High-performance xenograft read-sorting for DNA methylation analysis

がん研究の世界において、科学者たちはしばしば、人間の体を模した生体内環境で腫瘍を研究する必要に迫られます。そのために、彼らはヒトの癌細胞をマウスに移植し、「患者由来異種移植（PDX）」と呼ばれるものを作り出します。これらの小さな生きた研究所によって、研究者は腫瘍がどのように成長し、薬にどのように反応し、どのように治療への耐性を獲得していくのかを観察することができます。しかし、混合サンプルから遺伝物質を分析しようとすると、重大な障害が生じます。最終的な生成物は、ヒトの腫瘍由来のDNA鎖とマウスの宿主由来のDNA鎖が混ざり合った、混沌とした「スープ」のような状態になります。腫瘍の挙動を理解するためには、まずヒトの鎖とマウスの鎖を極めて精密に分離しなければなりません。この作業は、遺伝子のオン・オフを切り替えるスイッチとして機能する化学的なタグである「DNAメチル化」を研究する場合、さらに困難になります。これらのタグを読み取るために、科学者はDNA配列そのものを変化させる化学プロセスを使用しますが、これは標準的なゲノムデータ分類用プログラムを混乱させるほど、文字を書き換えてしまうのです。

現在、研究チームは、この化学的に変化したDNAサンプルに対して、この遺伝的な混乱を解きほぐすためのよりスマートな方法を開発しました。彼らは既存のソフトウェアツールである「Xengsort」を強化し、化学的な変化が起きた後でもヒトとマウスのDNAを区別できる非常に効率的なソーターへと進化させました。チームは、コンピュータ生成の混合物と、実際の乳がん研究からの実世界のデータを用いて、この改良されたツールを他の確立された手法と比較検証しました。その結果、すべてのツールがDNAの由来を特定するという点では概して正確であったものの、新しいバージョンのXengsortは劇的に高速であり、使用するコンピュータメモリもはるかに少なくて済むことが分かりました。実患者のサンプルを用いた大規模なテストでは、新ツールはわずか5時間強で分類作業を完了させたのに対し、競合する手法では同じ作業を完了するのに30時間近くを要しました。

問題の核心は、DNAメチル化がどのように読み取られるかにあります。化学的なスイッチを見るために、科学者は、特定の文字であるシトシンが、もし化学的にタグ付けされていなければ、別の文字であるチミンに変換されるような物質でDNAを処理します。このプロセスは腫瘍がどのように適応するかを理解するために不可ントですが、根本的にDNA配列を変えてしまいます。想像してみてください、誰かが半分ほどの本のすべての綴りを変えてしまった、混ざり合った本の山を仕分けようとしている場面を。標準的な司書であれば、どの本がどの著者のものかを判別するのに苦労するでしょう。同様に、標準的なコンピュータプログラムは、化学的な変換によってヒトのDNAがヒトのリファレンス（参照ゲオム）とは異なって見え、マウスのDNAがマウスのリファレンスとは異なって見えるようになるため、配列のマッチングに失敗することがあります。この混乱により、ヒトの腫瘍由来の鎖がマウスの鎖として誤認されたり、あるいはその逆が起きたりすることがあり、それは科学的な分析を台無しにしてしまいます。

これを解決するために、研究者たちはXengsortツールの内部辞書を再構築しました。単にDNAの文字の完全一致を探すのではなく、新しいツールは化学的な変化を予測します。それは、元のDNA配列と化学変換後の配列の両方を考慮した二層構造のインデックスを作成します。DNAの断片がシステムに入ると、ツールはその両方の可能性に対して同時に照合を行います。ツールはDNA鎖を小さな塊（チャンク）に分解し、「この塊は化学的な変化を考慮した上で、ヒトのものかマウスのものに見えるか？」という単純な問いを投げかけます。そして、両方の種において似通って見える塊を無視し、最もユニークな塊のDNAを信頼することで、ツールは自信を持ってDNA鎖をヒト、マウス、または曖昧なカテゴリーへと分類できるのです。このアプローチにより、ソフトウェアはすべての鎖をフルゲノムにアラインメント（整列）させるという、低速で重いプロセスをスキップすることができます。

研究者たちは、二つの方法でこのツールをテストしました。第一に、ヒトとマウスのDNA鎖の起源が既知である数百万のシミュレーション混合物を作成し、ツールがどれほど正確に間違いを犯すかを測定しました。彼らは、ヒトのDNAが極めて少ないサンプルから、ほぼ完全にヒトのみのサンプルまで、あらゆる深さと比率でこれらの混合物をテストしました。結果は、ツールが驚異的な精度を持ち、ヒトの鎖をほとんど失わず、マウスの鎖をヒトと間違えることも極めて稀であることを示しました。精度に関しては他のトップクラスのツールと同等の性能を発揮しながら、それよりもはるかに短い時間で作業を完了させたのです。他の手法がデータの処理に数時間を要し、膨大なコンピュータメモリを必要とした一方で、Xengsortは標準的なコンピュータ構成で1時間足らずで同じ作業を終えました。

次に、チームは、腫瘍がマウス内で育てられた乳がん患者の実データにこのツールを適用しました。これらのサンプルは、DNAが化学的に変換されたものや、酵素を用いて処理されたものなど、異なる種類の研究から得られたものです。これらの実世界のシナリオにおいても、ツールは再びその価値を証明しました。ツールは、大量のマウス組織の中に非常に少量のヒト腫瘍細胞が混在している複雑なサンプルを含む、DNAを分類することに成功しました。研究者たちは、DNAメチル化パターンを変化させるために薬剤処理されたサンプルに対しても、このツールが特に堅牢であることを指摘しました。速度とリソース使用量の直接比較において、新ツールは極めて効率的でした。ある大規模なデータセットを、競合する手法が29.1時間を要し49ギガバイトのメモリを必要としたのに対し、新ツールは43ギガバイトのメモリを使用して5.5時間で処理しました。また、結合リファレンスゲノムを利用した別の手法は高速でしたが、多くの研究所にとって制限要因となり得る73ギガバイトという膨大なメモリを要求しました。

この研究は、分類手法の選択が、精度よりもむしろ効率において重要であることを浮き彫りにしました。新しいXengsortを含むすべてのテストされたツールは、DNA鎖を分離する上で高い精度を達成しました。しかし、その結果を得るために必要な時間と計算能力には大きな開きがありました。大規模なデータセットを扱っている研究者や、治療方針の決定を導くために迅速にサンプルを処理する必要がある研究者にとって、Xengsortのスピードと低いメモリフットプリントは明確な利点となります。研究者たちは、彼らのワークフローはすでに広く普及できる段階にあると結論付け、科学者が腫瘍のメチル化パターンの詳細な分析に進む前に、まずこのツールを使用して種ごとにDNA鎖を分類すべきであると提言しました。分類ステップをより高速かつ低リソース化することで、このツールは主要なボトルネックを取り除き、科学者がコンピュータの作業完了を待つのではなく、癌そのものの理解に、より多くの時間を注げるようにしているのです。