Incorporating cell states for mapping eQTLs in single-cell studies

I geni sono i manuali di istruzioni per costruire e gestire un organismo vivente, ma non operano nel vuoto. La loro attività è costantemente regolata da piccole variazioni nel codice del DNA stesso, note come varianti genetiche. Gli scienziati chiamano le posizioni specifiche in cui queste varianti influenzano l'attività genica "loci dei tratti quantitativi di espressione", o eQTL. Per decenni, i ricercatori hanno mappato queste relazioni studiando gruppi di cellule mescolate insieme, come se si prendesse un frullato di un tessuto e si misurasse il sapore medio. Questo approccio ha rivelato come i geni siano regolati attraverso diversi organi e ampi tipi cellulari. Tuttavia, il corpo umano non è un frullato; è un ecosistema complesso in cui le singole cellule all'interno dello stesso tessuto possono trovarsi in stati di attività, maturità o risposta all'ambiente profondamente diversi. Una cellula potrebbe essere a riposo, in divisione o impegnata a combattere un'infezione, e la sua regolazione genetica può cambiare a seconda di quello specifico stato.

La sfida per la scienza moderna è che questi cambiamenti sottili, dipendenti dallo stato, vengono spesso persi quando le cellule vengono mescolate insieme. Inoltre, i dati raccolti dalle singole cellule sono incredibilmente sparsi e rumorosi, il che rende difficile applicare gli strumenti statistici standard senza incorrere in errori. I ricercatori avevano bisogno di un modo per osservare la regolazione genica dei geni non solo attraverso i tipi cellulari, ma attraverso lo spettro continuo degli stati cellulari, pur gestendo la realtà disordinata dei dati a singola cellula. Senza un metodo capace di navigare questa complessità, molti importanti segnali genetici rimanevano nascosti, oscurati dal processo di mediazione o scartati come rumore statistico.

Per risolvere questo problema, un team di statistici e biologi della Tsinghua University, della Capital University of Economics and Business e della Yale University ha sviluppato un nuovo framework chiamato scarf-QTL. Questo metodo è progettato per mappare come le varianti genetiche influenzano l'espressione genica mentre le cellule si muovono attraverso diversi stati, come durante il loro sviluppo o in risposta a stimoli. Invece di raggruppare le cellule in categorie rigide e predefinite, i ricercatori hanno trattato lo stato cellulare come una coordinata continua, simile a una linea temporale o a uno spettro. Hanno modellato l'espressione genica come una funzione fluida che si muove lungo questa coordinata, permettendo di catturare come un effetto genetico possa essere forte in una parte dello spettro e debole in un'altra.

L'innovazione centrale di scarf-QTL risiede nel modo in cui gestisce la matematica dell'associazione. I metodi tradizionali spesso assumono che l'espressione genica segua una perfetta curva a campana, un'assunzione che fallisce frequentemente con i dati a singola cellula, che sono pieni di zeri e picchi irregolari. Quando queste assunzioni sono errate, i test standard possono produrre falsi allarmi o mancare segnali reali. Il nuovo metodo utilizza un approccio "retrospettivo". Invece di chiedere come l'espressione genica cambi dato un particolare genotipo, chiede come il genotipo sia distribuito data l'espressione genica osservata. Questo sottile cambio di prospettiva rende il test robusto contro le distribuzioni non normali e disordinate tipiche dei dati a singola cellula. Permette ai ricercatori di utilizzare un modello computazionalmente efficiente pur mantenendo un rigoroso controllo sui falsi positivi, garantendo che i segnali trovati siano reali.

Il team ha testato ampiamente il proprio metodo utilizzando simulazioni al computer prima di applicarlo a dati reali. Hanno creato dataset artificiali che imitavano vari scenari biologici, inclusi casi di cellule con effetti genetici costanti, effetti che aumentavano linearmente e modelli complessi come picchi o cicli. In queste simulazioni, il nuovo metodo ha controllato con successo il tasso di falsi allarmi, anche quando i dati erano generati da distribuzioni che non seguivano le regole statistiche standard. Al contrario, i metodi più vecchi che si basavano su rigide assunzioni sulla distribuzione dei dati iniziarono a produrre troppi falsi positivi. Per quanto riguarda la ricerca di segnali reali, il nuovo metodo si è dimostrato più potente dell'approccio "pseudobulk" standard, che media le cellule insieme. È stato particolarmente efficace nel rilevare effetti genetici concentrati in specifici stati cellulari o che cambiavano direzione, modelli che l'approccio di mediazione spesso smussava fino a farli scomparire.

Il team ha poi applicato scarf-QTL al dataset OneK1K, una vasta collezione di dati di sequenziamento dell'RNA a singola cellula provenienti da 982 individui sani, contenente oltre 1,2 milioni di cellule del sangue appartenenti a 14 diversi tipi di cellule immunitarie. In questo test nel mondo reale, il metodo ha identificato il 30% in più di geni con una significativa regolazione genetica rispetto all'analisi pseudobulk precedente. Questo aumento non era solo una questione di trovare più rumore; il nuovo metodo ha scoperto geni specifici che erano stati completamente ignorati dal vecchio approccio. Ad esempio, nelle cellule dendritiche, un tipo di cellula immunitaria cruciale per combattere le infezioni, il metodo ha rivelato che la regolazione genica varia spesso a seconda del sottogruppo specifico della cellula. Un gene, noto per essere un marcatore per un particolare sottogruppo di cellule dendritiche, mostrava un forte effetto genetico solo nelle cellule che avevano progredito verso un certo stato. Il vecchio metodo, che trattava tutte le cellule dendritiche come un unico gruppo, non era riuscito a rilevare questa associazione perché l'effetto veniva diluito mediandolo attraverso l'intera popolazione.

Raggruppando i pattern di questi appena scoperti effetti genetici, i ricercatori hanno trovato distinti gruppi di geni che si comportavano diversamente al variare dello stato cellulare. Alcuni geni mostravano un'influenza genetica crescente mentre le cellule si muovevano verso uno stato di cellula dendritica convenzionale, mentre altri mostravano un'influenza decrescente mentre le cellule si muovevano verso uno stato plasmocitoide. Questi pattern si allineavano con funzioni biologiche note, come la presentazione dell'antigene, confermando che il metodo stava catturando una genuina regolazione biologica piuttosto che artefatti statistici. La capacità di vedere questi cambiamenti continui e dipendenti dallo stato suggerisce che molte varianti genetiche non agiscono come semplici interruttori on/off, ma come manopole che aumentano o diminuiscono a seconda della condizione attuale della cellula.

Anche l'efficienza computazionale del metodo è stata un risultato chiave. Nonostante la complessità di modellare milioni di singole cellule, l'algoritmo è scalabile, impiegando circa lo stesso tempo dei metodi pseudobulk più semplici nell'analisi di dataset tipici. Questa efficienza è ottenuta utilizzando scorciatoie matematiche che riducono la dimensionalità del problema senza perdere la sfumatura dei dati a singola cellula. Ciò significa che il metodo può essere applicato anche a dataset più grandi e diversificati man mano che diventano disponibili, senza richiedere una potenza di calcolo proibitiva.

Lo studio conclude che, sebbene il nuovo metodo presenti dei limiti, come la difficoltà di testare direttamente se un effetto vari attraverso gli stati o la necessità di scelte attente nella definizione della coordinata dello stato cellulare, esso rappresenta un passo avanti significativo. Fornisce un modo rigoroso e scalabile per scoprire gli strati nascosti della regolazione genica che esistono nel panorama dinamico delle singole cellule. Andando oltre la visione statica dei tipi cellulari e abbracciando la natura continua degli stati cellulari, i ricercatori possono ora mappare l'architettura genetica del sistema immunitario con un livello di dettaglio che prima era fuori portata. Le scoperte suggeriscono che la regolazione genetica delle nostre cellule è molto più fluida e dipendente dal contesto di quanto precedentemente compreso, aprendo nuove strade per comprendere come la variazione genetica influenzi la salute e la malattia al livello più fondamentale.