singIST: an R/Bioconductor library and Quarto dashboard for automated single-cell comparative transcriptomics analysis ofdisease models and humans

Dit artikel introduceert singIST, een R/Bioconductor-pakket en bijbehorend Quarto-dashboard dat geautomatiseerde, kwantitatieve vergelijkingen mogelijk maakt tussen enkelcellige transcriptoomdata van ziektemodellen en menselijke referenties om de translatoire waarde van preklinische modellen te verbeteren.

De kern

Stel je voor dat je een heel goed recept hebt voor een taart (de menselijke ziekte), maar je wilt weten of je die taart ook kunt bakken in een andere keuken met andere ingrediënten (diermodellen). Vaak lukt dat niet perfect: de taart smaakt anders, of de textuur is niet goed. In de geneeskunde is dit een groot probleem. Wetenschappers gebruiken vaak muizen om menselijke ziektes te bestuderen, maar op het niveau van individuele cellen (de "deegklontjes" in de taart) gedragen muizen zich vaak heel anders dan mensen.

Hier komt singIST in beeld. Het is een slim computerprogramma (een "receptenboek" voor data) dat helpt om te zien hoe goed een dierproef eigenlijk de menselijke ziekte nabootst.

Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het Probleem: De "Vervormde Spiegel"

Stel je voor dat je in een spiegel kijkt, maar de spiegel is een beetje vervormd. Je ziet wel je gezicht, maar de neus is groter en de oren kleiner.

• De mens: De echte ziekte (bijvoorbeeld eczeem).
• Het diermodel: De vervormde spiegel (een muis met een soortgelijke huiduitslag).
• Het probleem: Tot nu toe keken wetenschappers vaak naar het hele gezicht (het hele weefsel) en dachten: "Ja, dat lijkt wel op elkaar." Maar als je naar de individuele cellen kijkt (de neus, de ogen, de oren apart), blijkt dat de muis soms juist het tegenovergestelde doet van de mens. Dat is gevaarlijk voor het ontwikkelen van nieuwe medicijnen.

2. De Oplossing: singIST (De "Super-Vertaler")

singIST is een tool die twee dingen doet:

1. Het vertaalt: Het neemt de data van de muis en zet die om naar de "menselijke taal". Het gebruikt een slimme techniek (een soort super-rekenmachine) om te kijken welke genen in de muis overeenkomen met welke genen in de mens.
2. Het vergelijkt: Het kijkt niet alleen naar het hele plaatje, maar splitst het op in kleine stukjes:
   • Superpaden (Superpathways): Denk hieraan als "thema's" in de taart, zoals "hoe de suiker wordt verwerkt" of "hoe de eiwitten worden gemengd".
   • Celtypen: Het kijkt specifiek naar de "bakkers" (bijvoorbeeld T-cellen of dendritische cellen) in plaats van naar de hele bakkerij.

3. Hoe werkt het in de praktijk? (Het "Scorebord")

Het programma geeft een score voor hoe goed de muis de mens nabootst.

• Positieve score: De muis doet precies wat de mens doet (perfecte nabootsing).
• Negatieve score: De muis doet het tegenovergestelde van de mens (gevaarlijk!).
• Hoogte van de score: Hoe groot de verandering is.

Een leuk voorbeeld uit het papier:
De onderzoekers keken naar een muismodel voor eczeem (atopische dermatitis).

• Bij het thema "Cytokine-cytokine receptor interactie" (een ingewikkeld woord voor hoe cellen met elkaar praten), dachten ze eerst: "Dat lijkt wel op de mens."
• Maar toen ze met singIST naar de individuele cellen keken, zagen ze iets verrassends:
  • De T-cellen in de muis deden precies wat de mens deed (goed!).
  • Maar de huidcellen (Keratinocyten) deden het tegenovergestelde van de mens (slecht!).
• De les: Als je alleen naar het gemiddelde had gekeken, had je gedacht dat alles goed ging. Maar singIST liet zien dat het een gemengd verhaal was. De ene celsoort helpt, de andere saboteert.

4. De "Dashboard" (Het Visuele Bord)

Naast de rekenmachine hebben ze ook een dashboard gemaakt (een soort interactief infobord).

• In plaats van dat onderzoekers urenlang zelf grafieken moeten tekenen in code, kunnen ze dit dashboard openen.
• Het is als een Google Maps voor ziektes. Je kunt inzoomen op een specifiek gebied (een celtype), zien welke "straten" (genen) druk zijn, en direct zien of de route van de muis overeenkomt met die van de mens.
• Je kunt de resultaten direct exporteren voor een presentatie, zonder zelf te hoeven tekenen.

Samenvatting

singIST is als een kwaliteitscontroleur voor dierproeven.
Het zegt niet alleen "ja, de muis heeft een rode neus" (algemene ziekte), maar het kijkt diep in de cellen en zegt: "De neus van de muis is rood, maar de oren zijn blauw, terwijl ze bij de mens juist rood moeten zijn."

Hierdoor kunnen farmacologen sneller zien welke diermodellen echt nuttig zijn voor het ontwikkelen van medicijnen voor mensen, en welke modellen ze beter niet kunnen gebruiken. Het bespaart tijd, geld en voorkomt dat medicijnen worden getest op modellen die de menselijke ziekte niet goed nabootsen.

Technische samenvatting

Titel: singIST: Een R/Bioconductor bibliotheek en Quarto-dashboard voor geautomatiseerde single-cell vergelijkende transcriptomische analyse van ziektemodellen en mensen

1. Het Probleem

Translatief onderzoek is afhankelijk van preklinische diermodellen die menselijke ziekten op moleculair niveau nauwkeurig nabootsen. Echter, bestaande methoden voor het vergelijken van diermodellen met menselijke data hebben aanzienlijke beperkingen:

• Bulk-analyse beperkingen: Bestaande frameworks zoals In Silico Treatment (IST) en Found In Translation (FIT) werken op "bulk" niveau. Ze kunnen de heterogeniteit van celtypen niet oplossen, wat cruciale mechanismen verbergt in complexe weefsels waar specifieke celtypen de pathofysiologie aandrijven.
• Gebrek aan interpretatie: Bestaande R/Bioconductor-tools (zoals CoSIA en HybridExpress) faciliteren cross-species analyses maar missen vaak single-cell resolutie en pathway-niveau interpretatie.
• Translatiebarrière: Preklinische modellen wijken vaak af van de menselijke pathofysiologie op single-cell resolutie, wat de selectie van modellen bemoeilijkt en de translatiewaarde beperkt.

2. Methodologie

singIST is een R/Bioconductor-pakket dat een geautomatiseerde workflow biedt voor de kwantitatieve en verklaarbare vergelijking van single-cell RNA-sequencing (scRNA-seq) data van een ziektemodel tegen een menselijke referentie. De kern van de methode omvat:

• Data Voorbereiding:

  • Definities van "superpathways" (gebaseerd op databases zoals KEGG, Reactome, BioCarta) met toewijzing van gensets per celtype.
  • Menselijke referentiedata worden omgezet naar pseudobulk expressieprofielen (geaggregeerd per monster en celtype) en log-genormaliseerd.
  • Het ziektemodel (bijv. muismodel) moet standaard metadata bevatten (experimentele groep, celtype-clusters, donor-ID).

• Model Fitting (asmbPLS-DA):

  • SingIST past een adaptieve sparse multi-block Partial Least Squares Discriminant Analysis (asmbPLS-DA) toe op de menselijke pseudobulk data.
  • Dit model integreert één-op-één orthologie (genen tussen soorten) en celtype-mapping.
  • Het model wordt getraind met hyperparameters die sparsiteit (quantiles) en cross-validatie (bijv. Leave-One-Out CV) bepalen om de optimale voorspellende genen en celtypen te identificeren.

• Recapitulatie Analyse:

  • De fold-changes van het diermodel worden vertaald naar de menselijke expressieruimte.
  • Er worden getekende recapitulatie-scores berekend op drie niveaus:
    1. Superpathway niveau: Hoe goed het totale pad wordt nagebootst.
    2. Celtype niveau: Welke specifieke celtypen bijdragen aan de overeenkomst of afwijking.
    3. Gen niveau: De bijdrage van individuele genen.
  • Scores kunnen positief (zelfde richting), negatief (tegenovergestelde richting) of >100% (grotere magnitude) zijn.

• Visualisatie (singIST Visualizer):

  • Een companion Quarto/Shiny dashboard dat de ruwe output van het R-pakket laadt.
  • Biedt interactieve exploratie, heatmap visualisaties, radarplots voor celtype-importantie en jitterplots voor gen-importantie, zonder dat gebruikers handmatig code hoeven te schrijven voor figuren.

3. Belangrijkste Bijdragen

• Integratie van Single-Cell Data: Het is de eerste tool die single-cell resolutie combineert met pathway-level interpretatie voor cross-species translatie.
• Adaptieve Sparse PLS-DA: Een geavanceerd statistisch kader dat heterogeniteit in celtypen expliciet modelleert, in plaats van deze te middelen zoals bij bulk-analyses.
• Geautomatiseerde Workflow: Een end-to-end oplossing van data-invoer (via constructors) tot interactieve rapportage, wat de reproduceerbaarheid en toegankelijkheid voor niet-programmatoren vergroot via de Visualizer.
• Open Source Distributie: Beschikbaar via Bioconductor (onder MIT-licentie) en GitHub, met ondersteuning voor standaard Bioconductor-objecten (Seurat, SingleCellExperiment).

4. Resultaten

De auteurs demonstreerden de workflow op een oxazolone (OXA) muismodel vergeleken met een menselijke referentie van atopische dermatitis (AD). Twee superpathways werden geanalyseerd:

1. "Dendritic Cells in regulating Th1/Th2 Development" (BIOCARTA):
   • Toonde een matige superpathway recapitulatie (52,4%).
   • Op celtype-niveau bleek dit een gemengd beeld: sterke positieve recapitulatie in Langerhans-cellen (186,3%) en Dendritische cellen (90,9%), maar een tegenovergestelde bijdrage van T-cellen (-84,1%). Dit illustreert hoe bulk-metingen heterogene effecten kunnen maskeren.
2. "Cytokine-cytokine receptor interaction" (KEGG):
   • Toonde een nagenoeg nihil recapitulatie (8,5%) op pathway-niveau.
   • Opceltype-niveau bleek dit echter het resultaat van sterke tegenstrijdige effecten: sterke positieve recapitulatie in T-cellen en Dendritische cellen, gecompenseerd door sterke negatieve recapitulatie in Keratinocyten en Langerhans-cellen.

De resultaten tonen aan dat singIST in staat is om complexe, tegenstrijdige biologische signalen op te helderen die op pathway-niveau onzichtbaar zouden blijven.

5. Significatie

singIST biedt een krachtig instrument voor de farmaceutische en biomedische onderzoekswereld om:

• De translatiewaarde van preklinische diermodellen objectief te kwantificeren.
• Modelselectie te verbeteren door inzicht te krijgen in welke celtypen en pathways wel of niet correct worden nagebootst.
• De interpretatie van complexe single-cell datasets te stroomlijnen, waardoor onderzoekers sneller hypothesen kunnen genereren en rapporten kunnen opstellen zonder technische barrières.

De tool vult een kritieke leemte in de translatieve geneeskunde door de kloof tussen bulk-analyse en single-cell resolutie te overbruggen, waardoor een nauwkeurigere vertaling van dieronderzoek naar menselijke ziektebehandelingen mogelijk wordt.