ATAClone: Cancer Clone Identification and Copy Number Estimation from Single-cell ATAC-seq

ATAClone is een nieuw hulpmiddel dat single-cell ATAC-seq-data analyseert om kloon-specifieke DNA-copy number-profielen te identificeren en absolute copy numbers te schatten, waardoor de verwarring tussen genetische en niet-genetische variatie in kankerstudies wordt opgelost.

De kern

Stel je voor dat een tumor niet één grote, saaie massa is, maar meer lijkt op een drukke stad vol verschillende buurten. In deze stad wonen verschillende groepen mensen (we noemen ze in de wetenschap clones). Sommige groepen hebben een heel groot huis, andere een klein huisje, en weer anderen hebben misschien een extra verdieping of een verdwenen kamer.

In het verleden was het heel moeilijk om deze verschillende buurten uit elkaar te houden als je door een microscoop keek naar het DNA van kankercellen. Vaak dachten onderzoekers dat ze verschillende soorten cellen zagen, terwijl het eigenlijk gewoon dezelfde soort cellen waren met een heel groot of heel klein huis (een verandering in het aantal kopieën van hun DNA).

ATAClone is een nieuwe, slimme computerprogramma dat deze verwarring oplost. Hier is hoe het werkt, vertaald naar alledaagse taal:

1. Het probleem: Een ruisend feestje

Stel je voor dat je probeert een gesprek te voeren op een druk feestje. Er is veel ruis (technische storingen) en mensen praten over verschillende onderwerpen (biologische verschillen). Als je probeert te luisteren naar wie er met wie praat (de clones), hoor je vaak alleen maar dat sommige mensen harder praten dan anderen omdat ze een grotere mond hebben (meer DNA), niet omdat ze een ander onderwerp hebben.

Eerdere hulpmiddelen waren als slechte microfoons: ze konden het gesprek niet goed horen en verwarden de "hard praters" met nieuwe groepen mensen.

2. De oplossing: ATAClone als de slimme geluidstechnicus

ATAClone is als een super-slimme geluidstechnicus die precies weet hoe hij moet filteren. Hij doet drie belangrijke dingen:

• Hij kiest de juiste plekken om te luisteren: In plaats van naar alle geluiden te luisteren, kijkt ATAClone alleen naar plekken in het DNA die bij iedereen open en toegankelijk zijn (de "stabiele gebieden"). Dit is alsof hij alleen luistert naar de muziek die door elke luidspreker in de zaal te horen is, en negeert de mensen die lachen of schreeuwen. Zo ziet hij alleen de echte verschillen in de grootte van de huizen (het DNA), en niet de ruis.
• Hij telt de kamers (Kopieer-aantallen): Hij telt precies hoeveel "kamers" (DNA-stukken) elke groep heeft. Soms heeft een groep twee keer zoveel kamers als normaal (polyploïdie). ATAClone kan dit zien, zelfs als de hele stad een verdubbeling heeft ondergaan.
• Hij vindt de buurten automatisch: In plaats dat jij moet zeggen "zoek maar eens naar 3 groepen", doet ATAClone dit zelf. Hij gebruikt een slimme simulatie (een soort proefballonnetje) om te testen: "Is dit een echte nieuwe buur, of is het gewoon toeval?" Zo voorkomt hij dat je denkt dat er een nieuwe groep is, terwijl het er eigenlijk maar één is.

3. Waarom is dit zo belangrijk?

Voorheen was het alsof je een kaart van de stad tekende, maar je wist niet welke wegen naar welke buurten leidden. Je zag wel dat er verschillen waren, maar je wist niet of dat kwam door de mensen zelf of door hun huizen.

Met ATAClone kunnen onderzoekers nu:

• De echte familiegeschiedenis zien: Ze kunnen zien hoe de tumor is gegroeid en welke groepen zich hebben ontwikkeld.
• Betere medicijnen kiezen: Als je weet dat een bepaalde groep kankercellen een extra verdieping heeft (meer DNA), kun je medicijnen kiezen die specifiek die extra verdieping aanvallen.
• Geen tijd verliezen: Het programma doet al het zware rekenwerk en filteren automatisch. De wetenschappers hoeven niet urenlang handmatig te sleutelen aan de instellingen.

Samenvattend

ATAClone is als een GPS voor kankercellen. Het negeert de verkeersborden die je in de war brengen (de ruis), herkent de echte wijken in de stad (de clones) en vertelt je precies hoe groot elk huis is (het aantal DNA-kopieën). Hierdoor kunnen artsen en onderzoekers de tumor veel beter begrijpen en beter behandelen.

Het is een tool die de "ruis" uit het beeld haalt, zodat we eindelijk de echte structuur van kanker kunnen zien.

Technische samenvatting

Probleemstelling

In de analyse van kanker met single-cell sequencing (scATAC-seq) begint men vaak met het identificeren van verschillende celpopulaties via onbewaakte clustering (unsupervised clustering). Een groot probleem hierbij is dat deze clustering vaak niet wordt veroorzaakt door biologische verschillen in genexpressie of epigenetica, maar simpelweg door verschillen in DNA-copy number (CNV).

• Verwarring: Copy number variaties (CNV's) beïnvloeden genexpressie, DNA-toegankelijkheid en methylering. Als deze niet worden gecorrigeerd, worden ze verward met echte biologische signalen, wat de interpretatie van tumorheterogeniteit en differentiatie tussen behandelingen verstoort.
• Beperkingen van bestaande tools: Bestaande methoden voor CNV-schatting vereisen vaak handmatige input voor kwaliteitscontrole (QC) en clustering. Ze schatten meestal alleen relatieve copy number en kunnen geen absolute copy number (inclusief ploïdieverschillen) afleiden. Bovendien is de keuze van clustering-algoritmes en hyperparameters vaak willekeurig, wat de robuustheid beperkt.

Methodologie: ATAClone Workflow

ATAClone is een geautomatiseerde R-pakket-workflow die ontworpen is om clonale structuren en copy number te infereren uit scATAC-seq data (zowel standalone als multiome). De workflow bestaat uit vier hoofdstappen:

1. Feature Creatie (Stabiel-toegankelijke regio's):

   • In plaats van per sample peak calling te doen, gebruikt ATAClone een vooraf berekende lijst van stabil-toegankelijke regio's (stably-accessible regions) die over veel celtypen heen consistent toegankelijk zijn.
   • Dit minimaliseert ruis veroorzaakt door differentieel toegankelijkheid (biologische variatie) en maximaliseert het signaal van copy number.
   • Fragmenten worden gegroepeerd in genomische bins (standaard 10Mb) om een bin-by-cel barcode matrix te creëren.

2. Kwaliteitscontrole (QC):

   • ATAClone filtreert automatisch slechte cellen op basis van diverse metrieken:
     • Lege druppels: Gebaseerd op totale fragmenten in stabiele regio's.
     • Transpositie-efficiëntie: Gemeten via de fractie fragmenten in stabiele regio's en een Poisson-regressie model (b1-statistiek).
     • Celresten (Debris): Gemeten via "excess zero bin counts".
     • Technische bias: Een nieuwe metriek, de 'barcode odds', detecteert systematische biases in 10X multiome data waarbij bepaalde barcode-sequenties consistent lagere ATAC-seq dekking hebben.

3. Clone Identificatie (Geautomatiseerde Clustering):

   • Na normalisatie (Gamma-Poisson transformatie) en PCA (waarbij technische covariaten worden verwijderd), wordt een KNN-grafiek gebouwd.
   • Novelty: ATAClone gebruikt Monte Carlo-simulaties om de optimale resolutieparameter voor het Leiden-clustering-algoritme automatisch te bepalen. Het simuleert data zonder biologische variatie (null-model) en kiest de hoogste resolutie waarbij de kans op het splitsen van een cluster onder een bepaald type I-foutenrisico (bijv. 0.05) blijft.
   • Dit elimineert de noodzaak voor handmatige parameterkeuze.

4. Absolute Copy Number Schatting:

   • Het algoritme gebruikt interne referentiecellen (niet-tumorcellen) om relatieve copy number te berekenen.
   • Door gebruik te maken van het verschil in totale DNA-gehalte tussen clones en het feit dat copy number veranderingen vaak integer-waarden zijn, schat ATAClone de absolute ploïdie en copy number. Dit maakt het mogelijk om polyploïdie (bijv. hele genoomverdubbeling) te detecteren.

Belangrijkste Resultaten

• Reproduceerbaarheid: ATAClone toonde consistente resultaten over vier replicate nierkanker-experimenten met verschillende nucleaire isolatieprotocollen. Het identificeerde dezelfde dominante klonen en technische factoren (zoals totale DNA en transpositie-efficiëntie) in alle protocollen.
• Sensitiviteit en Specificiteit:
  • In een negatieve controle (gezonde darmcellen) werden geen grote copy number verschillen gevonden die de analyse zouden verstoren, hoewel er wel subtiere biologische clusters werden gevormd.
  • In een positieve controle (scmixology2: mengsel van 5 longkanker cel lijnen) identificeerde ATAClone 10 klonen. De homogeniteit was zeer hoog (0.97), wat aangeeft dat clusters puur uit één celtype bestonden. Het detecteerde zelfs sub-klonen binnen dezelfde cel lijn met grote chromosomale verschillen (bijv. hele chromosoom deleties/amplificaties).
• Vergelijking met RIDDLER:
  • Bij vergelijking met de tool RIDDLER op prostaatkanker data, identificeerde ATAClone minder, maar biologisch meer zinvolle clusters met grotere copy number regio's.
  • RIDDLER neigde naar kortere, verspreide regio's en meer clusters.
  • ATAClone presteerde beter in correlatie met bulk Whole Genome Sequencing (WGS) data (Pearson correlatie 0.75-0.95 vs 0.665 voor RIDDLER).
• Ploïdie Detectie: ATAClone slaagde erin om clones met verschillende ploïdie-niveaus te onderscheiden en absolute copy number waarden te schatten die compatibel zijn met waargenomen totale DNA- en RNA-inhoud.

Bijdragen en Significantie

1. Geautomatiseerde Robuustheid: ATAClone vermindert de menselijke input en subjectiviteit aanzienlijk door QC, normalisatie en clustering-resolutie te automatiseren. Dit maakt de analyse van kanker-data robuuster en toegankelijker.
2. Absolute Copy Number & Ploïdie: Het is een van de eerste tools die absolute copy number en ploïdieverschillen kan afleiden uit scATAC-seq data, wat cruciaal is voor het begrijpen van tumor-evolutie en resistentie.
3. Nieuwe Concepten:
   • Introductie van stabil-toegankelijke regio's voor copy number schatting.
   • Ontdekking en correctie van een nieuwe systematische bias in 10X multiome data gerelateerd aan barcode-sequenties.
   • Een simulatie-gestuurde methode voor het automatisch kiezen van clustering-resolutie.
4. Biologische Inzicht: Door genetische (CNV) en niet-genetische (epigenetische/transcriptionele) variatie te ontrafelen, biedt ATAClone dieper inzicht in de evolutionaire geschiedenis van tumoren en de drijvende krachten achter adaptatie.

Conclusie:
ATAClone is een krachtig, geautomatiseerd hulpmiddel dat de interpretatie van single-cell ATAC-seq data in kankerstudies verbetert door copy number variaties nauwkeurig te identificeren en te corrigeren, waardoor onderzoekers zich kunnen richten op de onderliggende biologische mechanismen zonder verwarring door genetische ruis. De tool is beschikbaar als een R-pakket via GitHub.