RapidMACS: MACS3-identical peak calling, 50x faster

Dans le monde microscopique à l'intérieur de nos cellules, l'ADN qui détient nos instructions génétiques ne flotte pas librement ; il est étroitement enroulé autour de bobines protéiques, formant une structure dense qui doit être gérée avec soin. Pour lire des gènes spécifiques ou pour comprendre comment les cellules décident quelles parties de leur code génétique utiliser, les scientifiques doivent savoir exactement où cet ADN est accessible et où il est étroitement compacté. Une façon courante de trouver ces régions accessibles consiste à traiter l'ADN avec des enzymes qui ne coupent que les parties lâches et ouvertes, laissant intactes les sections étroitement enroulées. En cartographiant l'endroit où ces coupures se produisent, les chercheurs peuvent localiser précisément les zones actives du génome. Ce processus génère de vastes quantités de données, qui doivent ensuite être analysées pour identifier les emplacements spécifiques d'intérêt. Cette étape d'analyse, appelée « peak calling » (appel de pics), agit comme un filtre qui passe au crible des millions de points de données pour trouver les endroits précis où le signal est suffisamment fort pour être significatif. Pendant des années, un outil largement utilisé appelé MACS3 a été la norme pour cette tâche, capable de gérer de nombreux types d'expériences et de formats de données. Cependant, à mesure que le volume de données biologiques a explosé, le temps nécessaire pour exécuter ces analyses est devenu un goulot d'étranglement important, ralentissant le rythme de la découverte dans des domaines allant de la biologie fondamentale à la recherche médicale.

Une équipe de chercheurs a maintenant introduit un nouvel outil appelé RapidMACS, conçu pour résoudre ce problème de vitesse sans sacrifier la précision. Bien que la boîte à outils MACS3 existante soit puissante et polyvalente, capable de gérer une grande variété de conditions expérimentales, de nombreuses études modernes, particant celles impliquant la cartographie de la chromatine ouverte dans les cellules uniques, n'ont besoin que d'une fonction spécifique : trouver des pics d'activité étroits. Les chercheurs ont réalisé que l'utilisation d'une machine massive et polyvalente pour une tâche unique et simple était inefficace. Ils ont entrepris de construire un outil spécialisé qui pourrait accomplir cette seule tâche, mais en le faisant avec une vitesse bien supérieure. Le résultat est un programme qui traite les données en un seul passage rationalisé, évitant la nécessité de trier l'ensemble du jeu de données de manière globale ou de créer des fichiers temporaires sur un disque dur. Au lieu de cela, il conserve les informations nécessaires dans la mémoire de l'ordinateur et traite différentes sections du génome simultanément. Cette approche permet au logiciel de traiter les données beaucoup plus rapidement que l'ancien standard.

La performance de ce nouvel outil a été testée à travers plusieurs types d'expériences biologiques, incluant celles qui cartographient l'ADN ouvert dans les cellules uniques, les échantillons de tissus globaux et les interactions spécifiques protéine-ADN. Lors de ces tests, RapidMACS s'est avéré entre 3,5 et 51 fois plus rapide que la version précédente de MACS3, selon l'expérience spécifique et le nombre de processeurs informatiques utilisés. Peut-être plus important encore, les chercheurs ont constaté que la sortie de RapidMACS est identique au bit près à la sortie de MACS3. Cela signifie que chaque nombre et chaque emplacement rapporté par le nouvel outil correspond exactement à l'ancien outil, jusqu'au dernier chiffre. Parce que les résultats sont identiques, les scientifiques peuvent passer à l'outil plus rapide avec la certitude absolue que leur analyse en aval ne changera pas. L'amélioration de la vitesse ne provient pas de l'utilisation d'un langage de programmation différent, mais d'une manière plus intelligente d'organiser les calculs, permettant au logiciel de sauter les étapes inutiles que l'ancien outil était forcé d'effectuer.

Ce nouveau logiciel est désormais disponible pour quiconque souhaite l'utiliser, fourni sous la forme d'un programme autonome qui peut être exécuté directement ou comme un composant pouvant être intégré dans des pipelines d'analyse plus larges. Il est écrit de manière légère, ne reposant que sur les bibliothèques essentielles pour la lecture de fichiers de données biologiques, et ne nécessite pas d'environnements d'exécution complexes pour fonctionner. En éliminant le temps perdu dans le traitement répétitif des données, RapidMACS permet aux chercheurs de passer moins de temps à attendre que les ordinateurs terminent leur travail et plus de temps à interpréter les histoires biologiques cachées dans les données. L'outil représente un raffinement pratique dans la boîte à outils scientifique, prouvant que même dans un domaine piloté par des algorithmes complexes, l'efficacité peut être gagnée en simplifiant le chemin vers la réponse.