Statistical end-to-end analysis of large-scale microbial growth data with DGrowthR

Dit paper introduceert DGrowthR, een statistisch R-framework en standalone-app met een no-code interface die gebruikmaakt van niet-parametrische modellering en rigoureuze statistische toetsing om grote schalen aan microbieel groeidata flexibel en reproduceerbaar te analyseren.

De kern

Stel je voor dat je een enorme kamer vol met microscopische bacteriën hebt. Je wilt weten hoe ze reageren als je ze verschillende soorten "voedsel" of medicijnen geeft. Sommige bacteriën groeien razendsnel, sommige sterven af, en sommige doen iets heel raars: ze groeien eerst langzaam, stoppen even, en beginnen dan pas echt te bloeien.

Vroeger was het analyseren van al deze bewegingen als het proberen om een dansende balletdanser te beschrijven met alleen een liniaal. Je kon alleen meten hoe hoog ze sprongen, maar niet hoe ze bewogen. Als de dans niet perfect rond was (zoals bij veel bacteriën onder stress), vielen de oude meetmethodes in elkaar.

DGrowthR is de nieuwe, slimme camera die dit probleem oplost. Hier is hoe het werkt, vertaald naar alledaags taal:

1. De "Slimme Camera" (Geen statische lijnen, maar vloeiende beweging)

Stel je voor dat je een film maakt van een groeiende bacterie. Oude methodes probeerden de film te forceren in een strakke, vooraf bepaald patroon (zoals een perfecte S-vorm). Als de bacterie echter een rare buiging maakte, dachten die oude methodes: "Dat is fout, we tellen dit niet mee."

DGrowthR is anders. Het gebruikt een techniek genaamd Gaussian Process. Denk hierbij niet aan een liniaal, maar aan een slimme elastische rubberen band. Deze band past zich perfect aan de vorm van de bacterie-groei aan, hoe gek of onregelmatig die ook is. Het trekt een vloeiende lijn door de chaos en zegt: "Oké, dit is hoe de bacterie zich echt heeft bewogen," zonder te oordelen of het een 'standaard' vorm is.

2. De "Muziek-visualisatie" (Van chaos naar overzicht)

De onderzoekers hadden duizenden, soms honderdduizenden van deze groeifilmpjes. Dat is veel te veel om één voor één te bekijken. Het is alsof je 100.000 liedjes hebt en je wilt weten welke hetzelfde klinken.

DGrowthR gebruikt een trucje (FPCA en UMAP) om al die complexe lijnen in een kleine, overzichtelijke kaart te veranderen.

• Stel je voor dat je alle groeipatronen in een grote zaal zet.
• DGrowthR pakt alle lijnen die op elkaar lijken en zet ze in dezelfde hoek van de zaal.
• De lijnen die heel anders zijn, komen in een andere hoek.
• Plotseling zie je groepjes: "Ah, deze groep bacteriën groeide langzaam, die groep stierf, en die groep deed iets heel raars." Je ziet patronen die je met het blote oog nooit had gezien.

3. De "Rechtbank" (Wetenschappelijk bewijs)

Soms zie je een verschil, maar is het echt significant of was het toeval? DGrowthR doet alsof het een rechter is.

• Het neemt alle data en zegt: "Laten we de namen van de bacteriën en de medicijnen even door elkaar halen (dit noemen ze 'permutatie')."
• Als je de namen door elkaar haalt en het verschil verdwijnt, was het waarschijnlijk toeval.
• Als het verschil er ook na het door elkaar halen nog steeds is, dan zegt de rechter: "Dit is echt waar! Dit medicijn heeft echt invloed."
• Het doet dit zo snel dat het duizenden vergelijkingen in een handomdraai kan doen, terwijl oude methodes hier dagen over zouden doen.

Wat hebben ze ontdekt?

Met deze nieuwe "camera" en "rechter" hebben de onderzoekers drie grote dingen ontdekt:

1. Bacteriën zijn complex: Ze zagen dat medicijnen bacteriën niet alleen laten stoppen of groeien. Soms laten ze ze eerst vertragen en dan plotseling exploderen. DGrowthR kon deze rare dansjes zien, terwijl oude methodes ze negeerden.
2. Genen maken het verschil: Ze keken naar een bacterie die een speciaal verdedigingssysteem (CBASS) mistte. Ze zagen dat deze bacterie veel minder bang was voor bepaalde antibiotica dan de normale bacterie. DGrowthR kon precies laten zien waarom (de bacterie viel minder snel af).
3. Krachtige combinaties: Ze keken naar wat er gebeurt als je twee medicijnen samen geeft. Ze vonden combinaties die superkrachtig waren (synergie) en combinaties die elkaar juist tegenwerkten (antagonisme). Ze ontdekten zelfs dat een stofje genaamd Vanillin (dat in vanille zit) soms antibiotica juist minder goed laat werken, maar soms juist helpt.

Waarom is dit belangrijk?

Vroeger was het analyseren van al deze data als het proberen om een oerwoud te doorzoeken met een vergrootglas. Je zou duizenden uren kwijt zijn en veel dingen missen.

DGrowthR is als een drone met een warmtebeeldcamera die over dat oerwoud vliegt. Je ziet in één oogopslag waar de hitte (groei) en de kou (dood) zitten, je ziet patronen, en je kunt direct beslissen welke plekken je verder moet onderzoeken.

Het stelt wetenschappers in staat om sneller nieuwe medicijnen te vinden, beter te begrijpen hoe bacteriën resistent worden, en medicijnen te combineren op slimme manieren. En het beste van alles? Het is gratis, werkt op je computer, en je hoeft geen programmeur te zijn om het te gebruiken.

Technische samenvatting

Probleemstelling

De kwantitatieve analyse van microbiële groeicurves is essentieel om te begrijpen hoe bacteriële populaties reageren op omgevingsfactoren en chemische prikkels. Traditionele analysemethoden maken vaak parametrische aannames over de functionele vorm van deze curves (bijvoorbeeld logistische of Gompertz-modellen). Dit beperkt hun bruikbaarheid voor het bestuderen van omstandigheden die afwijken van standaard groeipatronen (zoals niet-sigmoidale curves of complexe dynamieken).

Daarnaast maken moderne robotica-platforms het mogelijk om enorme hoeveelheden groeidata (honderdduizenden curves) in hoogdoorvoer te verzamelen. Bestaande softwaretools (zoals Sicegar, Growthcurver, grofit) hebben echter beperkingen:

• Ze zijn vaak gevoelig voor uitbijters en technische variatie.
• Ze missen geavanceerde statistische testmogelijkheden om groeicurves tussen verschillende experimentele condities te vergelijken.
• Ze bieden vaak geen ondersteuning voor exploratieve data-analyse (zoals clustering of dimensiereductie) op grote schaal.
• Tools zoals AMiGA (Python) gebruiken wel Gaussische Processen, maar vereisen commando-lijn invoer en missen een gebruiksvriendelijke interface.

Er is dus behoefte aan een flexibel, niet-parametrisch en reproduceerbaar statistisch raamwerk dat in staat is om grote datasets end-to-end te analyseren.

Methodologie: DGrowthR

De auteurs introduceren DGrowthR, een R-pakket en een standalone desktop-applicatie met een "no-code" interface. Het framework biedt een complete workflow voor de analyse van microbiële groeicurves, bestaande uit de volgende kerncomponenten:

1. Data Pre-processing en Standaardisatie:

   • Import van ruwe data van automatische plate-readers.
   • Functies voor het verwijderen van ruisachtige startpunten, log-transformatie van optische dichtheid (OD) metingen, en baseline-correctie (zodat alle curves bij tijd 0 beginnen bij nul).

2. Exploratieve Data-analyse (EDA):

   • Functionele Principal Component Analysis (FPCA): Om de belangrijkste variatiebronnen in de curves te identificeren.
   • UMAP (Uniform Manifold Approximation and Projection): Voor niet-lineaire dimensiereductie om complexe patronen te visualiseren.
   • Clustering: Toepassing van DBSCAN op de UMAP-embeddings om groeicurves met vergelijkbare dynamieken te groeperen en uitbijters te identificeren.

3. Modelleerbenadering (Gaussische Processen):

   • In plaats van parametrische modellen gebruikt DGrowthR Gaussische Proces (GP) regressie. Dit is een niet-parametrische Bayesiaanse methode die geen vaste functionele vorm veronderstelt.
   • GP-regressie kan meerdere replicaten gezamenlijk modelleren, wat de invloed van uitbijters vermindert.
   • Het pakket gebruikt het laGP-pakket voor efficiënte schatting op grote schaal.
   • Uit het gefitte model worden robuuste groeiparameters afgeleid via numerieke differentiatie: maximale groeisnelheid, maximale afnamesnelheid, verdubbelingstijd, en het tijdstip van overgang tussen fasen (lag, exponentieel, stationair).

4. Statistische Inferentie (Differential Growth - DG):

   • DGrowthR introduceert een rigoureuze testframework om groeicurves tussen condities te vergelijken (bijv. behandeling vs. controle).
   • Bayes Factor: Vergelijking van een nulmodel (alle curves zijn identiek, functie van tijd) met een alternatief model (curves zijn functie van tijd én behandeling).
   • Permutatietesten: Om de significantie van de Bayes Factor te bepalen, worden labels van de groeicurves gepermuteerd.
   • Gamma-approximatie: Om de berekeningstijd te versnellen (en kleine p-waarden nauwkeurig te schatten), wordt de verdeling van de Bayes Factor benaderd met een Gamma-verdeling, in plaats van duizenden volledige permutaties uit te voeren.
   • P-waarden worden gecorrigeerd voor meervoudige toetsing (Benjamini-Hochberg procedure) om de False Discovery Rate (FDR) te controleren.

Belangrijkste Bijdragen

• Integratief Framework: DGrowthR is de eerste tool die data-preprocessing, exploratieve analyse (FPCA/UMAP), niet-parametrische modellering (GP) en statistische inferentie (DG-test) in één reproduceerbaar R-ecosysteem combineert.
• Gebruiksgemak: Het biedt zowel een R-pakket voor programmeurs als een standalone app met een grafische interface voor niet-programmerende gebruikers.
• Robuustheid: Door het gebruik van GP-regressie kunnen complexe, niet-standaard groeipatronen worden gemodelleerd zonder dat de modelfitting faalt (in tegenstelling tot parametrische methoden).
• Schaalbaarheid: De implementatie van Gamma-approximatie voor p-waarden maakt het mogelijk om statistische tests uit te voeren op datasets met honderdduizenden curves binnen een haalbare rekentijd.

Resultaten

De auteurs toonden de toepasbaarheid van DGrowthR aan op drie grote datasets:

1. Chemische Screens (In-house):

   • Analyse van >20.000 groeicurves van Salmonella enterica en Campylobacter jejuni blootgesteld aan 2.415 verbindingen.
   • DGrowthR identificeerde complexe groeipatronen die verder gaan dan een simpele "groei/geen groei" classificatie.
   • Het detecteerde verbindingen die groei remden (bijv. Auranofin bij S. enterica) en verbindingen die groei stimuleerden of niet-kanonieke dynamieken veroorzaakten (bijv. Pimavanserin bij C. jejuni).

2. Genetische Factoren (Brenzinger et al. dataset):

   • Heranalyse van Vibrio cholerae (wildtype vs. ΔCBASS-mutant) blootgesteld aan antibiotica.
   • DGrowthR bevestigde eerdere bevindingen dat de CBASS-deficiënte mutant minder gevoelig is voor antifolaat-antibiotica.
   • Nieuw inzicht: De mutant toonde ook een verminderde afnamesnelheid (decay rate) bij blootstelling aan celwand-synthese-remmers (zoals Amoxicilline), wat nieuwe hypothesen oplevert over het mechanisme.

3. Combinatietherapieën (Brochado et al. dataset):

   • Analyse van >100.000 groeicurves van E. coli blootgesteld aan duizenden combinaties van antibiotica en andere stoffen.
   • DGrowthR bevestigde bekende synergistische effecten (bijv. Spectinomycine + Vanilline) en antagonisme (bijv. Amoxicilline + Cafeïne).
   • Het ontdekte nieuwe interacties, zoals een sterk synergistisch effect van Amikacine en Puromycine, en een context-afhankelijk remmend effect van Vanilline in combinatie met D-Cycloserine.

Betekenis en Conclusie

DGrowthR vult een kritieke kloof in de microbiologische softwarelandschap. Het stelt onderzoekers in staat om grote datasets van robotica-platforms op een gestandaardiseerde, reproduceerbare en statistisch robuuste manier te analyseren. Door te bewegen weg van rigide parametrische modellen naar flexibele niet-parametrische benaderingen, kan DGrowthR nieuwe biologische inzichten genereren die anders onopgemerkt zouden blijven.

De auteurs vergelijken de impact van DGrowthR op het gebied van microbiële groei met die van tools zoals DESeq2 of edgeR in de transcriptomica: het biedt een gestandaardiseerde workflow voor differentieel groeianalyse (DG). Dit zal de ontdekking van nieuwe antimicrobiële middelen, het begrijpen van genetische resistentiemechanismen en het optimaliseren van combinatietherapieën aanzienlijk versnellen.