Striving towards improved full-length single-cell RNA-sequencing

Deze studie rapporteert de verbetering van het FLASH-seq-protocol voor langlees single-cell RNA-sequencing op het ONT-platform, inclusief twee nieuwe barcoderingsstrategieën en een bioinformatica-pipeline, en identificeert zowel de potentie voor nauwkeurige isoform-quantificatie als de huidige technische uitdagingen zoals chimere reads en index-swapping.

De kern

🧬 De Reis van een Boekje: Een poging om cellen te lezen met een nieuwe bril

Stel je voor dat elke cel in je lichaam een enorme bibliotheek is. In deze bibliotheek staan duizenden boeken (genen) die vertellen hoe de cel werkt. Soms zijn het echter niet de hele boeken die belangrijk zijn, maar specifieke hoofdstukken of zelfs zinnen (dit noemen we isoformen).

Tot nu toe gebruikten wetenschappers een oude manier om deze bibliotheken te lezen: ze namen alleen een foto van de achterkant van de boeken (de 3'-einden). Dat is snel en goedkoop, maar je mist de rest van het verhaal. Je weet niet welke hoofdstukken er precies in staan of in welke volgorde.

De auteurs van dit artikel (Vincent, Rebecca en hun team) wilden een nieuwe bril opzetten: Oxford Nanopore-sequencing. Dit is een technologie die het hele boek in één keer kan lezen, van kaft tot kaft. Dat klinkt geweldig, maar het is alsof je probeert een heel boek te scannen terwijl het op een trampoline ligt: het is lastig, het springt rond en de scanner maakt soms rare fouten.

Hier is wat ze hebben geprobeerd, wat werkte en waar ze tegenaan liepen.

1. Het Verbeteren van de "Scanners" (De Wet-Lab Ploeg)

Eerst probeerden ze de bestaande methode (FLASH-seq) te verbeteren.

• De olie-methode: Ze ontdekten dat je een druppeltje olie bovenop de cel kunt doen om verdamping te voorkomen. Dit is als een deksel op een pan; het houdt de hitte en vocht binnen. Ze konden zelfs de hoeveelheid vloeistof verkleinen, maar als je te weinig gebruikt, "verdwijnt" de cel soms tijdens het sorteren (alsof je te hard probeert een muis te vangen met een kleine kooi).
• De chemie: Ze testten verschillende vloeistoffen om de cellen open te breken. Ze ontdekten dat een specifieke mix (met SDS en Tween-20) het beste werkte voor celkernen, net zoals een bepaalde zeep beter werkt voor vettige handen dan voor droge.

2. De Grote Uitdaging: Veel Cellen Tegelijk (Multiplexing)

Het probleem met het lezen van hele boeken is dat het duur en traag is. Je wilt dus 384 cellen (een heel bordje) tegelijk in de machine stoppen. Om ze later uit elkaar te halen, moet je elke cel een uniek sticker (barcodering) geven.

Ze probeerden twee manieren om deze stickers aan te brengen:

• Manier A (PCR-LIG): Een methode waarbij je de stickers via een PCR-reactie "plakt". Dit werkte goed, maar soms werden er stickers per ongeluk verwisseld (alsof je twee brieven in dezelfde envelop stopt).
• Manier B (NB-ONT): Een kant-en-klare kit van Oxford Nanopore. Dit was makkelijker, maar het resultaat was een rommeltje van korte stukjes papier. De machine zat vol met korte stukjes en kon de lange, interessante boeken niet meer goed lezen.

Het grote probleem: De machine maakte soms "chimera's". Dit zijn monsters die lijken op twee boeken die aan elkaar zijn gelijmd. De computer dacht: "Oh, dit is één heel lang boek!" terwijl het eigenlijk twee verschillende boeken waren die per ongeluk aan elkaar plakten. De auteurs bouwden een slimme software (FSNanoporeR) om deze lijmplekken te vinden en de boeken weer uit elkaar te snijden.

3. De Teller: Het "UMI" Concept

Om precies te weten hoeveel boeken er zijn, gebruiken wetenschappers een UMI (Uniek Moleculair Identificatienummer). Stel je voor dat elke kopie van een boek een uniek serienummer heeft. Als je 100 kopieën ziet met nummer "A", dan weet je dat er 1 origineel was dat 100 keer gekopieerd is.

Ze testten twee soorten nummers:

• Enkelvoudig: Een simpel nummer (zoals "A").
• Drievoudig: Een nummer dat uit drie dezelfde letters bestaat (zoals "AAA").
• Het resultaat: De drievoudige nummers waren nauwkeuriger, maar veel duurder en lastiger te maken. Het was alsof je een dure, gouden stempel gebruikt voor een simpele postkaart. Voor de meeste mensen was het simpele nummer ("A") genoeg.

4. De Teleurstelling en de Les

Ondanks dat ze veel data kregen, waren er grote problemen:

• De "chimera's" (de aangelijmde boeken) kwamen te vaak voor.
• De stickers werden soms verwisseld.
• De kant-en-klare kits (NB-ONT) leverden te veel korte stukjes op.

De conclusie: Ze besloten dat hun huidige methode nog niet perfect genoeg is om te publiceren in een groot tijdschrift. Ze hebben de proef op de som genomen en de methode stopgezet om te zoeken naar iets beters.

Waarom dit artikel toch belangrijk is:
Ze zeggen: "We hebben gefaald, maar jullie hoeven niet dezelfde fouten te maken."
Het is alsof ze een kaart hebben getekend van een bos waar ze vastliepen in modder. Ze zeggen tegen andere onderzoekers: "Ga hier niet naartoe, het is modderig. Probeer die kant op, of wacht tot de wegen beter zijn."

Samenvatting in één zin:

Het team probeerde een nieuwe, krachtige manier te vinden om de volledige instructies van individuele cellen te lezen, maar botste op technische obstakels (zoals lijmplekken en verkeerde stickers); hoewel ze geen perfecte oplossing vonden, delen ze hun ervaringen zodat anderen niet in dezelfde valkuilen trappen.

De boodschap: Wetenschap is niet alleen over succesvolle ontdekkingen, maar ook over het eerlijk delen van wat niet werkt, zodat de hele gemeenschap sneller vooruitkomt.

Technische samenvatting

Probleemstelling

Huidige single-cell RNA-sequencing (scRNA-seq) technologieën vereisen vaak een keuze tussen diepgaande transcriptoomkarakterisering op een beperkt aantal cellen (bijv. SMART-seq) of hoge doorvoer met beperkte transcript-informatie (bijv. 10x Genomics). Beide benaderingen vertrouwen doorgaans op short-read sequencing, wat suboptimaal is voor het identificeren van gen-isoformen en splice-varianten. Hoewel long-read sequencing (zoals Oxford Nanopore Technologies, ONT) deze beperkingen kan oplossen, ontbreekt er tot nu toe een gestandaardiseerde experimentele en bio-informatica-pijplijn voor full-length scRNA-seq op deze platformen. Bestaande protocollen zijn vaak niet direct compatibel met de specifieke eisen van long-read sequencing, zoals de noodzaak voor volledige transcriptdekking en het omgaan met artefacten zoals chimere reads.

Methodologie

De auteurs hebben het bestaande FLASH-seq-protocol (oorspronkelijk voor short-reads) geoptimaliseerd en aangepast voor long-read sequencing op het ONT-platform, een methode die zij FLASH-seq-ONT noemen.

1. Wet-lab Optimalisatie:

   • Reactiecondities: Er werden >100 reactiecondities getest (polymerasen, reverse transcriptase, lysepuffers). De optimale reactievolume bleek 1,5 µl te zijn (0,3 µl lyse, 1,2 µl RT-PCR mix, 2 µl olie) om verdamping te voorkomen en celverlies te minimaliseren.
   • Barcoding Strategieën: Om hoge multiplexing (tot 384 cellen) mogelijk te maken, werden twee strategieën voor "plate-barcoding" (BC2) ontwikkeld naast de cellulaire barcodes (BC1):
     • PCR-LIG: Een aangepaste PCR-benadering gevolgd door ONT adapter-ligatie.
     • NB-ONT: Het gebruik van de ONT Native Barcoding kit (ligatie van barcodes na end-repair en A-tailing).
   • UMI Integratie: Er werd geëxperimenteerd met monomere en trimerische Unique Molecular Identifiers (UMIs) om moleculaire telling op isoform-niveau mogelijk te maken. In plaats van homotrimers (zoals CCC/GGG), werden standaard codon-trimers (AAA, TTC, CCG, GGT) gebruikt om problemen met homopolymeer-sequencing op ONT te vermijden.
   • Celtype: De methoden werden primair getest op HEK293T-cellen.

2. Bio-informatica Pijplijn (FSNanoporeR):

   • Een nieuwe pipeline, FSNanoporeR, werd ontwikkeld om de complexe data te verwerken.
   • Functies: Demultiplexing van barcodes, detectie en splitsing van chimere reads (via BLAST-short voor ISPCR-sequenties), UMI-extractie en correctie, read-trimming, strand-toewijzing en transcriptie-quantificatie met behulp van Isoquant en Bambu.
   • Chimere Read Behandeling: De pipeline detecteert reads die uit meerdere moleculen bestaan, splitst deze op de juiste posities en herstelt de oorspronkelijke barcode-identiteit.

Belangrijkste Resultaten

• Data Kwaliteit: Beide barcoding-strategieën (PCR-LIG en NB-ONT) produceerden hoogwaardige transcriptomische data.
• Leeslengte Distributie: Er was een duidelijk verschil in de lengteverdeling:
  • NB-ONT: Rijk aan korte moleculen (<1.000 bp; mediaan ~1.731 bp).
  • PCR-LIG: Rijk aan langere moleculen (>2.000 bp; mediaan ~2.634 bp), hoewel beide protocollen transcripten >4 kb konden vangen.
• Chimere Reads en Index Swapping:
  • Chimere reads kwamen veelvuldig voor, vooral bij NB-ONT (10,94% vs 0,6% bij PCR-LIG in de eerste experimenten, hoewel PCR-LIG later ook variaties tot >25% vertoonde).
  • De FSNanoporeR-pipeline slaagde erin de meeste van deze reads correct te splitsen en de barcode-identiteit te behouden.
  • Index-swapping (verkeerde barcode-toewijzing) was minimaal (<0,07%), wat aantoont dat de splitsing effectief was.
• UMI Detectie: Monomere en trimerische UMIs werden in >82% van de reads betrouwbaar gedetecteerd.
  • Trimerische UMIs toonden een iets lagere detectie-efficiëntie voor genen en transcripten vergeleken met monomere UMIs of geen UMIs, waarschijnlijk door secundaire structuren en de langere oligo-dT.
  • De auteurs concluderen dat monomere UMIs de beste balans bieden tussen kosten en nauwkeurigheid voor de meeste toepassingen.
• Beperkingen:
  • NB-ONT: Langere incubatietijden (>3,5 uur), variabele succespercentages en een lagere output van bruikbare reads door een overvloed aan korte fragmenten.
  • PCR-LIG: Risico op index-swapping (opgelost door exonuclease-behandeling, wat echter de leeslengte beïnvloedde) en complexere workflows.
  • Algemeen: De noodzaak tot over-amplificatie van cDNA voor ONT input kan leiden tot verlies van diversiteit.

Significantie en Conclusie

Dit onderzoek toont aan dat full-length scRNA-seq op het ONT-platform mogelijk is met hoge resolutie voor isoformen en nauwkeurige moleculaire telling. Hoewel de auteurs uiteindelijk besloten om de specifieke hier gepresenteerde aanpak niet verder te ontwikkelen vanwege de technische obstakels (zoals hoge chimere read-rates en workflow-inefficiënties), bieden ze een waardevol raamwerk voor de gemeenschap.

Kernbijdragen:

1. FSNanoporeR: Een open-source bio-informatica-pijplijn die essentieel is voor het verwerken van ONT scRNA-seq data, inclusief de behandeling van chimere reads en UMI-correctie.
2. Praktische Richtlijnen: De studie waarschuwt voor valkuilen zoals overbelasting van flowcells, de impact van ligation-kits op leeslengte, en de uitdagingen van UMI-integratie in full-length protocollen.
3. Kosten-batenanalyse: De kosten per cel worden geschat op ~2 CHF (waarvan 65% sequencingkosten), wat competitief is, maar de technische complexiteit blijft een barrière.

De auteurs raden onderzoekers aan om, gezien de huidige beperkingen van de multiplexing-methoden, te overwegen om plate-barcoding over te slaan en in plaats daarvan te vertrouwen op de hoge doorvoer van ONT flowcells (die perfect passen bij een 384-well plaat bij de aanbevolen diepte) of te wachten op verdere optimalisaties van de technologie en pipelines. De resultaten benadrukken dat long-read sequencing veelbelovend is, maar dat strenge kwaliteitscontroles en kritische data-analyse noodzakelijk zijn om sequencing-artefacten te onderscheiden van biologische signalen.