Portello: Making global assembly more effective for rare-disease whole genome sequencing

Portello is een nieuw hulpmiddel dat de effectiviteit van *de novo*-assemblage voor whole-genome sequencing van zeldzame ziekten verbetert door read-mappings van assemblage-contigs naar een standaardreferentie te verplaatsen, waardoor de nauwkeurigheid van variantdetectie toeneemt, complexe loci beter visualiseerbaar worden en assemblage- en mapping-gebaseerde inzichten worden verenigd.

De kern

Stel je voor dat je probeert een enorm, ingewikkeld raadsel op te lossen: het menselijk genoom. Dit is de blauwdruk van wie je bent. Vaak kijken wetenschappers naar dit raadsel door het te vergelijken met een "standaardversie" (een referentie). Maar wat als jouw versie van het raadsel heel anders is opgebouwd dan de standaard? Vooral bij zeldzame ziektes kan dat het geval zijn.

Hier komt Portello in beeld. Het is een nieuwe tool van PacBio die het oplossen van dit raadsel veel makkelijker en nauwkeuriger maakt. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het Probleem: Twee Werelden die niet praten

Stel je voor dat je twee manieren hebt om een verhaal te vertellen:

• Manier A (De Standaard): Je leest het verhaal letterlijk woord voor woord en vergelijkt het met een bekend boek. Dit werkt goed, maar als er een hele nieuwe hoofdstuk in jouw verhaal staat dat niet in het standaardboek voorkomt, raak je de draad kwijt. Je ziet de details niet goed.
• Manier B (De Bouw): Je bouwt het verhaal eerst volledig op vanuit de losse stukjes (de DNA-fragmenten), zodat je een compleet, nieuw verhaal hebt. Dit is heel krachtig, maar het is lastig om te controleren of elk woord wel klopt, en het is moeilijk om dit nieuwe verhaal te vergelijken met het standaardboek dat iedereen kent.

Wetenschappers zaten vast in deze tweespalt. Ze konden het nieuwe verhaal bouwen, maar hadden geen goed manier om de "bewijsstukken" (de losse DNA-fragmenten) te bekijken in de context van het standaardboek.

2. De Oplossing: Portello als de "Tolker"

Portello is als een slimme tolk of een vertaalmachine die deze twee werelden samenvoegt.

• De Stap 1: Eerst bouwt de computer het unieke verhaal van de patiënt op (de de novo assembly).
• De Stap 2: Portello kijkt naar de losse stukjes (de leesfragmenten) en zegt: "Ah, dit stukje hoort bij dit specifieke hoofdstuk in het nieuwe verhaal."
• De Stap 3: Vervolgens kijkt Portello naar het nieuwe verhaal en zegt: "En dit hoofdstuk in het nieuwe verhaal komt overeen met dit specifieke hoofdstuk in het standaardboek."
• Het Magische Effect: Portello neemt de losse stukjes en "verplaatst" ze direct naar de juiste plek in het standaardboek, gebaseerd op wat ze in het nieuwe verhaal deden.

De Analogie:
Stel je voor dat je een oude stad (het standaardgenoom) hebt, maar in jouw wijk zijn de straten anders aangelegd. Als je gewoon een kaart van de oude stad gebruikt, loop je vast.
Portello doet het volgende:

1. Het maakt eerst een perfecte kaart van jouw unieke wijk.
2. Het kijkt waar de brieven (de DNA-fragmenten) in jouw wijk zijn bezorgd.
3. Het vertaalt die adressen naar de oude stad, maar dan correct. In plaats van te zeggen "deze brief hoort bij de oude hoofdstraat" (wat fout is), zegt het: "Deze brief hoort bij de nieuwe zijstraat, die in de oude stad overeenkomt met de oude Kerkstraat."

3. Waarom is dit zo geweldig?

• Minder Fouten: Omdat Portello de losse stukjes op de juiste plek plaatst, maken computers (zoals DeepVariant) veel minder fouten bij het zoeken naar kleine veranderingen die ziektes veroorzaken. In de studie bleek dat ze bijna de helft minder fouten maakten dan de oude methode.
• Beter Inzicht in "Verwarring": Er zijn delen van het DNA die erg op elkaar lijken (zoals dubbele straten in een stad). De oude methode raakte hier de weg kwijt en plaatste brieven op het verkeerde adres. Portello gebruikt de "nieuwe kaart" om te weten waar ze echt horen.
• Het Zichtbaar maken van Verborgen Schatten: Soms is er een stukje DNA dat extra vaak voorkomt (een verdubbeling). De oude methode zag dit als een chaos van overbelasting. Met Portello kun je duidelijk zien: "Ah, hier is een extra kopie van dit stukje!" Dit is cruciaal voor het diagnosticeren van ziektes.
• Eenduidig Beeld: Het grootste voordeel is dat je nu alles in één oogopslag kunt zien. Je kunt de unieke bouw van de patiënt bekijken én tegelijkertijd de details van de losse stukjes in de bekende context. Het maakt het voor artsen en onderzoekers veel makkelijker om te begrijpen wat er misgaat.

Conclusie

Portello is als een brug tussen een nieuwe, unieke wereld en de bekende standaard. Het zorgt ervoor dat we de kracht van het bouwen van een volledig nieuw genoom kunnen gebruiken, zonder de voordelen van de bekende standaardkaarten te verliezen. Voor mensen met zeldzame ziektes betekent dit een grotere kans op een juiste diagnose en een beter inzicht in hun gezondheid.

Technische samenvatting

Titel: Portello: Het effectiever maken van globale assemblage voor whole genome sequencing van zeldzame ziekten

Auteurs: Christopher T. Saunders, Zev Kronenberg, et al. (PacBio, Computational Biology)

---

1. Het Probleem

Hoewel de novo-assemblage van lange reads (zoals HiFi-sequencing) veelbelovend is voor de analyse van zeldzame ziekten – vooral omdat zeldzame varianten vaak sterk afwijken van het referentiegenoom – wordt deze methode onderbenut. Er zijn twee hoofdproblemen die dit beperken:

1. Moeilijkheid in validatie en interpretatie: Bij assemblage-gebaseerde variantdetectie is het lastig om de ondersteunende bewijzen op read-niveau te reviewen. Informatie over basecall-kwaliteit, methylatiepatronen en mosaïcisme (mosaïekvarianten) die niet in het assemblage-consensus zijn opgenomen, is moeilijk direct te koppelen aan de assemblage-resultaten.
2. Conflicterende resultaten: Er ontstaat vaak een conflict tussen varianten die zijn afgeleid uit een de novo-assemblage en die uit conventionele, referentie-gebaseerde mapping-pipelines. Bijvoorbeeld, een assemblage kan een deletie aangeven, terwijl de mapping-pipeline in hetzelfde gebied nog kleine varianten of kleinere deleties rapporteert. Dit maakt het voor onderzoekers moeilijk om een consistente interpretatie van het monster te vormen.

2. Methodologie: De Portello-aanpak

Portello is een nieuw hulpmiddel dat een assemblage-gebaseerde mapping-aanpak introduceert. In plaats van reads direct op het referentiegenoom te mappen, of alleen op de assemblage-contigs, voert Portello een "transfer" uit van mapping-informatie.

Het proces verloopt als volgt:

1. Input: Het systeem vereist twee invoerbestanden:
   • Mapping van reads naar de de novo-assemblage-contigs (read-to-contig).
   • Mapping van de assemblage-contigs naar een standaard referentiegenoom (bijv. GRCh38) (contig-to-reference).
2. Transformatie: Portello combineert deze twee mapping-stappen om een nieuwe mapping van de reads direct naar het referentiegenoom te genereren.
3. Technische optimalisaties:
   • Verdeling van problemen: Het splitst het alignment-probleem op in twee delen: read-naar-contig (waar verschillen voornamelijk door sequencing-fouten worden veroorzaakt) en contig-naar-referentie (waar verschillen voornamelijk door biologische variatie worden veroorzaakt). Dit verhoogt de lokale alignementnauwkeurigheid.
   • Pre-processing: Portello voert stappen uit zoals het trimmen van herhaalde matches en het samenvoegen van collineaire segmenten in de contig-naar-referentie mapping om "split" alignments te voorkomen.
   • Phasing: Het hulpmiddel annoteert haplotype-informatie (phasing) op de geremappede reads. Dit werkt voor zowel volledig gefaseerde assemblages (via ouderlijke sequencing) als gedeeltelijk gefaseerde (dual) assemblages, waarbij switch-fouten worden gecorrigeerd op basis van read-ondersteuning.
   • Output: Het resultaat is een standaard BAM-bestand met reads die op het referentiegenoom zijn gemapt, maar waarbij de lange-range haplotype-informatie van de assemblage is behouden.

3. Belangrijkste Bijdragen

• Unificatie van workflows: Portello maakt het mogelijk om assemblage-gebaseerde en mapping-gebaseerde inferenties te verenigen in één consistente weergave van het genoom.
• Verbeterde Visualisatie: Onderzoekers kunnen nu de read-ondersteuning voor assemblage-gebaseerde varianten direct bekijken in de context van het standaard referentiegenoom, inclusief methylatie en basecall-kwaliteit.
• Compatibiliteit: De gegenereerde BAM-bestanden kunnen worden verwerkt door bestaande, standaard variant-callers (zoals DeepVariant) zonder aanpassingen.
• Open Source: De broncode en binaries zijn beschikbaar gesteld via GitHub.

4. Resultaten

De auteurs hebben Portello getest op samples HG002 en NA12878 (en NA21886 voor CNV-analyse) en vergeleken met conventionele mapping (pbmm2).

• Nauwkeurigheid van kleine varianten:
  • Het gebruik van Portello-geremappede reads als input voor DeepVariant resulteerde in een aanzienlijke verbetering.
  • Er werden 47% van de fouten in basecalling (kleine varianten) verwijderd in vergelijking met conventionele mapping.
  • Vooral de recall (het vinden van ware positieven) verbeterde: Portello verwijderde respectievelijk 52% en 55% van de false negatives bij HG002 en NA12878, met bijna geen verandering in het aantal false positives.
• Phasing-nauwkeurigheid:
  • Voor gedeeltelijk gefaseerde assemblages bereikte Portello een block NG50 van 334.357 basen met een laag aantal switch-fouten (274) en flips (67), wat aantoont dat het haplotypen effectief kan toewijzen.
• Copy Number Variation (CNV) en complexe loci:
  • In een gevalstudie van een duplicatie in een segmentale duplicatie op chromosoom 22 (sample NA21886), toonde conventionele mapping extreme onregelmatigheden in dekking (pieken tot 12.000x en dropouts).
  • De Portello-mapping toonde een duidelijke 3-voudige dekking die perfect overeenkwam met de geadverteerde duplicatie. Dit maakt het mogelijk om CNV's in complexe regio's betrouwbaar te detecteren en te visualiseren.
• VNTR's (Variable Number Tandem Repeats):
  • Portello leverde consistentere alignments op in regio's met VNTR's, waar sequencing-fouten en biologische variatie normaal gesproken moeilijk te scheiden zijn.

5. Betekenis en Conclusie

Portello lost een cruciale barrière op in de toepassing van de novo-assemblage voor zeldzame ziekten. Door de voordelen van assemblage (hoge gevoeligheid voor complexe varianten) te combineren met de bruikbaarheid van conventionele mapping-werkstromen, maakt het de analyse van zeldzame ziekten praktischer en nauwkeuriger.

De belangrijkste impact is dat onderzoekers nu:

1. Een unificatie kunnen bereiken tussen assemblage- en mapping-resultaten.
2. Directe validatie kunnen uitvoeren op read-niveau voor assemblage-varianten.
3. Betrouwbare CNV-detectie kunnen uitvoeren in complexe genoomregio's die voorheen onleesbaar waren met standaard mapping.
4. Mosaïekvarianten en epigenetische markers (methylatie) gemakkelijker kunnen analyseren binnen de context van hun globale assemblage.

Kortom, Portello transformeert de novo-assemblage van een geavanceerde, maar lastig te interpreteren techniek naar een robuuste, routinematige component in het diagnostische proces voor zeldzame ziekten.