht geschieht.

• Reporting und Reproduzierbarkeit:

  • Generierung umfassender Berichte (MultiQC, mosdepth, copyQC).
  • Protokollierung aller Parameter, Ressourcen-Nutzung (CPU/GPU), Docker-Versionen und Ausführungszeiten.

3. Ergebnisse und Validierung (Use-Cases)

Die Pipeline wurde an drei Szenarien getestet, um ihre Leistungsfähigkeit zu demonstrieren:

1. Detektion bialleler FANCA-Varianten (POD5-Eingabe):

   • Erfolgreiche Identifizierung einer 77,8 kb großen Deletion (exon 3 bis 3'-UTR) und einer SNV im nicht-kodierenden Bereich.
   • Die Pipeline lieferte die exakten nukleotidären Breakpoints, was MLPA allein nicht leisten konnte (Qualitätswert QUAL = 251).

2. Identifikation einer Alu-Insertion im FANCD2-Gen (POD5-Eingabe):

   • Detektion einer hochqualitativen 299 bp Insertion (Qualitätswert QUAL = 504) innerhalb repetitiver Elemente.
   • Beweis, dass die Pipeline auch Insertionen in komplexen, repetitiven Regionen zuverlässig erkennt.

3. Übertragbarkeit auf andere Erkrankungen (BAM-Eingabe):

   • Anwendung auf einen Patienten mit Limb-Girdle-Muskeldystrophie (LGMD2).
   • Identifikation einer 227 kb großen homozygoten Region im DYSF-Gen (5'-UTR), die durch Phasierung bestätigt wurde.
   • Validierung durch kurzes Read Whole Genome Sequencing (Illumina NovaSeq). Dies zeigt, dass die Pipeline auch für andere rezessive Erkrankungen nutzbar ist.

4. Schlüsselbeiträge

• End-to-End Automatisierung: FA-NIVA deckt den gesamten Workflow ab, von Rohsignalen bis zur klinischen Interpretation, und reduziert manuelle Eingriffe erheblich.
• Überwindung technischer Limitationen: Durch die Kombination von pbmm2 und sawfish werden spezifische Probleme bei der Alignment und Breakpoint-Bestimmung in FA-Genen gelöst.
• Verbesserte Phasierung: Die Integration von SVs in den Phasierungsprozess und die Korrektur von Genotypen in Deletionsregionen ermöglichen eine präzise Unterscheidung zwischen Homozygotie und Hemizygotie, was für die Diagnose von Compound-Heterozygotie entscheidend ist.
• Transparenz und Reproduzierbarkeit: Dank Nextflow und Docker ist die Pipeline in verschiedenen Rechenumgebungen lauffähig und dokumentiert jeden Schritt lückenlos.

5. Bedeutung und Ausblick

FA-NIVA schließt eine kritische Lücke in der klinischen Diagnostik von Fanconi-Anämie. Es ermöglicht den routinemäßigen Einsatz von Nanopore-Langlese-Sequenzierung, indem es eine zuverlässige, automatisierte und standardisierte Analyse für komplexe Varianten (SNVs und SVs) bereitstellt.

Die Pipeline ist nicht nur auf FA beschränkt, sondern kann dank ihrer modularen Architektur leicht an andere rezessive Erkrankungen oder andere Datentypen (z. B. PacBio) angepasst werden. Zukünftige Versionen planen die Integration von Methylierungsanalysen. FA-NIVA stellt somit einen wichtigen Schritt hin zu einer präzisen, kosteneffizienten und umfassenden genetischen Diagnostik dar.

Verfügbarkeit: Der Source Code ist unter der CC-BY-ND 4.0 Lizenz auf GitHub verfügbar (https://github.com/UKWgenommedizin/FA-NIVA).