Igniting full-length isoform analysis in single-cell and spatial RNA-seq data with FLAMESv2

FLAMESv2 is een nieuwe, modulaire R/Bioconductor-pakket dat de verwerking en analyse van lange-lezen single-cell en ruimtelijke RNA-seq-data mogelijk maakt om isofoor-expressie en alternatieve splijting op celniveau nauwkeurig te karakteriseren.

De kern

Titel: FLAMESv2: De Superbrandblusser die de Verborgen Wereld van Cellen onthult

Stel je voor dat je een enorme bibliotheek binnenstapt. In deze bibliotheek zitten miljarden boeken (dat zijn onze cellen). Elk boek bevat instructies voor hoe het lichaam werkt.

Vroeger konden we alleen de titel van het boek lezen (de naam van het gen). We wisten dus wel welk boek er op de plank stond, maar niet welke versie van het verhaal erin zat.

Het probleem: De "Korte Lezers"
De oude technologie (korte-read sequencing) was als iemand die alleen de eerste en de laatste zin van een boek leest. Hij weet dat het boek over "Hart" gaat, maar hij mist de belangrijke details: is het verhaal een tragische versie of een optimistische versie? In de biologie zijn die versies isoformen. Ze kunnen totaal verschillende functies hebben, zelfs als ze uit hetzelfde boek komen.

De oplossing: "Lange Lezers" en FLAMESv2
Nu hebben we nieuwe technologieën (lange-read sequencing) die het hele boek in één keer kunnen lezen. Maar hier ontstond een nieuw probleem: er waren te veel verschillende soorten bibliotheken (verschillende experimenten) en te veel verschillende manieren om de boeken te sorteren. De software die hiervoor bestond, was vaak vastgekleefd aan één specifiek type bibliotheek. Als je een ander type had, werkte de software niet.

FLAMESv2 is de nieuwe, supermodulaire superbrandblusser (of liever: de super-organisateur) die dit probleem oplost.

Hier is hoe het werkt, vertaald in alledaagse taal:

1. De Alles-in-Één Vertaler

Stel je voor dat je boeken in 10 verschillende talen en met 10 verschillende kaftontwerpen binnenkrijgt.

• Oude software: "Ik kan alleen boeken in het Engels met een blauwe kaft lezen."
• FLAMESv2: "Geef me maar wat! Of het nu een 10x-protocol is, een ruimtelijke kaart (waar de boeken precies op de plank staan), of een experiment met een andere barcode. Ik vertaal alles naar één standaardtaal."
  Het is zo flexibel dat je zelfs je eigen "boekstructuur" kunt beschrijven en FLAMESv2 past zich daar direct aan.

2. De Snelheid van een Formule 1-auto

Vroeger duurde het dagen om al die boeken te sorteren. FLAMESv2 is geoptimaliseerd voor snelheid.

• Vergelijking: Het is alsof je vroeger met de fiets door een modderig veld reed om 300 GB aan data te verwerken. Met FLAMESv2 heb je een Formule 1-auto die diezelfde route in minder dan een dag aflegt, zelfs als je een hele berg data (300 GB) moet verwerken.

3. Het Oplossen van de "Verwarring" in de Cel

De onderzoekers gebruikten FLAMESv2 om te kijken hoe stamcellen veranderen in neuronen (hersencellen).

• De ontdekking: Ze zagen niet alleen dat de cellen veranderden, maar ze zagen precies welke versies van de instructies er werden gebruikt.
• Voorbeeld: Ze vonden een gen genaamd PKM. In jonge cellen werd de "standaardversie" gebruikt. Maar naarmate de cellen ouder werden en tot neuronen groeiden, schakelden ze over naar een nieuwe, unieke versie van datzelfde gen. Zonder FLAMESv2 hadden ze dit gemist; ze hadden gedacht dat het gen gewoon "aan" stond, terwijl het eigenlijk van "outfit" veranderde.

4. De Diversiteitsmeter (De "Mix-Test")

Een van de coolste nieuwe functies is het meten van diversiteit.
Stel je voor dat je een cocktail maakt.

• Laag diversiteit: Je gebruikt alleen water en ijs. (Eén isoform).
• Hoge diversiteit: Je maakt een complexe cocktail met 10 verschillende ingrediënten. (Veel isoformen).
  FLAMESv2 kan per cel meten: "Is deze cel een simpele waterdrankje, of een complexe cocktail?" Ze ontdekten dat sommige cellen heel divers zijn (veel verschillende versies tegelijk), terwijl andere heel strak en eenduidig werken. Dit geeft een heel nieuw inzicht in hoe cellen zich gedragen.

Waarom is dit belangrijk?

Tot nu toe zagen we alleen de "hoofdstuktitels" van het leven. FLAMESv2 laat ons de volledige tekst zien, inclusief de voetnoten, de alternatieve eindes en de nieuwe hoofdstukken die we nog nooit hadden gezien.

Dit helpt wetenschappers om:

• Beter te begrijpen hoe ziektes ontstaan (soms is het niet het boek dat fout is, maar de verkeerde versie).
• Nieuwe medicijnen te ontwikkelen die specifiek die "verkeerde versie" aanvallen.
• Een complete atlas te maken van het menselijk lichaam, niet alleen op basis van welke cellen er zijn, maar welke versies van hun instructies ze gebruiken.

Kortom: FLAMESv2 is de sleutel die de deur opent naar een diepere, gedetailleerdere wereld van onze cellen, waardoor we eindelijk het volledige verhaal kunnen lezen in plaats van alleen de samenvatting.

Technische samenvatting

Probleemstelling

Hoewel single-cell RNA-sequencing (scRNA-seq) en ruimtelijke transcriptomics revolutionair zijn geweest voor het begrijpen van celheterogeniteit en weefselarchitectuur, zijn de meeste huidige methoden beperkt tot gen-niveau tellingen. Genen kunnen echter meerdere RNA-isoformen produceren via alternatieve splicing, wat cruciaal is voor celidentiteit, ontwikkeling en ziekte.
De huidige uitdagingen zijn:

1. Fragmentatie: Analyse-tools voor long-read (langere leeslengte) data zijn vaak gekoppeld aan specifieke experimentele protocollen (bijv. alleen 10x Genomics of alleen ONT), wat herbruikbaarheid beperkt.
2. Beperkte functionaliteit: Veel tools vereisen gekoppelde short-read data, kunnen geen nieuwe isoformen identificeren, of bieden geen volledige "end-to-end" pipeline.
3. Data-schaarste: Isoform-niveau data is veel schaarser dan gen-niveau data, wat nauwkeurige kwantificeringstools vereist die specifiek zijn ontworpen voor long-read data.
4. Gebrek aan standaardisatie: Er is een gebrek aan een modulaire, protocol-onafhankelijke framework die diverse data-types (single-cell, single-nucleus, ruimtelijk, bulk) kan integreren.

Methodologie: FLAMESv2

De auteurs stellen FLAMESv2 voor, een verbeterde, modulaire en protocol-onafhankelijke R/Bioconductor-pakket voor de analyse van long-read single-cell en ruimtelijke RNA-seq data.

Kernarchitectuur en stappen:
De pipeline bestaat uit zes hoofdmodules die onderling uitwisselbaar zijn:

1. Barcode demultiplexing: Gebruik van flexiplex en BLAZE (geïntegreerd via basilisk en Rcpp) om reads toe te wijzen aan individuele cellen of ruimtelijke locaties. Dit ondersteunt diverse barcode-structuren (bijv. 10x, LR-Split-seq, Parse-achtige protocollen) zonder dat vooraf gedefinieerde lijsten nodig zijn.
2. Genoom-alignatie: Mapping van reads naar het referentiegenoom met minimap2.
3. Gen-kwantificatie: Inclusief UMI-deduplicatie voor accurate tellingen.
4. Isoform-identificatie: Generatie van een experiment-specifiek transcriptoom. Dit kan worden uitgevoerd met tools zoals bambu om zowel bekende als novel (nieuwe) isoformen te ontdekken.
5. Transcriptoom-alignatie: Her-mapping van de gededupliceerde reads naar het gegenereerde transcriptoom.
6. Transcript-kwantificatie: Berekening van de expressie per isoform per cel, met opties voor probabilistische kwantificatie (bijv. oarfish) om multi-mapping reads te verwerken.

Technische innovaties:

• Protocol-onafhankelijkheid: Gebruikers kunnen hun leesstructuur beschrijven via het flexiplex-pakket, waardoor ondersteuning voor een breed scala aan protocollen mogelijk is zonder code aan te passen.
• Short-read vrij: De pipeline kan werken met alleen long-read data, maar ondersteunt ook gekoppelde short-read data voor validatie of barcode-lijsten.
• Modulariteit: Elke stap kan worden in- of uitgeschakeld, of vervangen door externe tools. De pipeline ondersteunt het hervatten van gestopte jobs.
• Multi-sample ondersteuning: Zorgt voor consistente naamgeving en annotatie van nieuwe isoformen over meerdere samples heen.
• Snelheid: Geoptimaliseerd voor snelheid; bijvoorbeeld, 300 GB gecomprimeerde data van 4 samples is verwerkt binnen 24 uur.
• Visualisatie: Ingebouwde functies voor kwaliteitscontrole, UMAP-projecties (gekleurd op genotypen of isoform-uitdrukking), ruimtelijke plots en isoform-heatmaps.

Belangrijkste Bijdragen

1. Unificatie van het analyse-landschap: FLAMESv2 vervangt een gefragmenteerd ecosysteem door één modulaire pipeline die single-cell, single-nucleus, ruimtelijke en bulk long-read data kan verwerken.
2. Verbeterde prestaties: Benchmarking toont aan dat FLAMESv2 leidende prestaties levert in barcode-identificatie, gen- en isoform-kwantificatie en clustering, vaak beter dan of vergelijkbaar met bestaande tools zoals scNanoSeq, SiCeLoRe en wf-single-cell.
3. Nieuwe functionaliteit voor diversiteit: Introductie van de find_diversity functie, die de Shannon-entropie berekent per cel per gen. Dit meet of een gen wordt gedomineerd door één isoform of dat er sprake is van heterogeniteit in isoform-gebruik binnen en tussen cellen.
4. End-to-end pipeline voor complexe protocollen: Het is de eerste tool die een volledige pipeline biedt voor protocollen zoals LR-Split-seq en ruimtelijke transcriptomics (10x Visium, Curio) zonder afhankelijkheid van externe software voor demultiplexing.

Resultaten

De auteurs hebben FLAMESv2 getest op diverse datasets:

• Benchmarking (LongBench dataset):

  • FLAMESv2 toonde een hoge correlatie met short-read data (Illumina) voor gen-niveau tellingen (Spearman correlatie ~0.496).
  • Het slaagde erin cellijnen in een mengsel van 8 longkankerlijnen nauwkeurig te clusteren op basis van SNP's.
  • Bij ruimtelijke data (Visium en Curio) bereikte FLAMESv2 een vergelijkbare nauwkeurigheid als de oorspronkelijke analyse-tools, maar met de toegevoegde waarde van isoform-resolutie.

• Neuronale differentiatie (Stamcel naar Neuron):

  • Toepassing op een tijdreeks (dag 0 tot dag 80) van iPSC-differentiatie.
  • Verbetering t.o.v. FLAMESv1: FLAMESv2 identificeerde aanzienlijk meer unieke genen (29.013 vs 5.578) en isoformen (93.721 vs 15.430) en had een lagere vals-positieve rate voor nieuwe isoformen (minder interne primer-gebeurtenissen).
  • Biologische inzichten: De pipeline onderscheidde drie hoofdceltypen (radiale glia, excitatoire en inhibitoire neuronen) op basis van zowel gen- als isoform-niveau.
  • Isoform-switching: Er werd een specifieke isoform-switch ontdekt in het PKM-gen. Progenitor-cellen gebruikten het canonieke isoform, terwijl mature neuronen een nieuw isoform (BambuTx13041) expresseren dat een deel van het pyruvaatkinase-domein mist, wat wijst op functionele divergentie.
  • Entropie-analyse: De find_diversity functie toonde aan dat de meeste genen binnen individuele cellen meerdere isoformen tot expressie brengen. Genen zoals RPL19 toonden hoge diversiteit, terwijl VIM gedomineerd werd door één isoform. Er werd ook heterogeniteit in isoform-samenstelling tussen cellen van hetzelfde type waargenomen.

Betekenis en Conclusie

FLAMESv2 is een doorslaggevende stap in de bio-informatica voor long-read sequencing. Het democratiseert de toegang tot isoform-resolutie analyse door een flexibele, snelle en nauwkeurige tool te bieden die niet gebonden is aan specifieke leveranciers of protocollen.

De significance van dit werk ligt in:

• Dieper biologisch inzicht: Het maakt het mogelijk om de complexe regulatie van genen via alternatieve splicing op single-cell niveau te bestuderen, wat essentieel is voor het begrijpen van ontwikkeling en ziekte.
• Reproduceerbaarheid: Door een gestandaardiseerde, modulaire pipeline te bieden, worden vergelijkingen tussen studies met verschillende methoden mogelijk.
• Toekomstbestendigheid: De architectuur maakt het eenvoudig om nieuwe tools en protocollen in de toekomst te integreren.

Kortom, FLAMESv2 transformeert het analyse-landschap van een gefragmenteerd geheel naar een geünificeerde pipeline, waardoor het potentieel van long-read single-cell en ruimtelijke transcriptomics volledig kan worden benut voor het karakteriseren van RNA-isoformen.