commonPeak: Equivalence testing to identify common ChIP-seq peaks across conditions and protocols

Dit artikel introduceert commonPeak, een statistisch framework dat ChIP-seq-gegevens analyseert om gedeelde pieken te identificeren en te testen of hun verrijking tussen verschillende condities en protocollen equivalent is, wat essentieel is voor protocolvalidatie en het onderscheiden van behoudende van condition-specifieke biologische programma's.

De kern

commonPeak: De "Gelijkheids-Test" voor Genetische Landkaarten

Stel je voor dat je twee verschillende teams hebt die een enorme stad in kaart brengen. Beide teams gebruiken een drone om de gebouwen te fotograferen en te tellen.

• Team A gebruikt een oude, bewezen drone.
• Team B gebruikt een nieuwe, snellere drone die ze net hebben uitgevonden.

Nu willen ze weten: "Zien deze twee drones precies dezelfde gebouwen, en tellen ze ook ongeveer even veel ramen?"

In de wereld van de genetica (DNA-onderzoek) doen wetenschappers iets vergelijkbaars met een techniek genaamd ChIP-seq. Ze proberen te vinden waar bepaalde eiwitten (zoals de "bouwmeesters" van het lichaam) zich aan het DNA vasthechten. Deze plekken noemen ze peaks (topjes).

Het probleem is: als je twee verschillende experimenten doet (bijvoorbeeld met een oude en een nieuwe methode, of met gezonde en zieke cellen), is het vaak lastig om te zeggen of een "topje" echt hetzelfde is. Tot nu toe keken onderzoekers alleen of de plekken op de kaart overeenkwamen. Maar dat zegt niets over of de sterkte van het signaal hetzelfde is.

commonPeak is een nieuwe computerprogramma dat dit probleem oplost.

1. Het Probleem: "Niet anders" betekent niet "Hetzelfde"

Stel je voor dat je twee weegschalen hebt.

• Op de ene weegschaal ligt een appel van 100 gram.
• Op de andere ligt een appel van 102 gram.

Als je alleen kijkt of ze verschillen, zou je kunnen zeggen: "Nee, ze zijn niet significant verschillend." Maar dat betekent niet dat ze precies hetzelfde zijn. Ze kunnen net zo goed 100 gram en 200 gram zijn, en dan zou je zeggen: "Ze zijn wel verschillend."

Vroeger zagen onderzoekers alleen of er een groot verschil was. Als er geen groot verschil was, dachten ze: "Oké, het is wel hetzelfde." commonPeak zegt: "Wacht even, dat is niet genoeg. We moeten bewijzen dat ze echt binnen een klein bereik van elkaar liggen."

2. De Oplossing: De "Gelijkheids-Test"

commonPeak werkt als een strenge keurmeester in twee stappen:

1. Deel 1: Zie je het overal?
   Het programma kijkt eerst of een bepaald stukje DNA in alle monsters (bijvoorbeeld bij gezonde én zieke cellen) aanwezig is. Als het in één monster ontbreekt, telt het niet mee. Het moet een "gemeenschappelijke" plek zijn.

2. Deel 2: Is de kracht hetzelfde?
   Dit is het nieuwe deel. Het programma meet hoe sterk het signaal is (hoeveel eiwitten er zitten). Het stelt een regel op: "Als het verschil kleiner is dan X, dan tellen we het als 'hetzelfde'."

   • Analogie: Stel je hebt twee luidsprekers. Als de ene 80 decibel is en de andere 82, zeggen we: "Die klinken hetzelfde." Maar als de ene 80 is en de andere 95, dan is dat een ander volume. commonPeak bewijst statistisch dat het volume echt "hetzelfde" is, in plaats van alleen te zeggen "er is geen groot verschil".

3. Het Voorbeeld: De Estrogen Receptor (ERα)

Om te laten zien dat het werkt, hebben de auteurs dit getest op borstkankercellen (MCF-7).

• De situatie: Ze keken naar cellen die reageren op een medicijn (tamoxifen) en cellen die er niet meer op reageren (resistent).
• De vraag: Zijn er plekken in het DNA waar de "bouwmeester" (ERα) zich altijd vasthoudt, ongeacht of het medicijn werkt of niet?

Het resultaat:
commonPeak vond 225 plekken die in beide situaties precies even sterk bezet waren.

• Interessant: Deze plekken waren niet de plekken die veranderen (die zouden je verwachten bij kanker).
• Betekenis: Deze 225 plekken lijken de "kern" van het systeem te zijn. Ze zijn als de fundering van een huis: die verandert niet, of je nu een nieuwe verflaag doet of niet. Ze zijn verbonden met de normale werking van oestrogeen in het lichaam.

4. Waarom is dit handig?

• Voor nieuwe methoden: Als je een nieuwe, snellere manier hebt om DNA te scannen, kun je met commonPeak bewijzen: "Kijk, mijn nieuwe methode ziet precies dezelfde sterke plekken als de oude, bewezen methode."
• Voor ziekte-onderzoek: Het helpt om te zien wat er echt verandert in een ziekte, en wat gewoon de "normale basis" is die altijd blijft bestaan.

Samenvatting in één zin:

commonPeak is een slimme tool die niet alleen kijkt of twee genetische kaarten op dezelfde plek een stip hebben, maar ook bewijst dat die stippen even donker en krachtig zijn, zodat we zeker weten dat ze echt hetzelfde zijn.

---

Waarom is dit belangrijk voor jou?
Dit helpt artsen en onderzoekers om betere medicijnen te ontwikkelen, omdat ze precies weten welke delen van het DNA stabiel blijven en welke delen echt veranderen bij ziektes of door medicijnen.

Technische samenvatting

Probleemstelling

ChIP-seq wordt veel gebruikt om transcriptiefactor-bindingsplaatsen en histonmodificaties in kaart te brengen. Hoewel er veel methoden bestaan om verschillen in binding tussen condities te detecteren (bijv. DiffBind, csaw) of reproduceerbaarheid binnen een conditie te beoordelen (bijv. IDR), ontbreekt er een specifieke methode om de overeenkomst van pieklocaties en -intensiteiten tussen verschillende datasets te kwantificeren.

Dit is een kritiek probleem bij het vergelijken van nieuwe ChIP-seq-protocollen met gevestigde workflows of bij het analyseren van biologische condities waarbij men verwacht dat bepaalde bindingsprogramma's behouden blijven. De huidige praktijk definieert "gemeenschappelijke pieken" vaak alleen op basis van coördinaat-overlapping en het ontbreken van een significant verschil. Dit is echter statistisch onvoldoende: het niet detecteren van een significant verschil is geen bewijs dat de pieken daadwerkelijk consistent en equivalent zijn. Er is behoefte aan een methode die positief kan concluderen dat de verrijking (enrichment) statistisch gelijkwaardig is.

Methodologie: commonPeak

commonPeak is een statistisch raamwerk dat "gemeenschappelijke pieken" definieert via een tweestapsproces: (i) gedeelde aanwezigheid in alle samples en (ii) statistische equivalentie van de pieksterkte.

1. Inputs:

   • BED-bestanden met piekintervallen voor elke sample.
   • BAM-bestanden met uitgelijnde reads (inclusief input-controls) voor alle samples.

2. Bepalen van kandidaat-regio's en tellen:

   • Het algoritme berekent de intersectie van piekbereiken tussen alle samples (met bedtools multiinter). Alleen intervallen die in alle samples voorkomen, worden geselecteerd.
   • Voor deze kandidaat-intervallen wordt het gemiddelde dekkingssignaal berekend (standaard 400 bp voor smalle pieken, 1000 bp voor brede pieken), gecentreerd rond het punt met de hoogste read-pile-up.
   • Reads die deze intervallen overlappen, worden geteld per sample met featureCounts (Rsubread), resulterend in een count-matrix.

3. Statistische toetsing (Equivalence Testing):

   • commonPeak gebruikt DESeq2 voor de analyse.
   • Normalisatie: Input-control reads worden afgetrokken van de ChIP-reads (na schaling op basis van library size) om achtergrondruis te corrigeren. Negatieve waarden worden op 0 gezet.
   • TOST-procedure (Two One-Sided Tests): In plaats van een traditionele nulhypothese (geen verschil), test commonPeak op equivalentie. Het past een negatief-binomiale model toe en gebruikt de altHypothesis = "lessAbs" parameter in DESeq2.
   • De methode toetst twee nulhypotheseën voor elke piek: of de log2-fold change (log2FC) significant kleiner is dan een negatieve drempel ($-\Delta$) of significant groter is dan een positieve drempel ($+\Delta$).
   • Alleen als beide nulhypotheseën worden verworpen, wordt de piek beschouwd als statistisch equivalent (d.w.z. de absolute log2FC is kleiner dan de door de gebruiker ingestelde tolerantie $\Delta$).
   • Meerdere toetsing wordt gecorrigeerd met de Benjamini-Hochberg-procedure.

4. Output:

   • Een samenvattingstabel met de resultaten van de equivalentietest.
   • Een bestand met de coördinaten van de gemeenschappelijke pieken.
   • MA-plots voor visualisatie van de log2FC tegen de gemiddelde read-count.

Belangrijkste Resultaten

De auteurs hebben commonPeak gevalideerd met een ER$\alpha$ (oestrogeenreceptor alfa) ChIP-seq dataset van MCF-7 borstkankercellen, vergeleken tussen tamoxifen-gevoelige en tamoxifen-resistente condities.

• Identificatie van pieken: Uit 27.601 geteste pieken identificeerde commonPeak 225 pieken met significant vergelijkbare verrijking (equivalent) en 4.546 pieken met differentiële binding.
• Onafhankelijkheid: De set van "equivalente" pieken overlapte niet met de set van "differentiële" pieken die door DiffBind werd gevonden, wat bevestigt dat de methoden complementaire vragen beantwoorden.
• Signaalsterkte: De equivalentie-pieken vertoonden een hogere gemiddelde intensiteit (BPM-genormaliseerd) dan de differentiële pieken, wat suggereert dat commonPeak een hoogwaardige subset van sterke bindingsplaatsen selecteert die over condities heen behouden blijven.
• Biologische interpretatie: Genen in de buurt van de equivalente pieken toonden een significante verrijking voor de KEGG "estrogen signaling" pathway ($p = 5.72 \times 10^{-4}$). In tegenstelling hieraan toonden de differentiële pieken geen sterke verrijking voor deze pathway. Dit ondersteunt het idee dat commonPeak een kernregulerend programma van ER$\alpha$ identificeert dat onafhankelijk is van de tamoxifen-respons, terwijl conditiespecifieke veranderingen verspreid en heterogeen zijn.

Bijdragen en Significatie

• Nieuw statistisch paradigma: commonPeak introduceert een verschuiving van het zoeken naar verschillen (differential binding) naar het positief aantonen van overeenstemming (equivalence testing) in ChIP-seq data.
• Benchmarking-tool: Het biedt een robuuste manier om nieuwe ChIP-seq-protocollen te valideren tegen bestaande standaarden door te kijken naar de overeenkomst in zowel locatie als signaalsterkte.
• Biologisch inzicht: De methode helpt onderscheid te maken tussen geconserveerde, kernregulerende mechanismen en conditiespecifieke veranderingen, wat cruciaal is voor het begrijpen van resistentiemechanismen bij kanker.
• Toegankelijkheid: De software is beschikbaar als een gebruiksvriendelijke workflow (via GitHub) die slechts één commando vereist voor de uitvoering en visualisatie.

Beperkingen en Toekomst:
Momenteel vereist commonPeak dat pieken in alle samples aanwezig zijn (conservatieve instelling). Toekomstige versies kunnen deze eis versoepelen en compatibiliteit toevoegen voor ATAC-seq-data en andere count-based backends (zoals edgeR).