MINTsC learns multi-way chromatin interactions from single cell high throughput chromatin conformation data

MINTsC is een nieuw computergestuurd hulpmiddel dat, door gebruik te maken van Dirichlet-multinomiaal spline-modellen op single-cell Hi-C-data, tot nu toe over het hoofd geziene multi-way chromosomale interacties kan detecteren en zo de studie van genregulatie en epistatische SNP-effecten mogelijk maakt.

De kern

Stel je voor dat je DNA niet als een lange, saaie streng kralen ziet, maar als een enorm, ingewikkeld labyrint van touwtjes in een donkere kamer. In de kern van elke cel hangen deze touwtjes in een specifieke 3D-vorm. Soms raken twee stukken van het touw elkaar, en dat is belangrijk: het betekent dat ze samenwerken om een gen aan of uit te zetten.

Vroeger keken wetenschappers alleen naar paren van touwtjes die elkaar raakten. Maar in het echte leven werken dingen vaak in groepen. Stel je voor dat je een kamer wilt verlichten. Je hebt niet alleen een schakelaar (gen) en één lamp (versterker). Soms heb je drie of vier schakelaars nodig die tegelijkertijd worden ingedrukt om het licht aan te krijgen.

Dit is precies het probleem dat dit nieuwe onderzoek, genaamd MINTsC, oplost.

Het Probleem: De "Eenzame Schakelaar"

Tot nu toe keken wetenschappers naar single-cell Hi-C data (een soort foto's van het DNA in één enkele cel) en zochten ze alleen naar paren die elkaar raakten. Het was alsof ze alleen keken naar wie met wie praatte, en niet naar wie er allemaal samen in een kring zaten te praten.

Maar in de biologie werken versterkers (de schakelaars) vaak samen in groepen. Als je alleen naar paren kijkt, mis je het grote plaatje: hoe een groep van drie of vier versterkers samenwerken om een ziekte te veroorzaken of een eigenschap te bepalen.

De Oplossing: MINTsC (De "Groepsdetective")

De auteurs hebben een nieuwe computerprogramma bedacht, MINTsC, dat fungeert als een slimme detective. In plaats van alleen naar paren te kijken, zoekt het naar cliques (groepen) van drie, vier of meer stukken DNA die in dezelfde cel tegelijkertijd dicht bij elkaar zijn.

Hier is hoe het werkt, vertaald naar alledaagse termen:

1. Het "Koffiegesprek" in de Koffiebar (De Data)
Stel je een enorme koffiezaak voor met duizenden mensen (cellen). Iedereen heeft een lijstje met wie ze even hebben gesproken (DNA-contacten). Omdat het zo druk is, ziet niemand iedereen. Soms praat A met B, en later praat B met C. Als je alleen naar de lijsten kijkt, zou je denken dat A, B en C allemaal met elkaar hebben gepraat. Maar misschien hebben ze dat nooit allemaal tegelijk gedaan!

2. De "Werkelijke Groep" (De Cliques)
MINTsC is slim genoeg om te zien: "Wacht even, A, B en C zaten allemaal tegelijk aan dezelfde tafel in dezelfde kopie van de koffiezaak." Dat is een echte groep (een clique). Als ze alleen maar in verschillende kopieën van de lijstjes voorkomen, is het geen echte groep. Het programma filtert deze nep-groepen eruit.

3. Het "Bewijsmateriaal" (De Statistiek)
Omdat het DNA zo wazig is (het is moeilijk om alles perfect te zien), gebruikt MINTsC een slimme statistische truc. Het kijkt naar de "afstand" tussen de stukken DNA. Als drie stukken DNA vaak dicht bij elkaar zitten in duizenden cellen, dan is de kans groot dat ze echt samenwerken. Het programma berekent een "score" voor elke groep: hoe sterker de groep, hoe hoger de kans dat ze echt samenwerken.

Waarom is dit zo belangrijk?

• Het "Superkracht" Effect: Soms heeft één verandering in je DNA (een SNP) weinig effect. Maar als je drie veranderingen hebt die samenwerken (epistase), kan dat leiden tot een grote ziekte, zoals Alzheimer. MINTsC helpt ons deze "superkracht-groepen" te vinden.
• De "Architect" van Ziekte: Het onderzoek toonde aan dat in de hersenen van mensen, bepaalde groepen versterkers samenwerken om genen aan te sturen die te maken hebben met geheugen en hersenplasticiteit. Door te kijken naar deze groepen, kunnen we beter begrijpen waarom sommige mensen vatbaarder zijn voor ziekten dan anderen.
• Efficiëntie: Vroeger moest je elke mogelijke combinatie van genen testen, wat een onmogelijke taak is (te veel rekenwerk). MINTsC filtert direct naar de interessante groepen, waardoor we sneller de juiste antwoorden vinden.

Samenvattend

Stel je voor dat je een grote orkestrepetitie bijwoont. Vroeger luisterden we alleen naar wie met wie een unisono zong (paren). Met MINTsC kunnen we nu luisteren naar de hele sectie die samen een harmonieus akkoord speelt. Dit helpt ons te begrijpen hoe het "orkest" van ons lichaam muziek maakt (of waarom het soms vals zingt bij ziektes).

Het is een nieuwe bril waarmee we de complexe, driedimensionale wereld van ons DNA eindelijk in al zijn groepsdynamiek kunnen zien.

Technische samenvatting

Probleemstelling

Hoewel er aanzienlijke vooruitgang is geboekt met single-cell Hi-C (scHi-C) data voor het in kaart brengen van de 3D-organisatie van het genoom, zijn bestaande analysemethoden grotendeels beperkt tot paarwise interacties (interacties tussen twee loci). Traditionele bulk Hi-C-methoden kunnen multi-way interacties (gelijktijdige contacten tussen drie of meer loci) niet oplossen, en scHi-C-data wordt momenteel onderbenut voor dit doel.

De huidige uitdagingen zijn:

1. Onderschatting van complexe regulatie: Genen worden vaak gereguleerd door meerdere distale enhancers die over grote genomische afstanden werken. Deze "nested enhancer cooperativity" vereist het detecteren van multi-way interacties om epistatische effecten (interacties tussen SNPs) en ziekte-risico's te begrijpen.
2. Data-schaarste en ruis: scHi-C-data is extreem schaars en ruisgevoelig. Het direct observeren van alle paarwise contacten binnen een multi-way interactie in één enkele cel is zeldzaam door ligatie-limieten.
3. Gebrek aan statistische frameworks: Er was tot nu toe geen gevestigde statistische methode om multi-way chromatin-interacties betrouwbaar af te leiden uit de aggregatie van paarwise signalen in heterogene single-cell datasets, terwijl de False Discovery Rate (FDR) gecontroleerd blijft.

Methodologie: MINTsC

MINTsC (Multi-way Interactions from Nuclei Through sCHi-C) is een empirisch Bayes-framework dat multi-way interacties modelleert als cliques in een multilayer netwerk (waarbij elke laag een cel is en knopen genomische loci zijn).

De kerncomponenten van de methode zijn:

1. Model voor Paarwise Interacties:

   • MINTsC past een Dirichlet-multinomiaal spline-model toe op scHi-C contacttellingen.
   • Het houdt rekening met de bekende genomische afstandsbias (band bias) door contacttellingen te modelleren met een natuurlijke kubische spline functie op basis van de afstand tussen loci.
   • Het gebruikt een empirisch Bayes-benadering om de null-verdeling te schatten, waarbij contacttellingen binnen een "band" (loci met dezelfde afstand) worden geaggregeerd en vervolgens over de loci-paren binnen die band worden verdeeld onder een Dirichlet-prior.

2. Aggregatie en Cliques:

   • In plaats van te zoeken naar perfecte cliques in elke individuele cel, aggregeert MINTsC het bewijs van paarwise interacties over een homogene groep cellen (bijv. een celtype).
   • Het definieert een clique-level teststatistiek ("clique p-score") door de orde-statistieken van de paarwise p-waarden te gebruiken. Een clique wordt als significant beschouwd als er een voldoende aantal sterke paarwise interacties aanwezig is om een verbonden graaf te vormen.
   • Er wordt een pre-filter toegepast: alleen cliques die volledig waargenomen zijn in een minimum aantal cellen worden als kandidaten behouden om valse positieven te voorkomen die ontstaan door het samenvoegen van paarwise interacties uit verschillende celgroepen.

3. Statistische Significantie en FDR:

   • De methode leidt een analytische null-verdeling af voor de clique p-scores (benaderd als een Beta-verdeling).
   • Hierdoor kunnen goed gekalibreerde p-waarden worden gegenereerd, wat toepassing van de Benjamini-Hochberg (BH) procedure mogelijk maakt voor controle van de False Discovery Rate (FDR).
   • Dit reduceert de multiple testing-burden aanzienlijk in vergelijking met het testen van alle mogelijke SNP-combinaties.

Belangrijkste Bijdragen

• Eerste methode voor scHi-C: MINTsC is de eerste computermethode die specifiek is ontworpen om multi-way chromatin-interacties te leren uit scHi-C data.
• Statistische Robuustheid: Het biedt een wiskundig onderbouwd raamwerk dat heterogeniteit en ruis in single-cell data adresseert, terwijl het de FDR strikt controleert.
• Biologische Validatie: De methode is gevalideerd tegenover diverse externe datasets, waaronder SPRITE, scNanoHi-C, Dip-C, en DNA seqFISH+ (3D-imaging), wat aantoont dat de geïdentificeerde interacties echte ruimtelijke co-lokaliseren in dezelfde cel vertegenwoordigen.

Resultaten

De evaluatie van MINTsC toonde de volgende resultaten:

1. Validatie met 3D-ruimtelijke data:

   • In GM12878 cellen (scMicro-C) en muizen cortex/hippocampus (Dip-C) hadden de door MINTsC geïdentificeerde cliques significant kleinere maximale 3D-afstanden tussen loci dan niet-significante cliques.
   • De methode toonde aan dat geïdentificeerde interacties consistent zijn met 3D-spatiale nabijheid, zelfs in heterogene datasets.

2. Validatie met SPRITE en scNanoHi-C:

   • In cellijnen (GM12878) en mESCs correleerden de MINTsC-interacties sterk met SPRITE-enrichment scores en scNanoHi-C concatemer-tellingen (die multi-way contacten direct meten via lange reads).
   • Dit bevestigde dat MINTsC zowel in lage als hoge resolutie data betrouwbare multi-way signalen kan detecteren.

3. Vergelijking met Baselines:

   • In vergelijking met bestaande methoden (zoals SnapHi-C voor loops) en synthetische data, identificeerde MINTsC meer multi-way interacties met een significantly lagere False Positive Rate (FPR) en betere FDR-controle.

4. Biologische Toepassingen:

   • Genregulatie: MINTsC identificeerde interacties waarbij genen werden omringd door meerdere enhancers. Deze cliques correleerden met hogere genexpressie en hogere ABC-scores (Activity-By-Contact).
   • Epistatische SNP-effecten: Toepassing op data van het menselijk prefrontale cortex onthulde epistatische effecten (SNP-SNP interacties) bij genen gerelateerd aan Alzheimer (bijv. DKK3) en synaptische plasticiteit (bijv. CPLX2). MINTsC verminderde de multiple testing-burden aanzienlijk, waardoor deze complexe genetische effecten detecteerbaar werden.

Significantie

MINTsC opent een nieuw pad voor het begrijpen van de complexe 3D-genoomarchitectuur. Door multi-way interacties te kunnen detecteren uit bestaande scHi-C datasets, stelt het onderzoekers in staat om:

• De mechanismen van genregulatie door meerdere enhancers beter te ontrafelen.
• Epistatische effecten in moleculaire QTL-studies en GWAS te onderzoeken, wat cruciaal is voor het begrijpen van complexe ziekten.
• De onderbenutte potentie van scHi-C-data volledig te benutten zonder dat er nieuwe, duurdere experimenten (zoals SPRITE of Pore-C) nodig zijn, hoewel deze wel als validatie dienen.

De tool is open source beschikbaar en vormt een fundamentele stap in de analyse van single-cell epigenomica.