Comparing bulk and single-cell methodologies and models to profile gene expression, chromatin accessibility and regulatory links in endothelial cells treated with TNFα

Dit onderzoek toont aan dat, hoewel bulk- en single-cell transcriptomics- en chromatin-toegankelijkheidsdata in TNFα-behandelde endotheelcellen vergelijkbare biologische inzichten bieden, de keuze tussen deze methoden aanzienlijke verschillen oplevert in de prioritering van causale genen en voorspellingen van regulatorische koppelingen bij GWAS-loci.

De kern

Titel: De Grote Genetische Zoektocht: Waarom de "Kijkwijze" telt

Stel je voor dat het menselijk lichaam een gigantische, complexe stad is. Het DNA is de stadsplanning, en de genen zijn de gebouwen (zoals ziekenhuizen, scholen of fabrieken) die in die stad staan. Soms gebeuren er ongelukken of ziektes (zoals hartziektes of hoge bloeddruk) omdat er iets mis is met de aanwijzingenborden in de stad, niet met de gebouwen zelf. Deze aanwijzingborden zijn de "niet-coderende varianten" in ons DNA. Ze zeggen de cellen waar ze moeten bouwen of welke machines ze moeten aanzetten.

Het probleem voor wetenschappers is: Welk bord hoort bij welk gebouw? Soms staat een bord ver weg van het gebouw dat het regelt, en het is heel lastig om die verbinding te vinden.

Het Experiment: Twee manieren om de stad te bekijken

In dit onderzoek kijken wetenschappers naar de cellen van de bloedvaten (de "straten" van onze stad). Ze hebben deze cellen een prikkel gegeven (een ontstekingsreactie, alsof er een brand is uitgebroken) om te zien hoe ze reageren.

Ze hebben de stad op twee verschillende manieren in kaart gebracht:

1. De "Bulk"-methode (De Luchtfoto): Dit is alsof je een foto maakt van de hele stad tegelijk. Je ziet het gemiddelde. Je ziet dat er veel verkeer is, maar je weet niet precies welke auto waar rijdt. Dit is de oude, bewezen manier.
2. De "Single-Cell"-methode (De Drone): Dit is alsof je met een drone boven elke individuele auto vliegt. Je ziet precies wat elke auto doet, zelfs als ze allemaal anders reageren. Dit is de nieuwe, super-detailed manier.

Wat vonden ze?

• Grote lijnen zijn hetzelfde: Als je kijkt naar de grote lijnen (bijvoorbeeld: "Is er veel verkeer?"), geven beide methoden hetzelfde antwoord. De "Luchtfoto" en de "Drone" zien dezelfde grote veranderingen in de stad.
• Maar de details verschillen: Hier wordt het interessant. Wanneer ze probeerden te voorspellen welk bord bij welk gebouw hoort (de "regulatoire links"), gaven de twee methoden soms verschillende antwoorden.

Een creatief voorbeeld uit het onderzoek:

Stel je voor dat er een verkeersbord staat bij een kruispunt.

• De Luchtfoto (Bulk) zegt: "Dit bord hoort bij de Bakkerij (een gen genaamd BCAR1)."
• De Drone (Single-cell) zegt: "Nee, dit bord hoort eigenlijk bij de School (een ander gen genaamd CFDP1)."

Beide methoden zagen hetzelfde bord, maar ze koppelden het aan een ander gebouw. In het echte leven betekent dit dat als artsen of onderzoekers proberen een ziekte te genezen, ze op basis van de ene methode misschien de Bakkerij gaan repareren, terwijl ze eigenlijk de School hadden moeten fixeren.

Waarom is dit belangrijk?

De wetenschappers tonen aan dat het niet uitmaakt of je de "Luchtfoto" of de "Drone" gebruikt om te zien dat er iets mis is. Maar het maakt wel enorm veel uit welke methode je gebruikt om te beslissen waar je moet ingrijpen.

• Soms vinden ze met de Drone een belangrijk bord dat de Luchtfoto over het hoofd ziet (zoals bij het gen IL6R, belangrijk voor hartziektes).
• Soms vinden ze met de Luchtfoto een bord dat de Drone mist.
• Soms wijzen ze allebei op hetzelfde bord, maar koppelen ze het aan een ander gebouw.

De conclusie voor de gewone man:

Als je een zoektocht doet naar de oorzaak van een ziekte, is het niet genoeg om alleen naar één soort kaart te kijken. Je moet weten dat de "lens" die je gebruikt (de techniek) de resultaten beïnvloedt.

De boodschap is: Wees voorzichtig met je conclusies. Als onderzoekers een nieuw medicijn willen ontwikkelen, moeten ze misschien beide methoden gebruiken (of ze combineren) om zeker te weten dat ze het juiste "gebouw" in de stad van ons lichaam gaan repareren. Anders kunnen we de verkeerde deur openen.

Technische samenvatting

Titel: Vergelijking van bulk- en single-cell methodologieën en modellen voor het profileren van genexpressie, chromatin-toegankelijkheid en regulatorische koppelingen in endotheelcellen behandeld met TNFα

Auteurs: Jennifer Zevounou et al.
Publicatie: bioRxiv preprint (2026)

---

1. Het Probleem

Genoomwide associatiestudies (GWAS) hebben duizenden niet-coderende genetische varianten geïdentificeerd die geassocieerd zijn met complexe ziekten, zoals coronaire arteriële ziekte (CAD) en hypertensie. De grootste uitdaging ligt echter in het koppelen van deze varianten aan de specifieke causale genen die ze reguleren.

• Uitdaging: Regulatorische elementen (zoals enhancers) kunnen zich honderden kilobases verwijderd van hun doelgenen bevinden. Fysieke afstand is een onvolledige voorspeller.
• Huidige aanpak: Statistische modellen worden gebruikt om regulatorische koppelingen te voorspellen op basis van genexpressie en chromatin-toegankelijkheid. Traditioneel worden deze modellen getraind op bulk-data (gemiddelde van veel cellen), maar recentelijk zijn er modellen ontwikkeld voor single-cell (sc) data (multiome: gelijktijdige meting van RNA en ATAC in één cel).
• Kennislacune: Het is onbekend of de voorspellingen van deze modellen consistent zijn wanneer ze worden toegepast op bulk- versus single-cell data van hetzelfde experimentele systeem, en of dit keuzes beïnvloedt bij het prioriteren van causale genen voor functionele validatie.

2. Methodologie

De auteurs hebben een gecontroleerd experimenteel systeem gebruikt om bulk- en single-cell methoden direct te vergelijken.

• Celmodel: Immortaliseerde humane aortale endotheelcellen (teloHAEC).
• Behandeling: Cellen werden niet behandeld (NT) of gestimuleerd met de pro-inflammatoire cytokine TNFα (voor 4 en 24 uur) om een geactiveerde endotheeltoestand te modelleren, relevant voor CAD en hypertensie.
• Data-generatie:
  • Bulk-data: Bestaande bulk RNA-seq, ATAC-seq, H3K27ac ChIP-seq en HiC data (GSE126200).
  • Single-cell data: Nieuw gegenereerde 10X Genomics Multiome data (scRNA-seq + scATAC-seq) voor dezelfde condities.
• Statistische Modellen voor Regulatorische Koppelingen:
  • ABC-model (Activity-by-Contact): Een bulk-gebaseerd model dat gebruikmaakt van ATAC-seq, H3K27ac en HiC contactkaarten om enhancer-gene koppelingen te voorspellen. Promotors worden hierbij vaak uitgesloten als distale elementen.
  • scE2G-model (single-cell Enhancer-to-Gene): Een model gebaseerd op sc-multiome data dat correlaties tussen chromatin-toegankelijkheid en genexpressie op celniveau integreert.
• Analyse:
  • Vergelijking van differentieel expressie (DEG) en differentieel open chromatin (DOP) tussen bulk en sc.
  • Berekening van erfelijkheidsverrijking (heritability enrichment) voor CAD en diastolische bloeddruk (DBP) met S-LDSC.
  • Fine-mapping van GWAS-varianten met RSparsePro om "causal signal density" te berekenen.
  • Validatie via Open Targets: Koppeling van voorspelde genen aan CAD-geassocieerde genen en hun associatiescores.

3. Belangrijkste Bijdragen

• Directe Vergelijking: Eerste studie die bulk- en sc-data van exact dezelfde celtype en condities vergelijkt om de impact op enhancer-to-gene modellen te kwantificeren.
• Model-Validatie: Toont aan dat hoewel de onderliggende biologische signalen (paden) vergelijkbaar zijn, de identiteit van de gekoppelde genen sterk kan variëren afhankelijk van het gekozen model (bulk vs. sc).
• Praktische Richtlijn: Biedt bewijs dat de keuze tussen bulk- en single-cell benaderingen cruciaal is voor het plannen van follow-up experimenten om GWAS-loci te karakteriseren.

4. Resultaten

A. Concordantie in Ruwe Data:

• Bulk en single-cell RNA-seq en ATAC-seq tonen een hoge correlatie in fold-change waarden en geïdentificeerde biologische paden.
• Bulk-data heeft echter meer statistische power om kleine verschillen te detecteren (meer DEGs en DOPs geïdentificeerd in bulk dan in sc), waarschijnlijk door hogere diepte en minder ruis.

B. Verschillen in Regulatorische Koppelingen:

• De modellen voorspellen vaak verschillende genen voor dezelfde regulatorische elementen.
  • Promotors: scE2G voorspelt veel koppelingen met promotors (korte afstand), terwijl ABC zich richt op distale elementen.
  • Discordantie: In veel gevallen koppelt één model een variant aan een gen, terwijl het andere model een ander gen koppelt aan dezelfde variant.
• Voorbeelden:
  • TGFB1-locus: Beide modellen zijn het eens over de koppeling.
  • IL6R-locus: Alleen het scE2G-model koppelt fine-mapped CAD-varianten aan IL6R; het bulk-ABC-model doet dit niet.
  • BCAR1/CFDP1-locus: Een cruciaal voorbeeld van discordantie. Het bulk-ABC-model koppelt een cCRE aan BCAR1, terwijl het scE2G-model dezelfde cCRE koppelt aan CFDP1.

C. Erfelijkheid en Causale Signalen:

• Alle sets van regulatorische elementen (ABC-only, scE2G-only, en overlap) vangen een significant deel van de erfelijkheid voor CAD en DBP.
• De "causal signal density" (dichtheid van causale varianten) is vergelijkbaar tussen de methoden, wat suggereert dat beide methoden relevante biologische signalen vangen, maar ze interpreteren de koppeling anders.

D. Prioritering van Genen:

• Genen die door beide modellen worden gekoppeld, hebben over het algemeen hogere Open Targets associatiescores voor CAD.
• Er zijn echter unieke sets genen: 59 genen werden alleen door scE2G gekoppeld (bijv. FES, IL6R) en 44 alleen door ABC (bijv. BTBD16, DHX36).
• De keuze van het model bepaalt dus welke genen als "causaal" worden beschouwd voor verdere functionele studie.

5. Betekenis en Conclusie

De studie concludeert dat hoewel bulk- en single-cell methoden vergelijkbare biologische patronen blootleggen, de keuze van het voorspellende model (bulk vs. sc) de lijst van prioriterende causale genen fundamenteel kan veranderen.

• Implicatie voor onderzoek: Onderzoekers die GWAS-loci willen karakteriseren, moeten niet blindelings vertrouwen op één type data of model. Het combineren van benaderingen (bijv. HiC, eQTL, en zowel bulk- als sc-modellen) is essentieel om de kans op het vinden van het ware causale gen te maximaliseren.
• Toekomst: Terwijl single-cell data variabiliteit tussen cellen kan vastleggen, biedt bulk data vaak meer sensitiviteit voor lage expressie. Een geïntegreerde aanpak lijkt het meest robuust voor het voorspellen van regulatorische netwerken in complexe ziekten zoals hart- en vaatziekten.