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

この論文は、10x Genomics のマルチオミックスライブラリをナノポアシーケンシングすることで、短読長シーケンシングでは得られなかった転写開始部位（TSS）の情報をフル長転写子として取得でき、遺伝的デマルチプレクシングも成功し、短読長 5'アッセイと比較して検出された TSS の中央値 63% を捉えることを実証したことを示しています。

要約

📖 1. 背景：これまでの「断片」しか読めなかった

まず、細胞（体の小さな部品）の中にある「遺伝子（DNA）」は、細胞が今何をしているかを示す**「手紙」**のようなものです。

• これまでの方法（Illumina シーケンサー）：
  研究者たちは、この長い手紙を**「切り刻んで」**、短い断片だけを並べて読んでいました。
  • 3' GEX（従来の方法）： 手紙の**「最後の行（結び）」**しか読めません。だから、「誰が書いたか（細胞の種類）」はわかりますが、「どこから書き始めたか（書き出し）」はわかりません。
  • 5' GEX（別の方法）： 手紙の**「冒頭（書き出し）」**を読む方法もありますが、これは特別なセットが必要で、手紙の「中身（全文）」は読めません。

問題点：
「書き出し（どこから始まったか）」がわからないと、遺伝子がどう制御されているか、完全な理解ができませんでした。

---

🔍 2. 新しい方法：ナノポアで「全文」を読む

この研究では、**「ナノポア（Nanopore）」**という新しい機械を使って、切り刻まずに、長い手紙（遺伝子）をまるごと読もうとしました。

• ナノポアのメリット：
  手紙の「冒頭」から「結び」まで、全文を一度に読めるので、「どこから書き始めたか（転写開始点）」がはっきりわかります。
• ナノポアの弱点：
  でも、この機械は**「読み間違い（エラー）」**が少し多いんです。だから、これまで「読み間違いが多いから使えない」と言われていました。

---

🧩 3. この論文のすごい発見（3 つのポイント）

研究者たちは、「読み間違いが多いナノポアでも、ちゃんと使えるか？」を確かめました。

① 「宛名」の読み取り（遺伝子デマルチプレクシング）

【比喩：混ざった手紙の宛名を当てる】
実験では、何十人もの人（ドナー）から取った細胞を、1 つの箱（チップ）に混ぜて処理しました。後で「この手紙は A さんのもの、これは B さんのもの」と区別する必要があります。

• 発見： 読み間違いが多いナノポアでも、「宛名（遺伝子の違い）」を正しく見分けて、誰の手紙かを当てることができました！
  • これまで「読み間違いが多いと区別できない」と思われていましたが、実は大丈夫だったのです。

② 全文から「書き出し」を見つける（SCAFE というツール）

【比喩：手紙の「書き出し」を特定する】
ナノポアで読んだ長い手紙から、「どこから書き始めたか」を自動で見つけるための**「魔法のツール（SCAFE）」**を使いました。

• 工夫： 機械の読み間違いや、ゴミのようなノイズ（不要な部分）を**「掃除する手順」**を工夫しました。
• 結果： 特別な「書き出し専用セット（5' GEX）」を使わなくても、「結び専用セット（3' GEX）」から全文をナノポアで読むだけで、書き出しを約 6 割〜7 割見つけることができました。
  • 完全ではありませんが、これだけで十分多くの重要な情報が得られることがわかりました。

③ 細胞の「種類」を見分ける

【比喩：手紙の文体から職業を当てる】
「筋肉の細胞」「免疫細胞」など、細胞の種類によって手紙の書き方が違います。

• 結果： ナノポアで読んだデータでも、従来の方法とほぼ同じように、細胞の種類を正しく分類できました。

---

💡 4. なぜこれが重要なの？（まとめ）

この研究は、以下のような**「魔法」**を証明しました。

1. コストと手間を節約：
   これまで「書き出し」を知るには、特別な高価なキット（5' GEX）が必要でした。でも、「普通のキット（3' GEX）」でナノポアを使えば、同じような情報が得られることがわかりました。
2. より深い理解：
   手紙の「冒頭」がわかることで、遺伝子が**「なぜ、いつ、どのようにスイッチオンになったか」**という、より深い秘密が解き明かせるようになります。
3. ミスの克服：
   「読み間違いが多い」と言われていたナノポアでも、「正しい読み方（データ処理）」を工夫すれば、信頼できる結果が得られることを示しました。

🌟 結論

この論文は、**「新しい機械（ナノポア）を使えば、細胞の遺伝子情報を、より安く、より深く、そして全文ごと読み取れるようになった」**という、生物学の新しい扉を開く研究です。

これからの医療や研究では、この方法を使って、病気の原因や新しい治療法を見つける手がかりが、もっとたくさん見つかるでしょう！

技術概要

この論文は、Oxford Nanopore Technologies (ONT) による長鎖塩基配列解析（ロングリードシーケンシング）を、10x Genomics のマルチオミクス（3' 遺伝子発現と ATAC-seq）ライブラリに適用し、従来のショートリードシーケンシングでは得られなかった「転写開始部位（TSS）」の情報を回復させる手法と、その有効性を検証した研究です。

以下に、論文の内容を技術的に詳細に要約します。

1. 背景と課題 (Problem)

• 既存技術の限界: 10x Genomics の標準的なシングルセル/シングルヌクレオチドマルチオミクス解析では、遺伝子発現（GEX）ライブラリは通常、ショートリード（Illumina）でシーケンシングされます。この際、cDNA は断片化されるため、3' 末端の配列のみが読み取られ、転写開始部位（TSS）やアイソフォームの完全な構造に関する情報は失われます。
• TSS 情報の必要性: TSS を特定するには、専用の 5' GEX アッセイが必要ですが、これは追加のコストと実験手順を要します。
• ロングリードの課題: ONT による全長 cDNA のシーケンシングは TSS 情報を復元する可能性がありますが、以下の課題がありました。
  1. 遺伝的デマルチプレクシングの信頼性: ONT は Illumina に比べてエラーレートが高いため、サンプル混合（プーリング）時の遺伝子型に基づいたサンプル割り当て（デマルチプレクシング）が正確に行えるか不明でした。
  2. TSS 同定の精度: 3' GEX ライブラリから得られた ONT データを用いて、5' GEX アッセイと同等の精度で TSS を同定できるか、およびアーティファクト（TSO 由来のストランド侵入など）をどう除去するかが課題でした。

2. 方法論 (Methodology)

研究チームは、ヒトの大腿四頭筋（vastus lateralis）から採取した 60 個の凍結生検サンプル（52 人のドナー）を用いた実験を行いました。

• 実験デザイン:
  • 3 つのプール（各 20 ドナー）を作成し、それぞれから 10x Genomics Multiome（3' GEX + ATAC）ライブラリを調製。
  • 3' GEX モダリティの中間生成物である全長 cDNA を ONT でシーケンシング（ONT GEX）。
  • 同時に、同じプールから 5' GEX ライブラリを調製し、Illumina でシーケンシング（5' GEX）。
  • 3' GEX と ATAC モダリティも Illumina でシーケンシング。
• データ処理パイプライン:
  • 遺伝的デマルチプレクシング: demuxlet ツールを用い、ONT GEX、3' GEX、ATAC の各リードから遺伝子変異を検出し、ドナー割り当てを実行。
  • TSS 同定（SCAFE の適用）: 5' 末端を特定するためのツール SCAFE を使用。
    • 前処理の最適化: ONT リードを SCAFE に投入する前に、以下のフィルタリングを施す独自パイプラインを開発しました。
      • TSO（Template Switch Oligo）配列（GGG）の残存確認とトリミング。
      • 5' 端の過剰なソフトクリッピングの除去。
      • PCR ダブルット（同じバーコード・UMI・遺伝子）間で 5' 末端位置が一致しないアーティファクトの除去。
      • 3' 端のトリミング（SCAFE のエラー回避のため）。
  • 比較評価: 処理済みの ONT GEX データから得られた「転写 Cis 調節要素（tCREs）」を、5' GEX データおよび既存の筋肉組織クロマチン状態アノテーション（ChromHMM）と比較しました。

3. 主要な成果 (Key Results)

A. 遺伝的デマルチプレクシングの成功

• ONT 配列データ（エラーレートが高い）を用いた demuxlet によるドナー割り当ては、Illumina 3' GEX データと非常に高い一致率（92%）を示しました。
• 各ドナーに割り当てられた核の数は、ONT GEX の方が 3' GEX よりわずかに少なかったものの、両者の相関は強く、ONT による遺伝的デマルチプレクシングが実用的であることを証明しました。

B. 遺伝子発現プロファイルの一致

• ONT GEX と 3' GEX の擬似バルク（pseudobulk）遺伝子発現量は高い相関を示しました。
• 細胞タイプクラスタリング（UMAP 投影）および主要マーカー遺伝子の発現パターンも、両モダリティ間でほぼ同一でした。

C. TSS 同定と tCRE の検出

• 前処理の重要性: 単に 3' 端をトリミングしただけの ONT データでは、不活性な領域や遺伝子本体に誤って tCRE が多数検出される（偽陽性）傾向がありました。しかし、提案された厳格な前処理（TSO 残存確認、アーティファクト除去）を施すことで、活性 TSS 近傍の tCRE 検出を維持しつつ、偽陽性を大幅に削減しました。
• 5' GEX との比較: 最適化された ONT GEX データからは、5' GEX アッセイで検出された tCRE の中央値で**63%**を再検出できました。
• 具体例: MYL2 や VGLL2 などの筋肉関連遺伝子のプロモーター領域において、ONT GEX と 5' GEX の両方で同様の TSS が検出されました。
• 欠落要因: 5' GEX で検出されたが ONT で検出されなかった TSS については、アッセイキットのキャプチャ効率の違い、ライブラリ調製の不備、またはさらなる計算処理の最適化の必要性が示唆されました。

4. 貢献と意義 (Contributions & Significance)

• 技術的革新: 10x Genomics の 3' GEX ライブラリから得られた全長 cDNA を ONT でシーケンシングすることで、追加の 5' GEX アッセイなしに TSS 情報を回復できることを実証しました。
• コスト効率と情報量: 従来のショートリード 3' GEX に加えて、アイソフォーム情報や TSS 情報を得られるため、実験コストを抑えつつ多角的な解析が可能になります。
• 解析ツールの提供: ONT 配列データから高品質な TSS を同定するための前処理スクリプト（GitHub で公開）と、SCAFE ツールを ONT データに適用するための具体的なワークフローを提供しました。
• 将来展望: 遺伝的デマルチプレクシングが ONT データでも可能であることは、大規模なコホート研究においてサンプルプーリングを容易にし、技術的変動を低減する上で重要です。

結論

この研究は、ONT シーケンシングを 10x Genomics マルチオミクス実験に統合する際の課題（エラーレートによるデマルチプレクシングの不安定性、TSS 同定におけるアーティファクト）を解決し、ショートリードシーケンシングに匹敵する遺伝子発現プロファイルと、5' GEX アッセイに相当する TSS 情報を提供できることを示しました。これは、シングルセル解析における長鎖配列解析の応用範囲を大幅に拡大する重要なステップです。