Low-heteroplasmy mitochondrial DNA mutations improve clonal reconstruction of human cells

Resumen Técnico: Las mutaciones de ADN mitocondrial de baja heteroplasmia mejoran la reconstrucción clonal de células humanas

Planteamiento del problema
La reconstrucción de las relaciones clonales en tejidos humanos es esencial para comprender el desarrollo, el envejecimiento y la enfermedad. Si bien las mutaciones somáticas del ADN mitocondrial (ADNmt) sirven como códigos de barras endógenos de célula única, el rastreo de linajes tradicional se ha visto limitado por la dependencia de variantes de alta heteroplasmia (típicamente >10%). Aunque estas variantes de alta frecuencia son más fáciles de detectar, son numéricamente escasas y pueden estar moldeadas por la selección, capturando así solo una fracción de la información de linaje disponible. Por el contrario, las variantes de baja heteroplasmia (<10%), que son más abundantes, han sido difíciles de distinguir del ruido técnico en la secuenciación de célula única, lo que ha llevado a su exclusión de los análisis de linaje. No se había probado si estas observaciones de baja heteroplasmia codifican una historia de linaje genuina o si son meros artefactos.

Metodología
Los autores utilizaron un enfoque de evaluación de referencia (benchmarking) basado en una verdad fundamental (ground-truth) para evaluar la utilidad de las mutaciones de ADNmt de baja heteroplasmia.

• Sistema experimental: Células madre y progenitoras hematopoyéticas (HSPC) primarias humanas de un donante sano fueron transducidas con una biblioteca de linaje y código de barras de recuperación de ARN (LARRY v2). Estas células fueron expandidas ex vivo y perfiladas mediante secuenciación multiómica de célula única con captura dirigida de ADNmt y códigos de barras lentivirales. Los códigos de barras lentivirales proporcionaron una definición independiente y de verdad fundamental de la identidad clonal ("lenti-clones").
• Identificación de variantes y filtrado: El estudio empleó el flujo de trabajo ReDeeM para el perfilado de mutaciones de ADNmt. Los autores introdujeron redeemR2.0, un flujo de trabajo de filtrado post-consenso actualizado (denominado filter2) que se basa en la estrategia original (filter1). Los componentes clave de filter2 incluyen:
  • Recorte de los extremos de los fragmentos de 9 pb para eliminar artefactos enriquecidos en los bordes.
  • Una prueba de bondad de ajuste binomial por variante para retener las variantes cuyas distribuciones de célula a célula se desvían del ruido técnico aleatorio (FDR 0.05).
  • Eliminación de variantes de tipo germinal basadas en la frecuencia poblacional (MITOMAP) y exclusión de regiones homoplásmicas o de la lista negra.
  • Retención de variantes soportadas por tan solo un eUMI (identificador molecular único endógeno) por célula, siempre que pasen los filtros estadísticos.
• Inferencia de linaje: Los autores utilizaron MitoDrift, un marco de trabajo sensible a la confianza que modela la herencia mitocondrial y la deriva de la heteroplasmia, para reconstruir árboles de linaje a partir de los perfiles de variantes de ADNmt filtrados.
• Métricas de evaluación: El rendimiento se evaluó comparando los clados inferidos contra los lenti-clones de verdad fundamental. Las métricas incluyeron:
  • Recall (Recuperación): La fracción de clones de verdad fundamental recuperados por un clado inferido.
  • Precisión: La fracción de clados inferidos que coinciden con un clone de verdad fundamental.
  • Similitud de Jaccard: Utilizada como un umbral (≥0.5 y ≥0.75) para definir una coincidencia exitosa entre un clado inferido y un clone de verdad fundamental.
  • Área bajo la curva de precisión-recall (AUPRC): Calculada a través de varios umbrales de soporte de MitoDrift.

Resultados clave

• Validación de las llamadas de baja heteroplasmia: Tras aplicar el riguroso flujo de trabajo filter2, las llamadas de mutaciones soportadas por un solo eUMI o que caen por debajo del 10% de heteroplasmia retuvieron las marcas moleculares de mutaciones de ADNmt genuinas. Estas incluyeron una firma dominada por transiciones (relación de transversiones ~0.03) y una distribución uniforme a lo largo de los fragmentos de lectura, distinguiéndolas del ruido de fondo.
• Mejora en la recuperación clonal: Utilizando la verdad fundamental de LARRY, el estudio demostró que retener el espectro completo de la heteroplasmia superó significativamente a los umbrales restrictivos.
  • En comparación con un umbral de heteroplasmia de >10%, el uso del conjunto completo de filter2 aumentó el AUPRC de 0.322 a 0.640 con un umbral de Jaccard de 0.5 (una ganancia de 2 veces) y de 0.203 a 0.433 con un umbral de Jaccard de 0.75 (una ganancia de 2.1 veces).
  • La inclusión de variantes de 1-eUMI mejoró aún más el rendimiento, elevando el AUPRC de 0.573 a 0.640 en el umbral de 0.5.
• Distribución de la información de linaje: El análisis de las llamadas de mutaciones individuales reveló que las variantes de baja heteroplasmia no son un ruido negligible, sino una fuente sustancial de señal.
  • Entre las llamadas informativas de linaje (aquellas enriquecidas dentro de clones específicos), el 52.9% caía por debajo del 10% de heteroplasmia por célula, y el 42.0% estaban soportadas por solo 1–3 eUMIs por célula.
  • Aunque los grupos de 1-eUMI y de la heteroplasmia más baja eran más ruidosos que los grupos de mayor soporte, estaban significativamente enriquecidos para llamadas informativas de linaje en comparación con un fondo aleatorizado, confirmando su valor colectivo para la recuperación clonal.
• Estrategia de filtrado: La estrategia redeemR2.0/filter2 dominó todos los demás enfoques probados (incluyendo filter1 y configuraciones tipo mgatk que carecen de corrección de errores basada en UMI) en el rendimiento de precisión-recall.

Significado y afirmaciones
El artículo establece que las mutaciones de ADNmt de baja heteroplasmia constituyen un registro abundante y auténtico de la historia clonal. Los autores concluyen que:

1. Expandir la señal: Los umbrales restrictivos de heteroplasmia (por ejemplo, >10%) incurren en un costo sustancial de sensibilidad. Incluir variantes por debajo de este umbral, incluso aquellas con bajo soporte molecular, expande sustancialmente el conjunto de marcadores de linaje utilizables.
2. Utilidad colectiva: Si bien las llamadas individuales de baja molécula deben interpretarse con cautela, su inclusión colectiva mejora significativamente la recuperación de las relaciones clonales reales.
3. Mejor práctica: Los autores recomiendan redeemR2.0/filter2 como la estrategia de preprocesamiento por defecto para el rastreo de linajes basado en ADNmt. Este enfoque combina un filtrado riguroso a nivel de molécula con la inclusión del espectro completo de la heteroplasmia, permitiendo una reconstrucción clonal de alta resolución en tejidos humanos sin necesidad de ingeniería genética.
4. Marco de trabajo: El estudio proporciona un marco de referencia anclado en la verdad fundamental para las mejores prácticas, demostrando que con la corrección de errores adecuada (consenso de eUMI y filtrado estadístico), el "ruido" de las variantes de baja heteroplasmia puede convertirse en datos de linaje de alto valor.

Los autores señalan que, si bien la verdad fundamental (codificación de barras lentiviral) es imperfecta debido al posible silenciamiento o pérdida de los códigos de barras, las ganancias observadas en la recuperación de linajes son robustas. Enfatizan que, aunque los parámetros específicos pueden variar según el tipo de célula, el principio de aprovechar las variantes de baja heteroplasmia con un filtrado riguroso es ampliamente aplicable para expandir la resolución de la variación mitocondrial natural en la historia celular humana.