VDJdive and ECLIPSE enhance single-cell TCR sequencing analysis through the probabilistic resolution of ambiguous clonotypes

VDJdive en ECLIPSE zijn geavanceerde computationele methoden die de analyse van single-cell TCR-sequencing verbeteren door probabilistische technieken te gebruiken om ambigu clonotypen op te lossen, waardoor de clonale grootte wordt vergroot en het volgen van T-celklonen over verschillende condities heen wordt geoptimaliseerd.

De kern

Titel: VDJdive en ECLIPSE: De 'Google Maps' voor T-cellen die verdwaald zijn

Stel je voor dat je een enorme bibliotheek hebt vol met unieke sleutels. Elke sleutel vertegenwoordigt een T-cel, een soldaat van je immuunsysteem die ziektes bestrijdt. Om te weten welke soldaat bij welke groep (een klon) hoort, kijken wetenschappers naar de vorm van de sleutel (de TCR). Normaal gesproken heeft elke T-cel precies twee delen: een linker- en een rechterhelft die perfect bij elkaar passen. Als je beide helften ziet, weet je precies welke groep de cel toebehoort.

Maar hier komt het probleem: in de digitale wereld van DNA-sequencing (het lezen van die sleutels) gaat er vaak iets mis.

Het Probleem: Verdwaalde Soldaten en Dubbelgangers

In de huidige technologie (scRNA-seq) gebeurt er vaak een van twee dingen:

1. De "Verdwaalde" (Dropout): Soms wordt één helft van de sleutel niet gedetecteerd. Je ziet alleen het linkerdeel, maar het rechterdeel is "verdwenen" door een technische fout. De computer denkt dan: "Ik weet niet wie deze is," en gooit de cel weg.
2. De "Dubbelganger" (Extra chain): Soms ziet de computer drie delen in plaats van twee. Dit kan zijn omdat twee cellen per ongeluk in één bakje zaten (een dubbelganger), of omdat de cel echt een extra stukje heeft. De computer denkt dan: "Dit is onzin," en gooit de cel ook weg.

Het gevolg: Wetenschappers gooien tot wel 30% van hun data weg. Het is alsof je een foto van een menigte maakt, maar omdat sommige mensen half zichtbaar zijn of een extra arm lijken te hebben, je ze allemaal uit de foto knipt. Je ziet dan een veel kleiner en vertekend beeld van wie er echt in de menigte zit.

De Oplossing: VDJdive en ECLIPSE

De auteurs van dit artikel hebben twee slimme tools bedacht om dit op te lossen: VDJdive en ECLIPSE.

1. VDJdive: De Detective met een Gok

Stel je voor dat je een detective bent. Je ziet een verdwaalde sleutel (bijvoorbeeld alleen het linkerdeel). Je weet niet zeker wie het is.

• De oude manier: "Ik weet het niet, weg ermee."
• De VDJdive-methode: De detective kijkt naar de rest van de bibliotheek. "Hé, ik zie dat 90% van de mensen met dit linkerdeel ook dit specifieke rechterdeel hebben. De kans is dus groot dat deze verdwaalde sleutel ook bij die groep hoort."

VDJdive gebruikt een wiskundige truc (een algoritme) om de kans te berekenen welke groep een verdwaalde cel waarschijnlijk toebehoort. Het vult de gaten in de data op basis van patronen die het al ziet bij de andere cellen.

2. ECLIPSE: De Slimme Filter

Soms is het niet alleen een verdwaalde cel, maar heeft een cel écht drie delen (een biologische realiteit, geen fout).

• De oude manier: "Drie delen? Dat is onmogelijk, weg ermee."
• De ECLIPSE-methode: ECLIPSE kijkt kritisch. "Zie ik dit drietal in vele cellen terug? Dan is het waarschijnlijk een echte biologische groep, geen fout." Als het een fout is (een dubbelganger), gooit hij het weg. Maar als het echt is, houdt hij het vast.

ECLIPSE is als een slimme filter die onderscheid maakt tussen "echt interessant" en "technische ruis".

Waarom is dit geweldig?

Stel je voor dat je een kaarttekent van een stad.

• Vroeger: Omdat je veel gebouwen (cellen) weggooide omdat ze "raar" leken, zag je op je kaart alleen maar lege plekken. Je dacht dat de stad klein was en dat er weinig mensen waren.
• Nu met VDJdive/ECLIPSE: Je vult de lege plekken in op basis van logica. Je ziet nu dat de stad veel groter is dan gedacht. Je ziet dat er grote groepen mensen (klonen) zijn die samenwerken, en je ziet dat sommige groepen zelfs een extra "arm" hebben (drie delen) die ze nodig hebben voor hun werk.

De voordelen in het dagelijks taal:

• Minder data weggegooid: Je gebruikt bijna alle informatie die je hebt, in plaats van de helft te verspillen.
• Grotere groepen: Je ziet nu dat bepaalde groepen T-cellen veel groter zijn dan gedacht. Dit helpt artsen om te zien welke groepen echt sterk zijn in de strijd tegen kanker of infecties.
• Betere diagnose: Omdat je het echte beeld ziet, kun je beter voorspellen of een patiënt zal herstellen. Als je de "verdwaalde" soldaten terugkrijgt, zie je dat het leger misschien sterker is dan je dacht.

Conclusie

VDJdive en ECLIPSE zijn als een GPS-systeem voor immunologen. Als je signaal even wegvalt (een cel mist een deel) of als de kaart raar lijkt (een cel heeft drie delen), zorgt dit systeem ervoor dat je toch de juiste route kunt vinden. Het helpt ons om het immuunsysteem niet te onderschatten en beter te begrijpen hoe ons lichaam vecht tegen ziektes.

Technische samenvatting

Probleemstelling

Single-cell T-cel receptor sequencing (scTCR-seq) heeft de mogelijkheid om T-cel klonen te volgen en hun differentiatie te bestuderen, maar huidige computergestuurde analysepijplijnen hebben ernstige beperkingen. De standaardaanpak vereist een exacte 1:1 koppeling van de CDR3-sequenties van twee heterodimerische TCR-ketens (één $\alpha$ en één $\beta$) om een kloon te definiëren. Dit leidt tot twee grote problemen:

1. Ambigue klonotypes door "dropout": Vanwege technische beperkingen in scRNA-seq (transcript-dropping) missen veel cellen één of beide TCR-ketens. Cellen met slechts één keten of geen keten worden vaak als "ambigu" beschouwd en uit de analyse verwijderd, wat de grootte van de klonen kunstmatig verkleint en de statistische power vermindert.
2. Extra ketens en dubbelingen: Veel cellen vertonen drie unieke TCR-ketens. Huidige pipelines verwijderen deze vaak of forceren een 1:1 koppeling door willekeurig een keten te verwijderen. Dit negeert echter de biologische realiteit dat T-cellen soms echt drie ketens tot expressie brengen (biologische expressie), terwijl het ook kan gaan om technische artefacten zoals dubbelingen (doublets) of omgevingsverontreiniging (ambient TCR). Het automatische verwijderen van deze cellen leidt tot een onderschatting van kloongroottes en een vertekend beeld van de TCR-diversiteit.

Methodologie

De auteurs introduceren twee complementaire methoden, VDJdive en ECLIPSE, die samen de ambiguïteit oplossen door gebruik te maken van probabilistische modellering en het Expectation-Maximization (EM) algoritme.

1. VDJdive (Probabilistische Toewijzing):

   • Implementeert het EM-algoritme om de ware klonotypes van ambigue cellen (met 1 of 3 ketens) te voorspellen.
   • Het algoritme benut de informatie van alle andere cellen in het monster. Als een cel bijvoorbeeld alleen een TCR$\beta$-keten heeft, wordt de kans berekend dat deze keten behoort tot een specifieke $\alpha$-keten, gebaseerd op de frequentie van die specifieke $\alpha$-$\beta$-koppelingen in de rest van de dataset.
   • Cellen worden niet simpelweg toegewezen aan de meest waarschijnlijke kloon, maar krijgen een probabilistische toewijzing (gewogen toewijzing) die de onzekerheid weerspiegelt.

2. ECLIPSE (Enhanced CLonotypic Inference via Prediction of Single-cell Expression):

   • Bouwt voort op VDJdive maar voegt een cruciale stap toe om biologische expressie van drie ketens te onderscheiden van technische artefacten.
   • Detectie van 3-keten klonen: ECLIPSE identificeert klonen met drie ketens (bijv. 2 $\alpha$ en 1 $\beta$) alleen als er een statistisch significant aantal cellen (minimaal 3) is met exact dezelfde set van drie ketens. Dit maakt het onwaarschijnlijk dat het gaat om dubbelingen of toevallige verontreiniging.
   • Integratie: Zodra een 3-keten kloon is geïdentificeerd, worden cellen die slechts twee van die drie ketens hebben (door dropout), probabilistisch aan die kloon toegewezen.
   • Drempelwaarden: Cellen worden alleen definitief toegewezen aan een voorspelde kloon als de waarschijnlijkheid hoog genoeg is (standaard $p \geq 0.8$) of als de verhouding tussen de hoogste en op één na hoogste waarschijnlijkheid groot is. Cellen die niet aan deze criteria voldoen, blijven ongedefinieerd of worden alleen op basis van de waargenomen ketens beschouwd.
   • Compatibiliteit: ECLIPSE is een R-pakket dat direct werkt met Seurat-objects en output genereert die compatibel is met het populaire scRepertoire pakket voor downstream analyse en visualisatie.

Belangrijkste Resultaten

De auteurs hebben de methoden getest op datasets van nierkanker (ccRCC), melanoom en COVID-19/bacteriële longontsteking.

• Oplossing van Ambiguïteit: Na toepassing van ECLIPSE was het merendeel van de T-cellen (80,5%) klonaal opgelost, vergeleken met slechts ~55% bij de standaardmethode. Het percentage cellen zonder toegewezen klonotype daalde van ~36% naar slechts 10,5%.
• Toename Kloongrootte: De grootte van de grootste klonen nam significant toe (median toename van 27,6%, met pieken tot 89% voor individuele patiënten). Dit geldt ook voor middelgrote klonen, niet alleen voor hyper-expanded klonen.
• Biologische Validiteit:
  • Simulaties: Bij computergestuurde simulaties waarbij ketens willekeurig werden verwijderd of toegevoegd, kon VDJdive/ECLIPSE de ware klonotype in >80% van de gevallen correct herstellen. Foutieve toewijzingen waren zeldzaam (<0,6%).
  • Fenotypische consistentie: Cellen die door ECLIPSE aan dezelfde kloon werden toegewezen (ondanks verschillen in welke ketens ze detecteerden, zoals "bitypische" vs. "monotypische" ketens bij 3-keten klonen), vertoonden een zeer vergelijkbaar fenotype. Permutatietests bevestigden dat deze overeenkomst niet door toeval kon worden verklaard.
• Onderscheid Biologie vs. Artefact: De analyse toonde aan dat cellen met drie ketens geen verhoogde dubbelingscores (doublet scores) hadden en geen verhoogde totale RNA-uitdrukking vertoonden, wat suggereert dat het gaat om biologische expressie en niet om technische dubbelingen.
• Diversiteit: De methoden leidden tot een meer nauwkeurige schatting van de TCR-repertoire diversiteit (Shannon-index), wat belangrijk is voor correlaties met overleving bij kanker.

Significantie en Impact

De paper introduceert een paradigmaverschuiving in de analyse van scTCR-seq data:

1. Maximalisatie van Data-gebruik: In plaats van duizenden cellen weg te filteren vanwege ontbrekende ketens of extra ketens, stelt deze methode onderzoekers in staat om bijna alle cellen te gebruiken, wat de statistische power aanzienlijk verhoogt.
2. Biologisch Inzicht: Door 3-keten klonen te behouden en correct te koppelen, kunnen onderzoekers nu de functionele rol van T-cellen met extra ketens bestuderen, wat eerder onmogelijk was met standaard pipelines.
3. Robuustheid: De methoden zijn robuust tegen technische variabiliteit (dropout) en kunnen onderscheid maken tussen echte biologische signalen en ruis.
4. Toepasbaarheid: De tools zijn breed toepasbaar op verschillende ziektecontexten (kanker, infectieziekten) en T-cel subpopulaties (CD4+ en CD8+), en zijn eenvoudig te integreren in bestaande workflows (Seurat/scRepertoire).

Kortom, VDJdive en ECLIPSE bieden een nauwkeurigere, vollediger en biologisch geloofwaardiger manier om T-cel klonen te traceren, wat essentieel is voor het begrijpen van immuunresponsen in menselijke ziekten.