Genetic demultiplexing and transcript start site identification from nanopore sequencing of 10x Genomics multiome libraries

Questo studio dimostra che il sequenziamento nanopore delle librerie multiome di 10x Genomics consente l'identificazione dei siti di inizio trascrizione (TSS) e il demultiplexing genetico su trascritti a lunghezza intera, recuperando una mediana del 63% dei TSS rilevati dai metodi a lettura corta.

L'essenziale

Immagina il nostro corpo come una città enorme e complessa fatta di miliardi di case (le cellule). Ogni casa contiene un archivio segreto (il DNA) e una serie di istruzioni su come costruire e gestire la casa (l'RNA).

Il Problema: La "Fotografia Sgranata"

Fino a poco tempo fa, gli scienziati usavano una tecnologia chiamata Illumina per leggere queste istruzioni. Era come scattare una fotografia sgranata e parziale di ogni casa.

• Il limite: Questa macchina fotografica vedeva solo la parte finale delle istruzioni (la "coda" del messaggio). Sapeva quale casa stava parlando, ma non sapeva dove aveva iniziato a parlare. Era come leggere solo l'ultima riga di una lettera: capivi il punto, ma non il contesto completo.
• Il risultato: Per sapere dove iniziava una lettera (il "punto di partenza" o Transcription Start Site), dovevano usare una macchina fotografica diversa e costosa, specifica per la parte iniziale.

La Soluzione: Il "Video in Alta Definizione"

In questo studio, gli scienziati hanno usato una nuova tecnologia chiamata Nanopore (sequenziamento a lettura lunga).

• L'analogia: Immagina di passare dalla fotografia sgranata a un video in 4K. Invece di tagliare le istruzioni, il Nanopore legge l'intero messaggio, dalla prima parola all'ultima, senza interruzioni.
• Il vantaggio: Ora possono vedere non solo cosa dice la cellula, ma anche dove ha iniziato a dirlo, tutto con un solo tipo di macchina.

Le Sfide Superate (e come le hanno risolte)

1. Il "Rumore" nella conversazione (Demultiplexing Genetico)
Spesso, per risparmiare tempo, gli scienziati mescolano le cellule di diverse persone (come 20 amici in una stanza) e poi cercano di capire chi dice cosa basandosi su piccoli dettagli genetici (come un accento o un modo di parlare unico).

• Il dubbio: La tecnologia Nanopore è un po' più "rumorosa" (fa più errori di lettura) rispetto alla vecchia tecnologia. Si chiedevano: "Riusciamo ancora a distinguere le voci delle 20 persone diverse in mezzo al frastuono?"
• La scoperta: Sì! Anche con il "rumore", sono riusciti a identificare correttamente chi appartiene a chi, quasi quanto con la tecnologia vecchia. È come riuscire a riconoscere i volti dei tuoi amici anche se la luce è un po' tremolante.

2. Trovare l'Inizio della Lettera (Identificazione dei TSS)
L'obiettivo principale era vedere dove iniziavano le istruzioni. Hanno usato un software intelligente chiamato SCAFE (come un detective che setaccia il testo).

• Il trucco: A volte, il video in 4K (Nanopore) mostra "fantasmi" o errori di lettura che sembrano inizi di parole ma non lo sono. Gli scienziati hanno creato una nuova procedura di pulizia (come un filtro per l'acqua) per rimuovere questi errori prima di analizzare il testo.
• Il risultato: Dopo la pulizia, il Nanopore è riuscito a trovare circa il 63% dei punti di inizio che la macchina fotografica speciale (5' GEX) trovava. Non è il 100%, ma è un risultato enorme perché lo fanno leggendo tutto il messaggio, non solo la fine.

Perché è importante?

Prima, per avere la visione completa (dove inizia e dove finisce), dovevi fare due esperimenti costosi e separati.
Ora, con questo metodo, puoi:

1. Risparmiare soldi e tempo: Un solo esperimento ti dà tutto.
2. Vedere la storia completa: Capire come le cellule decidono di iniziare a lavorare è fondamentale per capire le malattie (come i problemi muscolari studiati in questo articolo).
3. Migliorare la precisione: Anche se non cattura ogni singolo inizio, cattura abbastanza per essere molto utile, specialmente se si puliscono bene i dati.

In sintesi

Gli scienziati hanno dimostrato che possiamo usare una tecnologia moderna e veloce (Nanopore) per leggere le istruzioni delle nostre cellule in modo completo, superando i vecchi limiti. È come passare dal leggere solo la fine di un libro a leggerlo tutto, pagina per pagina, e capire finalmente la trama completa della storia della vita.

Sommario tecnico

Titolo: Demultiplexing genetico e identificazione dei siti di inizio della trascrizione (TSS) dal sequenziamento Nanopore di librerie 10x Genomics Multiome

1. Il Problema

Le tecnologie di sequenziamento a lettura corta (Illumina) utilizzate nelle piattaforme single-cell/single-nucleus (come 10x Genomics) catturano tipicamente solo l'estremità 3' dei trascritti di RNA. Questo approccio comporta la perdita di informazioni cruciali relative all'estremità 5', inclusi i Siti di Inizio della Trascrizione (TSS) e le varianti di splicing (isoforme).
Sebbene esistano kit specifici 10x "5' GEX" per recuperare queste informazioni, essi richiedono una preparazione di libreria separata e costosa.
L'uso del sequenziamento a lettura lunga (Nanopore/ONT) su librerie cDNA a lunghezza intera generate per l'assay 3' GEX offre la possibilità di recuperare i TSS senza librerie aggiuntive. Tuttavia, due sfide principali limitano l'adozione di questo approccio:

1. Demultiplexing genetico: L'alto tasso di errore del sequenziamento Nanopore potrebbe compromettere l'affidabilità dell'assegnazione dei nuclei ai donori (demultiplexing genetico), una pratica standard negli esperimenti multiplexati per ridurre i costi e rilevare i "doublet".
2. Identificazione dei TSS: La presenza di artefatti tecnici (come l'invasione di filamento dovuta all'oligonucleotide di template switching - TSO) e le differenze nella cattura del trascritto tra i kit 3' e 5' rendono difficile distinguere i veri TSS dai segnali di rumore quando si analizzano dati Nanopore derivati da librerie 3'.

2. Metodologia

Gli autori hanno condotto un esperimento su campioni di biopsia muscolare scheletrica (muscolo vasto laterale) da 52 donori unici, suddivisi in tre pool da 20 donori ciascuno.

• Preparazione del campione: Da ogni pool sono state generate librerie Multiome (3' GEX + ATAC) e librerie 5' GEX separate.
• Sequenziamento:
  • Le librerie 3' GEX e ATAC sono state sequenziate su piattaforma Illumina (short-read).
  • Il cDNA a lunghezza intera derivato dalle librerie 3' GEX è stato sequenziato su piattaforma Oxford Nanopore Technologies (ONT) (long-read).
  • Le librerie 5' GEX sono state sequenziate su Illumina come controllo di riferimento per i TSS.
• Analisi Bioinformatica:
  • Demultiplexing: Utilizzo di demuxlet sui dati ONT GEX, 3' GEX e ATAC per assegnare i nuclei ai donori basandosi sulle varianti genetiche (SNP).
  • Identificazione dei TSS: Utilizzo del software SCAFE (Single Cell Analysis of Five-prime Ends) sui dati ONT.
  • Preprocessing Ottimizzato: Gli autori hanno sviluppato un flusso di lavoro di pre-processing specifico per i file BAM di ONT prima di SCAFE. Questo include:
    • Rimozione degli allineamenti privi della sequenza residua attesa del TSO (GGG) all'estremità 5'.
    • Rimozione di allineamenti con eccessivo soft-clipping all'estremità 5'.
    • Filtraggio dei duplicati PCR che nominano posizioni 5' discordanti, mantenendo solo la posizione supportata dalla maggior parte delle letture.
    • Taglio delle letture per gestire limiti di lunghezza di SCAFE.

3. Contributi Chiave

1. Validazione del Demultiplexing su ONT: Dimostrazione che, nonostante l'alto tasso di errore intrinseco di Nanopore, il demultiplexing genetico è fattibile e altamente concordante con i dati Illumina (92% di concordanza tra ONT GEX e 3' GEX).
2. Pipeline di Pre-processing per SCAFE: Sviluppo e rilascio di script per la pulizia dei dati ONT che rimuovono sistematicamente gli artefatti legati al TSO e ai duplicati, migliorando drasticamente la qualità delle chiamate dei TSS.
3. Confronto Diretto 3' vs 5': Una valutazione quantitativa di quanto i TSS identificati tramite sequenziamento Nanopore di librerie 3' GEX si sovrappongano a quelli ottenuti con l'assay 5' GEX dedicato.

4. Risultati

• Demultiplexing: L'assegnazione dei nuclei ai donori tramite demuxlet sui dati ONT GEX ha mostrato un'alta concordanza (92%) con i dati 3' GEX Illumina. Anche se il numero di nuclei assegnati per donore è leggermente inferiore rispetto all'Illumina, la metodologia si è rivelata robusta.
• Correlazione dell'Espressione Genica: L'espressione genica "pseudobulk" e le clusterizzazioni cellulari (UMAP) ottenute dai dati ONT GEX sono altamente correlate con quelle dei dati 3' GEX Illumina, confermando che la qualità dei dati di espressione è mantenuta.
• Identificazione dei TSS:
  • Il pre-processing ottimizzato ha ridotto significativamente i falsi positivi (TSS chiamati in regioni quiescenti o all'interno del corpo genico).
  • Confrontando i dati ONT GEX (pre-processati) con i dati 5' GEX Illumina, gli autori hanno rilevato che l'approccio ONT cattura una mediana del 63% dei TSS rilevati dall'assay 5' GEX.
  • L'analisi genomica (es. loci MYL2, VGLL2, CA3) mostra che SCAFE identifica correttamente i promotori e le regioni regolatorie attive anche nei dati ONT, sebbene manchino alcuni TSS rilevati dal 5' GEX.
• Corrispondenza con Stati Cromatinici: I tCRE (transcribed cis-regulatory elements) identificati da ONT mostrano un arricchimento significativo negli stati cromatinici attivi (TSS e flanking), simile a quanto osservato con i dati 5' GEX, dopo l'applicazione del filtro di pre-processing.

5. Significatività

Questo studio dimostra che il sequenziamento Nanopore di librerie 10x Multiome (progettate originariamente per l'assay 3') è una strategia valida ed economica per ottenere informazioni a lunghezza intera e sui TSS, senza la necessità di costose librerie 5' GEX dedicate.

• Efficienza dei costi: Permette di ottenere dati di espressione genica, accessibilità della cromatina (ATAC) e informazioni sui TSS/isoforme da un'unica preparazione di libreria.
• Robustezza: Conferma che le tecniche di demultiplexing genetico, fondamentali per gli studi su larga scala, funzionano anche con dati a lettura lunga ad alto tasso di errore.
• Risorsa Computazionale: La fornitura di script di pre-processing specifici per ONT (disponibili su GitHub) risolve problemi tecnici noti nell'uso di SCAFE su dati long-read, rendendo il metodo accessibile alla comunità scientifica.
• Limiti e Prospettive: Sebbene non si raggiunga il 100% di sensibilità rispetto all'assay 5' GEX dedicato (63% di cattura), il metodo offre un compromesso eccellente per studi che richiedono una caratterizzazione completa del trascrittoma e della regolazione genica in un'unica modalità.