CoTRA: an integrated R/Shiny framework for transparent bulk and single-cell RNA-seq analysis

CoTRAのテクニカル・サマリー：透明性の高いバルクおよびシングルセルRNA-seq解析のための包括的なR/Shinyフレームワーク

問題提起
バルクおよびシングルセルRNAシーケンシング（scRNA-seq）は、疾患メカニズムの解明やバイオマーカーの特定において不可欠である。しかし、トランスクリプトームデータの量の増加は、特に高度なバイオインフォマティクスの専門知識を持たない研究者にとって、効率的な再利用における大きな課題となっている。現在のダウンストリーム解析は、多くの場合、複数の統計、可視化、およびレポート作成ツールを介した断片的なワークフローを必要とする。この断片化は、透明性を低下させ、再現性を複雑にし、公開データセットの再利用に対する障壁を生み出している。Galaxy、iDEP、Seurat、Cell Rangerといった様々なプラットフォームが存在するが、これらはバルクとシングルセルの両方のモダリティへのサポート、デプロイメントモデル、あるいは外部サーバーへのデータ送信を必要とせずに解析パラメータや手法の選択肢を提示できる能力において、それぞれ差異がある。

手法
これらのギャップに対処するため、著者らはCoTRA（Comprehensive Toolbox for RNA-seq Analysis）を開発した。これは、Shinyベースのグラフィカルインターフェースを備えたオープンソースのRパッケージである。CoTRAは、FASTQの前処理やリードのアライメントを除外した、ダウンストリーム解析のためのモジュール式フレームワークとして設計されている。

• アーキテクチャとデプロイメント: CoTRAは、インストール可能なRパッケージ（R ≥ 4.4.0が必要）であり、個人のワークステーション（Linux、Windows、macOS）またはリモートHPC環境で実行できる。ローカルで動作するため、データの機密性を維持でき、強制的な外部へのデータ送信を回避できる。
• ワークフローの統合: 本ツールは、バルクおよびscRNA-seqのワークフローを単一の環境に統合している。
  • バルクRNA-seq: カウント行列（CSV/TSV）の入力、正規化（探索用のTPM/FPKM/RPKM/TMM、およびDE用の生カウント）、アノテーション（ヒト、マウス、ラット）、および機能的濃縮解析（GO、KEGG、Reactome、MSigDB）をサポートする。
  • scRNA-seq: Cell Rangerの出力、Seuratオブジェクト、およびHDF5ファイルを受け入れる。品質管理（QC）、次元削減（PCA、UMAP、t-SNE）、グラフベースのクラスタリング（Louvain）、マーカー同定（Wilcoxon、MAST、ロジスティック回帰、DESeq2）、細胞型アノテーション（SingleR、scType様スコアリング、CellTypist、ラベル転送）、軌跡推論（Monocle3、Slingshot）、パスウェイ活性スコアリング（UCell、AUCell、GSVA、VISION）、細胞間コミュニケーション（CellChat）、および差分的存在量解析を含む。
• 透明性と柔軟性: コアとなる設計原則は、パラメータの透明性である。ユーザーはQC閾値、有意水準のカットオフ、クラスタリング解像度を調整し、様々な段階で確立された代替手法を選択することができる。
• 再現性: フレームワークは、確率的なステップに対して制御された乱数シードを強制し、セッション情報を生成し、処理済みオブジェクト（RDS/Sechat）、テーブル、図、および自動化されたHTML/PDFレポートのエクスポートを可能にする。

主な貢献

1. 統合されたインターフェース: CoTRAは、バルクおよびscRNA-seqの両方の解析のための単一のグラフィカル環境を提供し、異なるツールを切り替える必要性を軽減する。
2. 手法の選択: 「ブラックボックス」型のワークフローとは異なり、CoTRAは主要なパラメータを公開し、重要なステップ（例：バルクDEにおけるDESeq2/edgeRの選択、または軌跡推論におけるMonocle3/Slingshotの選択）において代替案を提示する。
3. ローカル実行: 公共のクラウドへのデータアップロードを強制することなく、ローカルまたは機関内のサーバーでの解析を可能にし、プライバシーの問題に対処する。
4. 包括的な機能セット: 著者らは、49の定義済み基準にわたって、CoTRAを14の既存プラットフォーム（iDEP、Galaxy、Seurat、Scanpy、および商用ツールを含む）と比較した。CoTRAは46の基準を完全にサポートし、残りの3つ（メタデータ/共変量のサポート、差分的存在量解析、ダブルット検出）については部分的にサポートしており、ユーザビリティ、解析、可視化、およびエクスポート機能における幅広いカバー範囲を示した。

結果
著者らは、網膜のデータセットを用いた2つのケーススタディを用いてCoTRAを検証した。

• バルクRNA-seqによる検証: 公開されているマウスの網膜変性モデル（rd10、GSE238217）を用いて、CoTRAは疾患モデル（rd10）と野生型（WT）サンプルの間の期待される分離を再現した。また、2,518個の差発現遺伝子（DEG）を特定した。元の公開解析と比較した際、CoTRAは、方向性が一致する1,947個の共有DEGを示し、log2 fold changeのピアソン相関係数は0.988であった。機能的濃縮解析では、アップレギュレートされた免疫/補体経路と、ダウンレギュレートされた光受容経路を正しく特定した。
• scRNA-seqケーススタディ: 網膜のscRNA-seqデータセット（GSE234797）の再解析において、CoTRAは10,430個の細胞を正常に処理し、主要な網膜細胞型（桿体、錐体、双極細胞、ミュラー細胞など）に対応する16の明確なクラスターを特定した。本ツールは、細胞型特異的な差発現解析およびパスウェイ活性スコアリング（UCellを使用）を可能にし、特定の集団内（例：ミュラー細胞におけるTNFαシグナル伝達）での疾患関連の転写変化を明らかにした。

意義と主張
本論文は、CoTRAを、確立されたバイオインフォマティクスの手法と、アクセシブルで透明かつ再現可能なワークフローを必要とする研究者の間の架け橋となる実用的なインターフェースとして位置づけている。著者らは、CoTRAが以下の点において優れていると主張している。

• 断片化の軽減: バルクおよびシングルセルのワークフローを統合することで、複数のツールを管理する複雑さを緩和する。
• 透明性の向上: パラメータを公開し、手法の代替案を提供することで、固定された隠れたワークフローに依存するのではなく、ユーザーが解析上の決定を理解し制御できるようにする。
• 再現性のサポート: ローカル実行、セッション追跡、および包括的なエクスポート機能を通じて、解析の文書化と再利用を促進する。
• 性能の検証: 公開されたバルクRNA-seqの結果との強い一致、および複雑なscRNA-seqデータへの成功的な適用は、ツールの信頼性と高度なトランスクリプトーム解析への適用可能性を実証している。

著者らは、現在の限界として、アップストリームの前処理（FASTQの取り扱い）の欠如、すべての代替手法の系統的なベンチマークの必要性、および形式的な実行時間/メモリのベンチマークの不在を認めている。彼らは、CoTRAを、R/Bioconductorエコシステムが進化するにつれて新しい手法を取り込めるように設計されたモジュール式アーキテクチャを持つ、将来の開発のための基盤として位置づけている。