Multi-modal benchmarking of the Ultima UG100 and Illumina NovaSeq sequencing platforms using clinically relevant FFPE tissues

Questo studio dimostra che la piattaforma Ultima UG100 offre prestazioni comparabili a quelle di Illumina NovaSeq su campioni FFPE clinici in diverse modalità di sequenziamento, confermandone l'utilità traslazionale per la genomica su larga scala grazie a un profilo di chiamata delle varianti più preciso e privo di artefatti.

L'essenziale

🧬 La Sfida: Due Motori, Stessa Corsa

Immagina che il nostro corpo sia un'enorme biblioteca piena di libri (i nostri geni). Per capire come funzioniamo o perché ci ammaliamo, dobbiamo leggere questi libri. Fino a poco tempo fa, c'era un solo "lettore" famoso e affidabile al mondo: Illumina. È come un lettore di libri molto preciso, che ha lavorato per decenni ed è lo standard in tutti gli ospedali e laboratori.

Ora, è arrivato un nuovo lettore, Ultima Genomics (UG100). È come un nuovo modello di auto da corsa: promette di essere molto più veloce ed economico, ma nessuno sa ancora se legge i libri con la stessa precisione del vecchio modello, specialmente quando i libri sono vecchi e rovinati (come i tessuti conservati nei laboratori da anni, chiamati FFPE).

Questo studio è stato un test di guida per vedere se il nuovo lettore (Ultima) può sostituire o affiancare quello vecchio (Illumina) senza commettere errori.

🔍 Cosa hanno fatto gli scienziati?

Hanno preso dei campioni di tessuti "vecchi" (da pazienti con tumori o malattie intestinali) e li hanno letti due volte: una volta con il vecchio lettore (Illumina) e una volta con il nuovo (Ultima). Hanno fatto questo test su quattro tipi di "letture" diverse:

1. WTS: Leggere tutto il libro (tutto il trascritto).
2. WES: Leggere solo i capitoli più importanti (i geni).
3. WGS: Leggere ogni singola parola del libro (tutto il genoma).
4. snRNA-seq: Leggere i libri di ogni singola cellula (come se si analizzasse una folla persona per persona).

🏁 I Risultati: Chi ha vinto?

Ecco cosa è emerso, usando delle metafore:

1. La Precisione della Lettura (RNA e Geni)

• Il Verdetto: Entrambi i lettori sono ottimi.
• L'Analogia: Immagina di dover copiare una ricetta di famiglia.
  • Illumina è come un copista molto attento che, se una parola è scritta male, la scrive esattamente come appare, anche se potrebbe essere un errore. A volte scrive parole strane (come "pseudogeni", che sono copie vecchie dei geni) perché è molto sensibile.
  • Ultima è come un copista che usa un po' più di "senso comune". Se una parola sembra ambigua, tende a scegliere la versione più probabile e pulita.
  • Risultato: Entrambi ti danno la ricetta giusta per cucinare il piatto (il risultato biologico). Le differenze sono solo su dettagli minuscoli che non cambiano il sapore del piatto.

2. Gli Errori di Battitura (Indel)

• Il Verdetto: Ogni macchina fa un tipo diverso di errore.
• L'Analogia:
  • Illumina fa pochissimi errori, ma quando ne fa uno, è quasi sempre un errore di "cancellazione" (toglie una lettera).
  • Ultima tende a fare errori di "aggiunta" (aggiunge una lettera in più) quando il testo è ripetitivo (come una frase che dice "la la la"). È come se il nuovo lettore si confondesse un po' di più con le frasi ripetute, ma questo è un errore prevedibile e gestibile.

3. La Caccia ai Colpevoli (Varianti Genetiche)

• Il Verdetto: Entrambi trovano i "colpevoli" principali (le mutazioni che causano il cancro), ma hanno stili diversi.
• L'Analogia: Immagina di cercare un ladro in una folla.
  • Illumina è molto sospettoso: chiama la polizia per ogni persona che sembra un po' strana. Trova molti più "sospetti", ma molti di questi sono innocenti (falsi positivi). È molto sensibile, ma un po' rumoroso.
  • Ultima è più selettivo: chiama la polizia solo quando è quasi sicuro. Trova meno "sospetti" in totale, ma quelli che trova sono quasi sempre colpevoli. È più "conservatore" e pulito.
  • Importante: Entrambi hanno trovato i veri colpevoli (le mutazioni pericolose del cancro).

4. Il Costo e il Futuro

• Il Verdetto: Ultima costa molto meno.
• L'Analogia: Se vuoi leggere 100.000 libri per un progetto di ricerca, con il vecchio lettore (Illumina) spendi una fortuna. Con il nuovo (Ultima), spendi una frazione di quella cifra. Questo significa che potremo fare studi su milioni di persone, non solo su poche centinaia, accelerando la scoperta di nuove cure.

💡 La Conclusione Semplificata

Questo studio ci dice che Ultima Genomics è un'ottima alternativa a Illumina, specialmente per i tessuti vecchi dei pazienti (che sono la maggior parte dei campioni nei laboratori).

• Non è perfetto: Fa un tipo di errore diverso (aggiunge lettere invece di togliearle) e a volte è meno "sensibile" a trovare dettagli molto piccoli e rari.
• Ma è affidabile: Per capire le malattie, trovare i geni del cancro e analizzare le cellule, funziona benissimo.
• Il futuro: Grazie a questa tecnologia più economica, potremo analizzare il DNA di intere popolazioni a costi ridotti, aiutando l'Intelligenza Artificiale a imparare meglio come funzionano le malattie e a trovare cure più rapide.

In sintesi: Il nuovo lettore è veloce, economico e legge la storia della nostra salute quasi perfettamente come il vecchio, anche se ha un suo piccolo "accento" tutto suo.

Sommario tecnico

Titolo dello Studio

Valutazione multimodale di benchmarking delle piattaforme di sequenziamento Ultima UG100 e Illumina NovaSeq su tessuti FFPE clinicamente rilevanti.

1. Il Problema

Le tecnologie di sequenziamento ad alto rendimento (NGS) stanno evolvendo rapidamente per ridurre i costi e aumentare la scalabilità, supportando l'analisi di grandi dataset multi-omici necessari per l'intelligenza artificiale (AI) e la medicina di precisione. Tuttavia, le prestazioni delle nuove piattaforme, in particolare quelle basate su chimiche emergenti come il mostly natural sequencing-by-synthesis (mnSBS) di Ultima Genomics, non sono state sufficientemente caratterizzate su campioni clinici reali.
La maggior parte delle valutazioni si è concentrata su linee cellulari o campioni freschi, mentre i campioni archiviati in FFPE (tessuto fissato in formalina e incluso in paraffina) rappresentano la fonte principale per studi traslazionali e di biobanche. Questi campioni presentano sfide tecniche specifiche (degradazione del DNA/RNA, artefatti chimici). Manca quindi un confronto sistematico e multimodale tra la piattaforma consolidata Illumina NovaSeq (SBS) e la nuova Ultima UG100 su tessuti FFPE, per garantire la validità biologica dei dati generati.

2. Metodologia

Lo studio ha condotto un benchmarking "head-to-head" su 15 campioni FFPE provenienti da cinque indicazioni cliniche:

• Oncologia: Linfoma Diffuso a Grandi Cellule B (DLBCL), Glioblastoma (GBM), Carcinoma della vescica muscolo-invasivo (MIBC).
• Malattie infiammatorie intestinali (IBD): Colite Ulcerosa (UC) e Morbo di Crohn (CD).

I campioni sono stati profilati attraverso quattro modalità di sequenziamento:

1. snRNA-seq (sequenziamento dell'RNA da singoli nuclei).
2. WTS (Whole Transcriptome Sequencing / Bulk RNA-seq).
3. WES (Whole Exome Sequencing) – solo per campioni oncologici.
4. WGS (Whole Genome Sequencing) – solo per campioni IBD.

Flusso di lavoro:

• Preparazione: Estrazione di DNA/RNA e preparazione delle librerie eseguite da CeGaT (Germania) per la piattaforma Illumina. Le librerie sono state poi convertite con adattatori specifici e sequenziate su Ultima UG100 (USA). Per il WGS, la preparazione delle librerie è stata eseguita indipendentemente in entrambe le strutture.
• Analisi Bioinformatica:
  • Illumina: Elaborata con il pipeline DRAGEN (ottimizzato per SBS).
  • Ultima: Elaborata con DeepVariant (ottimizzato per mnSBS).
• Normalizzazione: Per garantire un confronto equo, i dati Ultima (che avevano una profondità di lettura superiore) sono stati downsampled per corrispondere al numero di letture Illumina.
• Metriche Valutate: Qualità dei dati, profili di copertura, spettri di errore, concordanza delle varianti, riproducibilità trascrittomica e recupero di segnali biologici (cluster cellulari, pathway).

3. Risultati Chiave

A. Sequenziamento Trascrittomico (WTS e snRNA-seq)

• Qualità e Mappatura: Entrambe le piattaforme hanno mostrato un'elevata riproducibilità (correlazione r > 0.95). Ultima ha prodotto letture leggermente più lunghe (120 bp vs 90 bp di Illumina, a causa del trimming degli adattatori Illumina su campioni FFPE degradati).
• Bias di Biotype: Illumina ha rilevato una percentuale leggermente superiore di pseudogeni e RNA non codificanti, probabilmente a causa della sua capacità di mappare letture corte su regioni omologhe. Ultima ha mostrato una maggiore assegnazione ai geni codificanti per le proteine. Tuttavia, queste differenze non hanno alterato le conclusioni a livello di pathway o la rilevazione di geni a bassa espressione.
• snRNA-seq: Nonostante una profondità di lettura 5 volte superiore su Ultima, il numero mediano di UMI per cellula non è aumentato significativamente (indicando un sovracampionamento). Il clustering cellulare e le proporzioni dei tipi cellulari sono stati qualitativamente simili. In un caso (DLBCL), Ultima ha rilevato una maggiore abbondanza di cellule B maligne, mentre Illumina ne ha rilevate di meno, ma la biologia di base è rimasta coerente.
• Correzione del Batch: I dati possono essere combinati senza correzioni di batch aggressive; Ultima ha mostrato una coerenza intrinseca superiore nei campioni IBD, mentre Illumina ha beneficiato della correzione di batch nei campioni oncologici.

B. Sequenziamento Esomico (WES)

• Copertura e Qualità: Entrambe le piattaforme hanno raggiunto una copertura media target >120x con uniformità comparabile.
• Errori di Indel: Ultima ha mostrato un tasso di errori di inserzione/delezione (indel) più alto, ma questi erano sistematicamente biasati verso regioni a bassa complessità (es. omopolimeri), mentre Illumina aveva un tasso di errore uniforme e molto basso.
• Chiamata delle Varianti (Variant Calling):
  • Ultima (DeepVariant): Approccio più conservativo. Ha prodotto un set di varianti più pulito, con meno falsi positivi a bassa frequenza (VAF <10%) e meno varianti uniche rispetto a Illumina.
  • Illumina (DRAGEN): Approccio più permissivo, rilevando un numero molto maggiore di varianti uniche (spesso a bassa VAF o a bassa confidenza).
  • Concordanza: Entrambe le piattaforme hanno rilevato con alta affidabilità le mutazioni driver oncogeniche e le varianti clinicamente azionabili (es. TP53, MYC, EZH2). Le discrepanze riguardavano principalmente il "rumore" di fondo, non i segnali biologici critici.

C. Sequenziamento Genomico (WGS)

• Benchmark GIAB: Rispetto al set di verità "Genome in a Bottle" (HG001), Ultima ha mostrato una sensibilità leggermente superiore ma un carico di falsi positivi (FP) significativamente più alto (circa 3 volte) rispetto a Illumina. Tuttavia, questo è stato attribuito anche alla configurazione del pipeline e alla profondità di lettura.
• Varianti Germinale: Su campioni reali IBD, Ultima ha dimostrato una specificità superiore, riducendo drasticamente le chiamate di varianti a bassa frequenza (spesso artefatti). Illumina ha rilevato un volume molto maggiore di varianti a bassa frequenza (fino al 70% del suo set), che sono state identificate come rumore.
• Varianti Cliniche (GWAS IBD): Illumina ha rilevato una frazione maggiore di varianti note associate all'IBD rispetto a Ultima, riflettendo la sua maggiore sensibilità (ma anche minore specificità) nel chiamare varianti rare o a bassa confidenza.

4. Contributi e Significatività

1. Prima Valutazione Completa su FFPE: Questo studio fornisce la prima valutazione multimodale completa della piattaforma Ultima UG100 su tessuti FFPE, un materiale clinico critico ma tecnicamente impegnativo.
2. Validazione per l'AI e la Medicina di Precisione: Dimostra che i dati generati da Ultima sono biologicamente fedeli e interoperabili con quelli Illumina. Le differenze tecniche (bias di indel, assegnazione dei biotipi) non compromettono l'identificazione di pathway biologici, segnali immunitari o varianti driver, rendendo Ultima adatta per la creazione di dataset su larga scala per l'addestramento di modelli AI.
3. Compromesso Sensibilità vs. Specificità: Lo studio evidenzia un trade-off fondamentale:
   • Illumina/DRAGEN: Massima sensibilità, ideale per la scoperta di varianti rare, ma con un carico di rumore più elevato che richiede filtri rigorosi.
   • Ultima/DeepVariant: Profilo più conservativo e "pulito", con meno falsi positivi a bassa frequenza, ideale per studi di popolazione dove la riduzione del rumore è prioritaria, anche se potrebbe perdere alcune varianti a bassa frequenza.
4. Implicazioni per i Costi: Conferma il potenziale di Ultima di ridurre i costi del sequenziamento (sotto i $0.01 per cella per snRNA-seq) mantenendo una qualità biologica sufficiente per la ricerca traslazionale.
5. Limiti e Futuro: Lo studio nota che la piattaforma UG100 è la prima implementazione commerciale di mnSBS. Le future iterazioni (serie UG200) promettono di migliorare l'uniformità della copertura e ridurre gli errori in regioni a bassa complessità.

Conclusione

Il paper conclude che la tecnologia mnSBS di Ultima Genomics rappresenta un'alternativa scalabile ed economicamente vantaggiosa alle piattaforme Illumina consolidate. Sebbene esistano differenze nei profili di errore e nelle strategie di chiamata delle varianti, entrambe le piattaforme catturano con alta fedeltà i segnali biologici rilevanti. Per l'integrazione in flussi di lavoro clinici e di ricerca su larga scala, è fondamentale armonizzare i pipeline bioinformatici e calibrare le soglie di chiamata in base alla chimica specifica, piuttosto che considerare le piattaforme come intercambiabili a livello di singolo base-call.