TEsingle enables locus-specific transposable element expression analysis at single-cell resolution

In dit paper presenteren de auteurs TEsingle, een geavanceerd hulpmiddel voor single-cell analyse dat nauwkeurige, locus-specifieke expressie van transposabele elementen mogelijk maakt door uitdagingen zoals intronretentie en aligneringsonzekerheid aan te pakken, en demonstreren ze met data van Parkinson-patiënten dat TE-expressie sterk celtype- en staatsspecifiek is en verhoogd voorkomt bij bepaalde neuronale en gliale subpopulaties.

De kern

Titel: TEsingle: De nieuwe detective die het 'ruis' in ons DNA oplost

Stel je voor dat het menselijk lichaam een enorme bibliotheek is. In deze bibliotheek staan boeken die vertellen hoe je lichaam moet werken (onze genen). Maar er is een probleem: ongeveer de helft van deze bibliotheek bestaat uit "verkeerde" boeken. Dit zijn oude, kapotte kopieën van virussen die miljoenen jaren geleden in ons DNA zijn beland. Wetenschappers noemen ze Transposabele Elementen (TE's).

Tot nu toe was het voor onderzoekers bijna onmogelijk om te weten welke van deze oude, kapotte boeken daadwerkelijk werden "voorgelezen" door de cellen, en welke gewoon stil lagen. Het is alsof je probeert een specifiek woord te vinden in een boek dat vol staat met dezelfde zin, maar dan in 500 verschillende kopieën. Als je een pagina leest, weet je niet zeker welke van de 500 kopieën het is.

Het nieuwe gereedschap: TEsingle
De onderzoekers in dit paper hebben een nieuwe software bedacht die TEsingle heet. Je kunt dit zien als een super-slimme detective of een geavanceerde filter.

• Het probleem: In het verleden, als je naar cellen keek (vooral in de hersenen), was het beeld erg wazig. De software kon niet goed onderscheid maken tussen een echt actief stukje DNA en een stukje dat per ongeluk nog niet was opgeschoond (zoals een onafgemaakt recept).
• De oplossing: TEsingle is zo slim dat hij niet alleen naar de cellen kijkt, maar ook naar de "stempel" (een unieke code) op elk stukje RNA. Hij telt niet alleen, maar lost ook de puzzel op: "Komt dit stukje RNA van het echte boek, of van die ene oude kopie in de kelder?"

Hoe werkt het? (De analogie van de post)
Stel je voor dat je een postkantoor hebt waar duizenden brieven binnenkomen. Veel brieven hebben hetzelfde adres, maar zijn bedoeld voor verschillende mensen in hetzelfde gebouw.

• Oude software: Zegde: "Oh, deze brief gaat naar 'Familie Smith'. Ik stop hem bij de Smiths." Maar het kon zijn dat hij voor de buurman was, of voor een oude, dode tak van de familie.
• TEsingle: Kijkt naar de postzegel en de unieke code op de envelop. Hij zegt: "Wacht even, deze brief is voor de zoon van de Smiths, niet voor de oom. En deze andere brief is eigenlijk een oude, kapotte advertentie die per ongeluk in de bus is gegooid."

Wat hebben ze ontdekt? (Het Parkinson-onderzoek)
De onderzoekers hebben TEsingle getest op hersenweefsel van mensen met de ziekte van Parkinson. Ze wilden weten of die oude, kapotte virussen (TE's) misschien wakker werden gemaakt in de zieke cellen.

Het resultaat was verrassend:

1. Het is niet overal hetzelfde: De oude virussen worden niet overal in de hersenen wakker. Ze zijn heel specifiek.
2. Specifieke cellen: In de cellen die het meest lijden aan Parkinson (de dopamine-cellen) en in de "brandweer" van de hersenen (de microglia en astrocyten), werden ze veel actiever.
3. De jonge boosdoeners: Het waren niet de alleroudste, stoffige kopieën die wakker werden, maar juist de "jongere", mens-specifieke kopieën. Het is alsof de oude, stoffige boeken in de kelder blijven liggen, maar de nieuwe, moderne kopieën op de zolder worden opengebroken en gelezen.

Waarom is dit belangrijk?
Dit is een doorbraak omdat het ons laat zien dat de ziekte van Parkinson misschien niet alleen gaat over het sterven van cellen, maar ook over een soort "chaos" in het DNA. Die oude virussen die wakker worden, kunnen de cellen verder beschadigen of de ontsteking verergeren.

Conclusie
TEsingle is een nieuw, krachtig gereedschap dat eindelijk in staat is om het ruisende geluid van ons DNA te filteren. Het laat zien dat in de hersenen van Parkinson-patiënten, bepaalde cellen een "rebellie" starten waarbij oude, virale stukjes DNA weer actief worden. Dit geeft wetenschappers een nieuwe aanwijzing om te begrijpen hoe de ziekte ontstaat en misschien zelfs hoe we die rebellie kunnen stoppen.

Kortom: Ze hebben een nieuwe bril gevonden om te zien wat er echt gebeurt in de bibliotheek van het leven, en die bril laat zien dat er in de zieke hersenen een aantal oude, gevaarlijke boeken weer open worden geslagen.

Technische samenvatting

Probleemstelling

Transposabele elementen (TEs) vormen bijna de helft van het menselijk genoom en spelen een rol in ziekten zoals neurodegeneratie en kanker. Het nauwkeurig kwantificeren van de expressie van TEs op locus-specifiek niveau (per individueel genoomlocus) in single-cell RNA-sequencing (scRNA-seq) en single-nucleus RNA-sequencing (snRNA-seq) data is echter een groot uitdaging. De belangrijkste obstakels zijn:

1. Herhalende sequenties: TEs zijn highly repetitive, waardoor reads vaak op meerdere loci in het genoom kunnen aligneren (multi-mapping reads).
2. Introns en pre-mRNA: Vooral bij snRNA-seq (gebruikt voor post-mortem weefsel) bevat de data veel onbewerkte introns. TEs zitten vaak binnen introns van genen, wat het moeilijk maakt om onderscheid te maken tussen echte TE-expressie en "intron retention" (het vasthouden van introns in het mRNA).
3. Onzekerheid in toewijzing: Bestaande tools hebben moeite met het correct toewijzen van ambiguïteit in alignment scores en het gebruik van Unique Molecular Identifiers (UMIs) om PCR-duplicaten te corrigeren zonder de expressie van TEs te verstoren.

Methodologie: TEsingle

De auteurs introduceren TEsingle, een nieuwe software-suite voor de analyse van gen- en TE-expressie op single-cell niveau. De kern van de methode omvat:

• Input en Voorverwerking: TEsingle neemt gealigneerde BAM/SAM-bestanden (bijv. gegenereerd door STARsolo) en annotatiebestanden (GTF) voor zowel genen als TEs. Het gebruikt celbarcodes en UMIs om reads te groeperen per oorspronkelijk transcript.
• UMI-Netwerk en Duplicatieverwijdering: Reads worden gegroepeerd op basis van hun UMI. Een grafieknetwerk (waarbij UMIs die 1 Hamming-distantie van elkaar verschillen worden verbonden) wordt gebruikt om reads die waarschijnlijk van hetzelfde oorspronkelijke transcript stammen te groeperen, zelfs bij sequencing-fouten in de UMI.
• Expectation-Maximization (EM) Algoritme:
  • Reads die uniek aligneren naar een gen of TE worden gebruikt als anker.
  • Voor reads met meerdere mogelijke aligneringen (multi-mappers) wordt een EM-algoritme toegepast om de meest waarschijnlijke oorsprong (gen vs. TE, en specifiek welk TE-locus) te bepalen.
  • Een cruciale innovatie is dat alleen ambiguie reads met potentiële TE-annotaties in het EM-algoritme worden meegenomen. Reads die uniek aligneren naar genen worden uitgesloten om te voorkomen dat het algoritme reads ten onrechte naar overvloedig tot expressie komende genen "trekt" in plaats van naar TEs.
• Uitvoer: Het produceert een teltabel (count matrix) in Matrix Market Exchange (MEX) formaat, compatibel met standaard single-cell pipelines zoals Seurat, die zowel gen- als TE-expressie op locus-niveau bevat.

Benchmarks en Validatie

Om de prestaties te testen, ontwikkelden de auteurs realistische synthetische datasets die de complexiteit van echte scRNA-seq en snRNA-seq data nabootsen, inclusief variabele intron-retentiepercentages (20% voor whole-cell, 40% voor snRNA-seq).

• Vergelijking: TEsingle werd vergeleken met bestaande tools zoals STARsolo, CellRanger, scTE en soloTE.
• Resultaten: TEsingle presteerde significant beter in termen van F1-score (een combinatie van precisie en recall) voor zowel gen- als TE-expressie.
  • Het verminderde het aantal "false positives" (niet-expressie foutief gemeld als expressie) en "false negatives".
  • Het was het enige pakket dat zowel gen-expressie nauwkeurig hield als TE-expressie op locus-niveau kon oplossen zonder de nauwkeurigheid van gen-schattingen te verlagen.
  • Andere tools hadden vaak moeite met snRNA-seq data door de hoge mate van intron-retentie.

Toepassing: Parkinson's Ziekte (PD) Analyse

De auteurs pasten TEsingle toe op een publiek beschikbare snRNA-seq dataset van de substantia nigra (SNpc) van patiënten met Parkinson's Ziekte (PD) en controles.

• Validatie van Gen-Expressie: TEsingle kon de eerdere bevindingen van de originele studie (Martirosyan et al.) repliceren, inclusief celtype-specifieke expressie van PD-risicogenen (zoals SNCA, LRRK2) en differentiaal tot expressie gebrachte genen (DEGs).
• Nieuwe inzichten in TE-Expressie: De analyse onthulde dat TE-expressie sterk celtype- en staat-specifiek is in PD:
  • Neuronen: Dopaminerge neuron (DA) subpopulaties vertoonden een verhoogde expressie van jonge, intacte en mens-specifieke TEs, met name uit de SVA-familie (bijv. SVA-F-dup252). Ook excitatoire neuron toonden een verhoogde expressie van LINE-1 en ERV-elementen.
  • Astrocyten: Een subpopulatie van reactieve astrocyten (RAs) toonde een sterke verhoging van jonge mens-specifieke TEs, waaronder HERVK11 (een endogeen retrovirus). Dit suggereert een link tussen TE-activatie en neuro-inflammatoire toestanden.
  • Microglia: Cytokine-responderende microglia (CRMs) toonden een globale verhoging van TEs, met name jonge LINE-1 en HERVK-elementen.
  • Oligodendrocyten: Ook hier werden stress-geassocieerde subpopulaties geïdentificeerd met verhoogde TE-expressie.

Belangrijkste Bijdragen en Significantie

1. Technische Doorbraak: TEsingle lost het probleem op van het nauwkeurig kwantificeren van TE-expressie op locus-niveau in single-cell data, met name in snRNA-seq waar intron-retentie een grote rol speelt.
2. Verbeterde Gen-Expressie: Door TEs correct te behandelen, verbetert TEsingle ook de nauwkeurigheid van de schatting van gen-expressie, omdat reads die anders ten onrechte aan genen zouden worden toegewezen (of vice versa) nu correct worden gesorteerd.
3. Biologische Inzichten in Neurodegeneratie: De studie toont aan dat TE-activatie niet willekeurig is, maar specifiek geassocieerd is met bepaalde celtoestanden (zoals neuro-inflammatie) in PD. Het identificeert jonge, mens-specifieke TEs als mogelijke biomarkers of drijvende krachten achter de pathologie van PD.
4. Open Source: De tool en de bijbehorende code en datasets zijn openbaar beschikbaar, wat de weg vrijmaakt voor toekomstig onderzoek naar de rol van TEs in andere ziekten en weefsels.

Kortom, TEsingle biedt een robuust framework om de "donkere materie" van het genoom (TEs) in single-cell context te ontrafelen, wat leidt tot nieuwe inzichten in de moleculaire mechanismen van complexe ziekten zoals Parkinson.