Longitudinal Phylogenetic Inference of Copy Number Alterations and Single Nucleotide Variants from Single-Cell Sequencing

In dit artikel wordt LoPhy, een nieuw algoritme voor het reconstrueren van longitudinale fylogenieën van zowel enkel-nucleotide varianten (SNVs) als kopiee-aantalveranderingen (CNAs) op basis van single-cell sequencing-data, geïntroduceerd en gevalideerd op acute myeloïde leukemie (AML), waarbij wordt aangetoond hoe deze methoden de evolutionaire trajecten van kanker en therapieresistentie inzichtelijk maken.

De kern

Titel: LoPhy: De DNA-Tijdmachine die de Geheime Levensverhalen van Kankercellen Vertelt

Stel je voor dat kanker niet één groot monster is, maar een enorme stad vol verschillende buurten (clones). Sommige buurten zijn vreedzaam, andere zijn rebellen die zich vermenigvuldigen en de stad overnemen. De "rebel-leiders" in deze stad hebben vaak twee soorten wapens: kleine foutjes in hun instructieboekje (SNV's) en grote stukken van het boekje die ze hebben gekopieerd of verwijderd (CNV's).

Vroeger konden artsen alleen zien wat er in de stad gebeurde op één moment, of ze konden alleen kijken naar de kleine foutjes. Ze zagen niet hoe de grote veranderingen en de kleine foutjes samenwerkten om de stad te veroveren, en ze misten het verhaal van hoe dit zich ontwikkelde in de tijd.

LoPhy is de nieuwe, slimme detective die dit verhaal eindelijk kan reconstrueren. Hier is hoe het werkt, vertaald in alledaagse taal:

1. Het Probleem: Een Gebroken Fotoboek

Stel je voor dat je een fotoboek van een familie maakt, maar je hebt foto's van verschillende momenten in de tijd (tijd 1, tijd 2, tijd 3).

• De oude methoden deden alsof alle foto's op één grote hoop lagen. Ze wisten niet wie er eerst was en wie later. Of ze maakten een apart fotoboek voor elk moment, maar die boeken hadden geen verband met elkaar. Het resultaat was een rommelig verhaal zonder logische volgorde.
• Het nieuwe probleem: De technologie om DNA te lezen is verbeterd. We kunnen nu zowel de kleine foutjes als de grote veranderingen zien in één cel. Maar er was geen manier om dit alles in de tijd te ordenen.

2. De Oplossing: LoPhy (De Chronologische Bouwer)

LoPhy is als een meester-bouwkundige die een boom (een stamboom) bouwt, maar dan met een speciale regel: Je mag alleen nieuwe takken toevoegen op het moment dat je ze voor het eerst ziet.

• De "Tijdmachine"-aanpak: LoPhy begint bij het begin (de gezonde cel). Dan kijkt het naar de eerste foto (tijd 1). Als er een nieuwe mutatie is, plant LoPhy die direct in de boom.
• De "Stap-voor-stap" regel: Als je naar tijd 2 gaat, mag LoPhy de boom uitbreiden, maar hij mag de oude takken niet veranderen. Hij bouwt gewoon verder op wat er al was. Dit zorgt ervoor dat het verhaal logisch blijft: je kunt geen mutatie hebben die pas in 2025 ontstond, maar die al in 2020 in de boom staat.
• Het Grote Plaatje: LoPhy kijkt niet alleen naar de kleine foutjes (SNV's), maar ook naar de grote veranderingen (CNV's), zoals het verliezen van een hele arm van een chromosoom. Hij combineert deze twee soorten informatie tot één coherent verhaal.

3. Hoe LoPhy het doet (De Metafoor van de Bouwplaats)

Stel je voor dat je een reconstructie maakt van een gebouw dat steeds verbouwd wordt.

• De Cels: Elke cel is een bouwvakker met een blauwdruk.
• De Data: Soms is de blauwdruk vervaagd (dat is de "ruis" in de data). Soms ontbreken er pagina's (dat is "dropout").
• De Strategie: LoPhy bouwt het gebouw stap voor stap. Als hij een nieuwe bouwvakker ziet met een nieuwe blauwdruk (een nieuwe mutatie), voegt hij die toe aan de familieboom.
• De Slimme Truc: LoPhy is niet bang om fouten te maken tijdens het bouwen. Hij probeert, probeert weer, en schuift takken een beetje op en neer (een wiskundige zoektocht) totdat het verhaal perfect klopt met alle foto's die hij heeft. Hij zorgt ervoor dat het verhaal logisch is: als een mutatie in tijd 3 verschijnt, kan hij niet in tijd 1 hebben bestaan.

4. Wat hebben ze ontdekt? (De AML-Verhalen)

De onderzoekers hebben LoPhy getest op 19 patiënten met acute myeloïde leukemie (AML), een vorm van bloedkanker.

• Het verrassende resultaat: Ze ontdekten dat de kankercellen die overleven na de behandeling (de "rebel-leiders") vaak twee wapens tegelijk hebben: een kleine fout én een grote verandering in hun DNA.
• Voorbeeld: In één patiënt zagen ze dat een groep cellen eerst een grote verandering had (een stuk DNA verdubbeld). Later, na de behandeling, verscheen er een nieuwe groep die dezelfde grote verandering had, maar nu ook een andere, specifieke fout. Deze nieuwe groep nam de overhand. Zonder LoPhy hadden ze gedacht dat dit één groep was, maar het bleek een evolutie te zijn.
• De Bevestiging: LoPhy's verhalen klopten perfect met wat de artsen klinisch zagen en met andere tests (bulk sequencing).

5. Waarom is dit belangrijk?

Vroeger dachten artsen misschien: "Oh, deze mutatie is de schuldige." Maar LoPhy laat zien: "Nee, het is de combinatie van deze mutatie en die grote verandering die de kanker zo sterk maakt."

Dit helpt artsen om beter te begrijpen:

1. Hoe kanker zich verzet tegen medicijnen: Door te zien welke combinatie van mutaties de overlevenden zijn.
2. Wanneer ze moeten ingrijpen: Door te zien hoe snel de "rebel-buurten" groeien.
3. De toekomst: Het helpt bij het ontwerpen van behandelingen die niet alleen één type mutatie aanvallen, maar de hele "rebel-stad" in de gaten houden.

Kortom: LoPhy is de eerste tool die ons toestaat om het complexe, tijdsgebonden verhaal van kanker te lezen, waarbij zowel de kleine lettertjes als de grote hoofdstukken in het DNA samen een logisch verhaal vormen. Het is alsof we eindelijk de regie van een film kunnen zien, in plaats van alleen willekeurige frames.

Technische samenvatting

Probleemstelling

Kanker evolueert door de accumulatie van somatische mutaties, voornamelijk Single Nucleotide Variants (SNVs) en Copy Number Alterations (CNAs). Om te begrijpen hoe tumoren zich ontwikkelen en resistentie ontwikkelen tegen therapie, is longitudinale sequencing (bemonstering op meerdere tijdstippen) essentieel.

Hoewel recente voortgangen in single-cell amplicon sequencing (zoals het Tapestri-platform) het mogelijk maken om zowel SNVs als CNAs op celniveau te detecteren, ontbreekt het aan geavanceerde methoden om deze data te analyseren. Bestaande methoden hebben de volgende beperkingen:

1. Ze reconstrueren vaak alleen de evolutie van SNVs of alleen CNAs, maar niet de gezamenlijke evolutie van beide.
2. Methoden die wel beide modelleren (zoals COMPASS), zijn niet ontworpen voor longitudinale data. Ze behandelen tijdspunten als onafhankelijk (wat leidt tot gebrek aan temporele coherentie) of poolen alle data (wat technische variatie zoals 'dropout'-percentages en dekking per monster negeert).
3. Er is geen methode die specifiek de gezamenlijke evolutie van SNVs en CNAs uit longitudinale single-cell data kan reconstrueren.

Methodologie: LoPhy

De auteurs introduceren LoPhy (Longitudinal Phylogeny), een nieuw algoritme dat clone-bomen reconstrueert die de gezamenlijke evolutie van SNVs en CNAs vastleggen.

1. Data-input en Representatie

• Input: Single-cell amplicon sequencing data van meerdere tijdspunten. Per cel worden de totale read-counts, read-counts per regio, en alternatieve/reference read-counts per locus verzameld.
• Boomstructuur: LoPhy bouwt een reeks geneste bomen ($T_1 \subseteq T_2 \subseteq ... \subseteq T_S$), waarbij elke boom $T_s$ de evolutionaire geschiedenis tot tijdspunt $s$ beschrijft.
• Mutatiemodellen: Het model omvat vier soorten somatische gebeurtenissen: SNV-acquisitie, copy number gains, losses, en copy-neutral loss of heterozygosity (CNLOH). SNVs volgen het k-Dollo-model (één keer verworven, maximaal één keer verloren door deletie).

2. Likelihood-model
LoPhy maximaliseert een gefactoriseerde longitudinale waarschijnlijkheid:
$$\prod_{s=1}^{S} P(D_s, A_s | T_s)$$
Hierbij wordt aangenomen dat mutaties zich in de tijd ophopen en dat elke mutatie die tussen tijd $s-1$ en $s$ optreedt, aanwezig is in ten minste één cel in monster $s$.

• Read-depth likelihood: Modelleren van totale copy numbers per regio met een Negative Binomial-verdeling om overdispersie (variabiliteit in dekking) te vangen.
• Allelic read count likelihood: Modelleren van de verhouding tussen alternatieve en reference reads met een Beta-binomiale verdeling. Dit houdt rekening met sequencing-fouten en allele-specifieke dropout (waarbij een allel niet wordt geamplificeerd).

3. Optimisatie en Zoekstrategie
Het algoritme gebruikt een sequentiële boom-bouwstrategie gecombineerd met stochastische zoektocht:

• Initiatie: De boom begint met een wortel (normale cellen).
• Sequentieel toevoegen: Mutaties worden in de volgorde toegevoegd waarin ze voor het eerst worden gedetecteerd over de tijdspunten heen.
• Stochastische zoektocht: Voor elk monster worden mutaties verplaatst (SNVs) of CNAs toegevoegd/verwijderd om de posterior-likelihood te maximaliseren.
• EM-algoritme: Na elke boom-modificatie worden de parameters geschat (clone-toewijzingen, dropout-rates per locus) via Expectation-Maximization.
• Priors: Er worden straffen (penalties) toegepast op het aantal clones en CNAs om overfitting te voorkomen.

Belangrijkste Resultaten

1. Evaluatie op gesimuleerde data
LoPhy werd getest op 40 gesimuleerde longitudinale kankerdatasets en vergeleken met bestaande tools (COMPASS, SCITE, LACE).

• Prestatie: LoPhy presteerde over het algemeen het beste op alle metrieken, inclusief de nauwkeurigheid van geschatte copy numbers (TCN-MAE) en de structuur van de boom (Tree F1-score).
• False Emergence Rate (FER): LoPhy behaalde een perfecte FER (geen mutaties die te vroeg in de evolutie worden geplaatst), terwijl COMPASS vaak foutieve vroege mutaties invoerde omdat het de longitudinale structuur negeerde.
• Snelheid: LoPhy was aanzienlijk sneller dan COMPASS (gemiddeld 9,5 minuten vs. 1 uur en 40 minuten voor datasets met 5 tijdspunten).

2. Toepassing op Acute Myeloïde Leukemie (AML)
LoPhy werd toegepast op 15 longitudinale AML-patiënten (Tapestri-data) en 4 TP53-gemuteerde AML-patiënten.

• Biologische consistentie: De gereconstrueerde bomen waren consistent met klinische observaties en werden gevalideerd met orthogonale bulk-sequencing data (ASCAT/CNVkit).
• Gecombineerde drijvers: De analyse toonde aan dat clones die dominant worden na therapie of bij recidief, vaak worden gedefinieerd door een combinatie van SNVs en grote CNAs.
• Voorbeeld (AML-99): LoPhy identificeerde twee onafhankelijke CNLOH-gebeurtenissen in het RUNX1-gebied op verschillende lijnen, waarbij de ene lijn (met CNLOH van het alternatieve allel) dominant werd bij recidief. COMPASS faalde hierin en gaf een onnauwkeurige boom.
• Voorbeeld (AML-01 & AML-83): LoPhy kon correcte temporele ordening van mutaties en copy number gains (zoals een gain op chromosoom 8 bij AML-83) reconstrueren, terwijl COMPASS door het negeren van monster-specifieke dekking variatie deze gains miste of onrealistische dropout-rates berekende.

Bijdragen en Significatie

1. Eerste methode voor gezamenlijke longitudinale inferentie: LoPhy is de eerste tool die specifiek is ontworpen om de gezamenlijke evolutie van SNVs en CNAs uit longitudinale single-cell amplicon data te reconstrueren.
2. Nieuw wiskundig kader: De introductie van een gefactoriseerde longitudinale likelihood-functie en een nieuw objectief dat temporele coherentie afdwingt terwijl het rekening houdt met monster-specifieke technische variatie (dropout, dekking).
3. Klinisch inzicht: De studie onthult dat CNAs een cruciale rol spelen in de resistentie en progressie van AML, vaak in combinatie met SNVs. Het negeren van CNAs of het niet modelleren van longitudinale data leidt tot onnauwkeurige evolutionaire geschiedenissen.
4. Robuustheid: De methode is getest op zowel gesimuleerde als echte data en overtreft bestaande methoden in nauwkeurigheid en snelheid, waardoor het een krachtig hulpmiddel wordt voor het bestuderen van kanker-evolutie op celniveau.

Conclusie:
LoPhy vult een kritieke lacune in de bio-informatica voor kankeronderzoek. Door de gezamenlijke dynamiek van SNVs en CNAs over tijd te modelleren, biedt het een nauwkeuriger beeld van hoe tumoren zich aanpassen aan therapie, wat essentieel is voor het ontwikkelen van betere behandelstrategieën. De broncode is beschikbaar onder een CC-BY-ND-licentie.