TEExplorer: A Web Portal to Investigate TE-Epigenome Associations Across Human Cell Types

De auteurs presenteren TEExplorer, een webportaal dat onderzoekers in staat stelt om interactief TE-epigenoomassociaties te verkennen en hun eigen ChIP-seq-gegevens te vergelijken met een uitgebreide dataset van 4614 IHEC-stalen over 57 menselijke celtypen.

De kern

🧬 Het Grote Genoom-Boek en de Verborgen Zinnen

Stel je het menselijk genoom voor als een gigantisch, oud boek dat de instructies bevat voor hoe ons lichaam werkt. Dit boek is ongeveer 3 miljard letters lang. Maar hier is het verrassende: ongeveer de helft van dit boek bestaat uit "vullende tekst" of herhalende zinnen die oorspronkelijk van virussen stammen en zich door de geschiedenis heen in ons DNA hebben genesteld.

Deze stukjes worden Transposabele Elementen (TE's) genoemd. In het verleden dachten wetenschappers dat dit alleen maar "rommel" of "schroot" was. Maar nu weten we dat deze stukjes heel belangrijk kunnen zijn. Ze kunnen fungeren als schakelaars die bepalen welke andere delen van het boek (onze genen) aan of uit gaan. Ze spelen een rol in hoe ons immuunsysteem werkt, hoe we ouder worden en zelfs bij ziektes.

🧐 Het Probleem: Een Oerwoud van Data

De auteurs van dit artikel hebben eerder een enorme hoeveelheid data verzameld. Ze keken naar 4.614 verschillende monsters van menselijke cellen (zoals hersencellen, bloedcellen, etc.) en keken welke "schakelaars" (histonemerkers) aan waren. Ze ontdekten dat er meer dan 6 miljoen metingen zijn over hoe deze TE's zich gedragen.

Het probleem? Dit is als een bibliotheek met 6 miljoen boeken die niet zijn geordend. Als je een onderzoeker vraagt: "Welke TE's zijn belangrijk voor hersencellen?", is het bijna onmogelijk om snel het juiste antwoord te vinden in die enorme stapel papier. Het was ook lastig om je eigen nieuwe data te vergelijken met deze oude resultaten.

🚀 De Oplossing: TEExplorer (De Slimme Bibliotheekbeheerder)

Om dit op te lossen, hebben de onderzoekers TEExplorer gebouwd. Dit is een gratis website die fungeert als een slimme, interactieve bibliotheekbeheerder voor dit enorme genoom-archief.

Hier is hoe het werkt, in drie simpele stappen:

1. De Grote Overzichtskast (De "TE Overview")

Stel je voor dat je een grote kaart van de wereld hebt. In plaats van elke straatnaam te lezen, zie je direct welke landen (TE-families) het drukst zijn.

• Je kunt op de website kiezen voor een specifieke "stad" (bijvoorbeeld: hersencellen) en een specifiek "weertype" (bijvoorbeeld: H3K9me3, een type chemisch merker).
• De tool laat je dan direct zien: "Ah, in deze stad zijn deze specifieke TE's heel vaak aanwezig!"
• Het toont dit in mooie, kleurrijke grafieken, zodat je zonder wiskundige kennis direct patronen ziet.

2. De Verdiepte Zoektocht (De "TE Subfamilies")

Soms wil je niet alleen weten dat er "vruchten" zijn, maar precies welke soort appel het is.

• In dit gedeelte kun je een specifieke familie van TE's kiezen (bijvoorbeeld de Alu-familie).
• De tool breekt dit dan verder af in subgroepen (zoals AluY of AluSz) en laat zien welke daarvan in welke cellen het actiefst zijn.
• Het is alsof je een vergrootglas gebruikt om te zien welke specifieke bloemsoort in een bepaald tuinbedje het mooist bloeit.

3. Je Eigen Experiment Maken (De "Import" Sectie)

Dit is misschien wel het coolste deel. Stel je hebt zelf een nieuw experiment gedaan en hebt een lijst met genen die je interessant vindt.

• Je kunt je eigen data (een bestand) uploaden naar de website.
• TEExplorer vergelijkt je data dan direct met die 6 miljoen metingen uit de bibliotheek.
• De Analogie: Het is alsof je een nieuwe foto uploadt en de computer zegt: "Kijk, jouw foto lijkt heel veel op deze groep hier, maar deze ene specifieke bloem op jouw foto is veel groter dan normaal. Misschien is dat wel belangrijk?"
• Het helpt je te zien of je resultaten "normaal" zijn of iets heel unieks laten zien.

🌡️ Een Praktijkvoorbeeld: De Griep en de Macrofagen

Om te bewijzen dat het werkt, hebben de onderzoekers een test gedaan. Ze keken naar cellen die waren besmet met het griepvirus.

• Ze laadden hun data in.
• De tool liet zien dat de cellen die besmet waren met griep, net als de andere cellen in de database gedroegen, MAAR er waren een paar specifieke TE's die zich anders gedroegen.
• Het systeem vond een specifiek stukje DNA (een THE1B-subfamilie) dat in de besmette cellen veel actiever was dan in de gezonde cellen.
• Dit bevestigde eerdere, onafhankelijke ontdekkingen, maar dan zonder dat de onderzoekers urenlang hoefden te rekenen. Ze deden het allemaal via hun browser.

💡 Waarom is dit belangrijk?

Vroeger moest je een expert zijn in complexe computerprogrammering om te begrijpen hoe deze "schroot-DNA" stukjes werken. Met TEExplorer kan iedereen (van student tot senior onderzoeker) zonder technische kennis:

1. Kijken welke TE's belangrijk zijn voor hun onderzoek.
2. Hun eigen data vergelijken met de wereldwijde standaard.
3. Nieuwe ideeën bedenken over hoe ziektes werken.

Kortom: TEExplorer maakt de enorme, chaotische berg van genoom-data omgebouwd tot een gebruiksvriendelijke, interactieve kaart die ons helpt de geheimen van ons DNA beter te begrijpen.

🌐 Je kunt het zelf proberen op: https://teexplorer.c3g.sd4h.ca

Technische samenvatting

Probleemstelling

Transposable elements (TE's) vormen ongeveer de helft van het menselijk genoom en spelen een cruciale rol in genregulatie, ontwikkeling en ziekte. Eerdere studies, waaronder een analyse van 4.614 ChIP-seq monsters van het International Human Epigenome Consortium (IHEC) EpiATLAS-dataset, hebben de relatie tussen TE's en histonemodificaties in 57 menselijke celtypen in kaart gebracht. Deze analyse resulteerde in meer dan 6,5 miljoen metingen van TE-verrijking.
De uitdaging lag echter in de toegankelijkheid en bruikbaarheid van deze enorme dataset:

• Het was moeilijk om door de resultaten te navigeren.
• Er ontbrak een manier om gebruikersdata te integreren met de bestaande dataset.
• Bestaande tools (zoals UCSC Repeat Browser of WashU Repeat Browser) hadden beperkingen in het tonen van interpreteerbare associaties tussen TE's, specifieke celtypen en histonemodificaties.

Methodologie

De auteurs ontwikkelden TEExplorer, een webportaal gebouwd met R en Shiny, dat de EpiATLAS-dataset toegankelijk maakt en gebruikers in staat stelt hun eigen data te analyseren.

1. Data-structuur en Voorbereiding:

• Bron: 4.614 ChIP-seq samples van 6 histonemodificaties (H3K27ac, H3K4me3, H3K4me1, H3K36me3, H3K27me3, H3K9me3) over 57 celtypen.
• Verwerking: Peaks werden herschaald naar 200bp en geoverlap met TE-coördinaten van RepeatMasker.
• Statistiek: Er werden 1.000 simulaties uitgevoerd om een willekeurige controle ("random control") te genereren voor elke sample. Hierdoor werden waargenomen overlaps vergeleken met verwachte overlaps om verrijking (enrichment) te berekenen.
• Databases: De data zijn opgeslagen in twee SQLite-databases:
  • Een database op subfamilie-niveau (1.426 subfamilies).
  • Een database op familie-niveau (60 families), waarbij waarden zijn geaggregeerd.
• Mappability: Er is een schatting gemaakt van de mappability (op basis van UCSC 50bp Unique Mappability) om te corrigeren voor herhalende sequenties die moeilijk uniek te mappen zijn.

2. Functionaliteiten van het Portaal:
Het portaal bestaat uit drie hoofdsecties:

• TE Overview: Biedt een breed overzicht van TE-familie-verrijkingen. Gebruikers kunnen filteren op celtype, histonemodificatie en TE-familie. Visualisaties omvatten staafdiagrammen voor overlappercentages en heatmaps voor verrijking (Observed - Expected).
• TE Subfamilies: Maakt diepgaande analyse mogelijk van specifieke TE-families en hun subfamilies. Hier worden boxplots en heatmaps getoond om verrijkingen per celtype en subfamilie te visualiseren.
• Import Sectie: Gebruikers kunnen hun eigen BED-bestanden uploaden. Het systeem:
  • Berekent TE-overlappen en verrijkingen.
  • Vergelijkt de data met de EpiATLAS-dataset en de willekeurige controles.
  • Projecteert de geüploade samples op een UMAP-plot (gebaseerd op 20.000 variabele 10kb-vensters) om visuele kwaliteitscontrole te bieden en te zien of de samples clusteren met verwachte celtypen/assays.
  • Biedt drie metrieken: "Observed – Expected", "Observed count" en "Fold change".

Kernresultaten

1. Overzicht van TE-associaties:

   • De analyse toonde aan dat H3K9me3 de hoogste TE-overlap heeft (73%), terwijl andere markers tussen 31% en 54% liggen.
   • Er zijn duidelijke patronen: L1-elementen zijn sterk verrijkt in H3K9me3, terwijl L2 en MIR meer verrijkt zijn in H3K27ac en H3K27me3.
   • De verrijking varieert sterk per celtype (bijv. H3K9me3 in hersencellen toont 84% overlap versus 71% in T-cellen).

2. Validatie met onafhankelijke data (Influenza-infectie):

   • De auteurs testten het portaal met een dataset van monocyten-afgeleide macrofagen (MDM) die wel of niet waren geïnfecteerd met Influenza A (IAV).
   • Kwaliteitscontrole: De geüploade samples clusterden correct in de UMAP-plot met EpiATLAS-macrofagen en H3K27ac-samples.
   • Vergelijking: Hoewel de algemene TE-overlap vergelijkbaar was met EpiATLAS, werden specifieke verschillen gevonden. Bijvoorbeeld, ALR/Alpha elementen waren verrijkt in de geüploade samples maar verarmd in EpiATLAS.
   • Herontdekking: Het portaal bevestigde eerdere bevindingen (Chen et al.) over de verrijking van THE1B subfamilies in influenza-geïnfecteerde samples.

3. Gebruiksgemak:

   • Het portaal stelt onderzoekers zonder specifieke TE-expertise in staat om complexe epigenomische data te exploreren, te visualiseren en te vergelijken zonder lokale software-installatie.

Belangrijkste Bijdragen

• TEExplorer: Een interactief webportaal dat meer dan 6,5 miljoen TE-overlapmetingen en verrijkingsdata toegankelijk maakt.
• Integratie van Gebruikersdata: Een unieke functionaliteit die het mogelijk maakt om eigen ChIP-seq data direct te vergelijken met een grote, gestandaardiseerde referentiedataset (EpiATLAS) en willekeurige controles.
• Visuele Analyse: Dynamische visualisaties (heatmaps, boxplots, UMAP) die complexe associaties tussen TE's, celtypen en epigenetische markers intuïtief maken.
• Open Access: De tool is gratis beschikbaar via een webinterface, wat de drempel voor TE-analyse verlaagt.

Significantie en Beperkingen

Significantie:
TEExplorer vult een belangrijke kloof in de bio-informatica door een brug te slaan tussen grote epigenomische datasets en specifieke TE-analyses. Het stelt onderzoekers in staat om sneller hypothesen te genereren over de rol van TE's in genregulatie en ziekteprocessen, en fungeert als een startpunt voor diepere, gespecialiseerde analyses.

Beperkingen:

• Multi-map reads: De EpiATLAS-dataset houdt geen rekening met multi-mapping reads, wat kan leiden tot een onderschatting van TE-overlappen, vooral bij jongere families.
• Referentiebias: Polymorfe of complexe TE's die niet in de referentiegenoom (hg38) staan, worden gemist.
• Heterogeniteit: Variatie binnen de IHEC-consortiumdata kan technische artefacten introduceren.
• Berekening: De verrijking voor geüploade data wordt berekend ten opzichte van vooraf gegenereerde simulaties van EpiATLAS. Dit werkt het beste als de geüploade data vergelijkbaar is met de EpiATLAS-data; voor zeer afwijkende data kan de vergelijking minder accuraat zijn.

Samenvattend biedt TEExplorer een krachtig, gebruiksvriendelijk instrument om de complexe interacties tussen transposable elements en het menselijke epigenoom te ontrafelen.