cyto: ultra high-throughput processing of 10x-flex single cell sequencing

Stel je voor dat je een enorme bibliotheek probeert te sorteren met miljarden piepkleine, unieke boeken. Elk boek vertegenwoordigt een enkele cel van een levend organisme, en in elk boek staan instructies (genetische data) die vertellen wat die cel doet. In het verleden gebruikten wetenschappers een methode genaamd "CellRanger" om deze boeken te lezen en te organiseren. Echter, naarmate het aantal boeken groeide naar de miljarden, werd deze methode als het sorteren van de bibliotheek door elk woord in elk boek één voor één te lezen. Het duurde uren, vereiste een supercomputer en was ongelooflijk duur.

Maak kennis met cyto, een nieuwe, ultrasnelle tool die is ontworpen om deze flessenhals op te lossen. Zo werkt het, met behulp van alledaagse vergelijkingen:

1. De "Patroonherkennings"-truc (in plaats van alles te lezen)
Traditionele tools proberen elk stukje data te matchen met een referentierapport, zoals een bibliothecaris die probeert een boek te vinden door elke plank met een catalogus te vergelijken. cyto is slimmer. Omdat de nieuwe "10x Flex"-bibliotheken een vast, voorspelbaar ontwerp hebben (zoals boeken die altijd in dezelfde kleurgecodeerde dozen aankomen), hoeft cyto niet het hele verhaal te lezen. In plaats daarvan gebruikt het een "direct opzoek" systeem. Denk aan een barcode scanner bij een supermarkt: deze leest niet de ingrediëntenlijst; hij scant gewoon de code en weet direct waar het artikel thuishoort. Dit slaat het trage, zware werk van traditionele uitlijning over.

2. De "Compacte Koffer" (IBU-formaat)
Om data te verplaatsen, gebruikt cyto een nieuw formaat genaamd IBU (Indexed-Barcode-UMI). Stel je voor dat je een huis vol meubels probeert te verplaatsen. De oude manier was om elk item in lagen bubbelplastic en karton te wikkelen, wat een enorme vrachtwagen in beslag nam. Het IBU-formaat van cyto is als een hoogtechnologische, vacuümverpakte koffer. Het comprimeert de data tot een klein, efficiënt binair pakketje, waardoor het veel sneller te laden, te transporteren en uit te pakken is.

3. De "Assemblagelijn" (BINSEQ-formaat)
De meeste computerbestanden zijn gecomprimeerd als een enkel bestand (gzip), dat slechts door één persoon tegelijk geopend kan worden. Als je een enorm bestand hebt, moet je wachten tot die ene persoon klaar is voordat de volgende kan beginnen. Cyto gebruikt een formaat genaamd BINSEQ, wat als een enorme assemblagelijn is. In plaats van dat één persoon een doos uitpakt, staat het honderden werkers toe om tegelijkertijd verschillende delen van de doos te openen. Dit doorbreekt de "single-threaded" limiet, waardoor de computer al zijn kracht tegelijk kan gebruiken.

De Resultaten: Een Bliksemsnelle Transformatie
De paper testte cyto op een enorme dataset met 320.000 cellen (een "multiplexed" groep).

• Snelheid: Terwijl de oude tool (CellRanger) 3,7 uur nodig had om de klus te klaren, deed cyto het in slechts 13 minuten. Dat is een 16,5x versnelling.
• Efficiëntie: Het gebruikte minder dan de helft van het geheugen en deed veel minder "disk I/O" (wat vergelijkbaar is met het zware werk van de harde schijf van de computer).
• Nauwkeurigheid: Ondanks dat het zo veel sneller was, heeft cyto geen concessies gedaan aan de kwaliteit; het kwam in 99,85% van de gevallen overeen met de resultaten van de oude tool. Wanneer wetenschappers naar de uiteindelijke groepen cellen keken (clustering), waren de resultaten identiek.

Waarom het ertoe doet
De paper beweert dat cyto niet alleen sneller is omdat het meer computers gebruikt; het is fundamenteel efficiënter en gebruikt 31,7 keer minder CPU-uren. Dit betekent dat wetenschappers deze enorme experimenten nu kunnen uitvoeren op kleinere, goedkopere cloud-computers in plaats van dure supercomputers nodig te hebben. Het verandert projecten die voorheen te traag of te kostbaar waren om haalbaar te maken, in routinetaken, wat de weg vrijmaakt voor "miljard-cel atlasen" en grootschalige genetische schermen.

Kortom, cyto is de hogesnelheidstrein die de langzame, stoomgedreven locomotief vervangt voor het sorteren van de meest complexe biologische data ter wereld.