Rapid and robust sex determination from ancient enamel proteomes using protSexInferer

De auteurs hebben protSexInferer ontwikkeld, een gestandaardiseerd en open-source bioinformatica-pipeline die de geslachtsbepaling van oude overblijfselen op basis van tandglazuurproteomen automatiseert en robuuster maakt door gebruik te maken van een peptide-ratio in plaats van de bloot aanwezigheid van AMELY-signaals.

De kern

Titel: Hoe we de sekse van oude tanden kunnen raden zonder DNA (en zonder hoofdpijn)

Stel je voor dat je een oude, vergeten schatkist vindt. Daarin zitten tanden van mensen die duizenden jaren geleden leefden. Een van de eerste vragen die je stelt: "Was dit een man of een vrouw?"

Vroeger keken archeologen naar de vorm van de botten. Maar wat als de botten gebroken zijn, of als het om een baby gaat die nog geen kenmerken heeft? Dan is het een raadsel. DNA-methode werkt vaak niet meer omdat het oude DNA kapot is gegaan.

Hier komt protSexInferer in beeld. Het is een slim computerprogramma dat de oplossing biedt, en het doet dit met een trucje dat je kunt vergelijken met het tellen van sokken in een wasmand.

1. De Truc: De "Sokken" in je Tand

In onze tanden zit een heel sterk eiwit (een soort bouwsteen) genaamd Amelogenine. Dit eiwit is zo hard en sterk dat het miljoenen jaren kan overleven, zelfs als het DNA allang verdwenen is.

Het interessante is:

• Vrouwen hebben een versie van dit eiwit die we AMELX noemen (de "X-sok").
• Mannen hebben die ook, maar ze hebben er nog een extra versie bij: AMELY (de "Y-sok").

De oude methode was als volgt: "Ik zie één Y-sok in de wasmand? Dan is het een man!"
Het probleem? Soms komt er per ongeluk een stukje van een Y-sok in de wasmand terecht door een foutje in de machine (een "vals positief"). Dan denk je: "Oh, een man!" terwijl het eigenlijk een vrouw is. Je moet dan met je eigen ogen elke "sok" controleren, wat enorm veel tijd kost.

2. De Oplossing: De Verhouding (De "Sokken-verhouding")

Het nieuwe programma, protSexInferer, doet het slimmer. Het kijkt niet alleen naar het bestaan van de Y-sok, maar naar de verhouding.

Stel je voor dat je een wasmand hebt met duizenden sokken:

• Vrouw: Je ziet bijna alleen maar X-sokken. Soms zie je per ongeluk één klein stukje van een Y-sok (een foutje), maar dat is verwaarloosbaar. De verhouding Y-sokken is dus heel laag (bijvoorbeeld 1 op de 1000).
• Man: Je ziet een flinke stapel Y-sokken, naast de X-sokken. De verhouding is veel hoger (bijvoorbeeld 1 op de 10).

Het programma berekent deze verhouding (noem het de RAMELY-waarde).

• Is de verhouding heel laag? Dan is het een vrouw.
• Is de verhouding hoog? Dan is het een man.

Zelfs als er per ongeluk een paar "valse" Y-sokken in de mand van de vrouw zitten, maakt het niet uit. Omdat de verhouding van de echte Y-sokken bij een man zo veel hoger is, wint de man altijd. Het programma negeert de kleine foutjes automatisch.

3. Waarom is dit zo geweldig?

• Het is een robot: Je hoeft niet meer urenlang met een loepje naar de resultaten te staren. Je gooit de data erin, en de robot doet de rest.
• Het werkt met "rommel": Zelfs als de tanden heel oud en beschadigd zijn, en er maar heel weinig eiwitten over zijn, werkt het. Zolang er maar een paar "sokken" te vinden zijn, kan het programma de verhouding berekenen.
• Het is eerlijk: Het werkt met verschillende soorten computersoftware (zoals PEAKS of MaxQuant) en geeft altijd hetzelfde juiste antwoord.

4. Een echt voorbeeld

De onderzoekers hebben dit getest op tanden van een oude plek in China (Xiawanggang). Ze hadden 8 losse tanden waarvan niemand wist wie ze waren. Met dit nieuwe programma konden ze met 100% zekerheid zeggen: "Deze 8 tanden horen allemaal bij mannen."

Zelfs bij een tand die eerder als "vrouw" was bestempeld door een andere methode, zag het nieuwe programma: "Nee, wacht even, de verhouding klopt niet. Dit is eigenlijk een man." En later bleek dat de nieuwe methode gelijk had.

Conclusie

protSexInferer is als een slimme, onfatsoenlijke assistent die de wasmand van je oude tanden doorzoekt. In plaats van te twijfelen aan elke losse sok, kijkt hij naar het grote plaatje: de verhouding tussen de X- en Y-sokken. Hierdoor kunnen we nu veel sneller, nauwkeuriger en zonder hoofdpijn ontdekken wie er duizenden jaren geleden leefden, zelfs als hun DNA al lang weg is.

Het is een grote stap voorwaarts voor geschiedschrijving, forensiek en het begrijpen van onze voorouders.

Technische samenvatting

Titel: Snelle en robuuste seksebepaling uit oude emaille-proteomen met behulp van protSexInferer

1. Het Probleem

De nauwkeurige bepaling van de biologische sekse van oude overblijfselen is cruciaal voor archeologische, antropologische en forensische studies. Huidige methoden hebben echter beperkingen:

• Morfologische methoden: Zijn onbetrouwbaar bij skeletten zonder geslachtsdimorfe kenmerken of bij onvolledig ontwikkelde individuen (bijv. kinderen).
• DNA-gebaseerde methoden: Vereisen goed bewaard gebleven endogeen DNA, wat vaak ontbreekt bij sterk gedegradeerde of zeer oude samples.
• Huidige paleo-proteomische methoden: Deze richten zich op het detecteren van geslachtsgebonden amelogenine-isoformen (AMELX op het X-chromosoom en AMELY op het Y-chromosoom). Bestaande workflows vertrouwen echter op de handmatige verificatie van een beperkt aantal specifieke peptide-markers (zoals AMELY-59M). Dit proces is:
  • Niet gestandaardiseerd.
  • Gevoelig voor vals-positieve AMELY-signalen (door database-zoekfouten).
  • Tijdrovend en moeilijk reproduceerbaar bij grote datasets.

2. Methodologie: De protSexInferer-pijplijn

De auteurs hebben protSexInferer ontwikkeld, een open-source bioinformatica-pijplijn (geschreven in Nextflow) die de seksebepaling automatiseert en standaardiseert.

• Invoer: De pijplijn accepteert outputbestanden van populaire proteoomzoekmachines (PEAKS, MaxQuant, pFind, en DIA-NN).
• Referentiedatabases: Het systeem gebruikt vooraf geconstrueerde proteïne-databases (bijv. "Hominidae enamel protein database") die geoptimaliseerd zijn voor tandemaille, maar ondersteunt ook aangepaste databases.
• Kernalgoritme (RAMELY-ratio): In plaats van te kijken naar de aanwezigheid of afwezigheid van een enkel peptide, berekent de pijplijn de RAMELY-waarde:
  $$RAMELY = \frac{n_{AMELY}}{n_{AMELY} + n_{AMELX}}$$
  Waarbij $n$ het aantal gedetecteerde, unieke peptiden is dat specifiek is voor respectievelijk AMELY of AMELX.
• Statistische classificatie:
  • De pijplijn berekent 95% betrouwbaarheidsintervallen (CI) voor de RAMELY-waarde.
  • Sekse-indeling gebeurt op basis van drempelwaarden die zijn afgeleid van bekende referentiedatasets.
  • Vrouw: RAMELY ≤ bovengrens 95% CI van de maximale vrouwelijke waarden.
  • Man: RAMELY ≥ ondergrens 95% CI van de minimale mannelijke waarden.
  • Onbekend: Waarden die in het overlapgebied vallen of buiten de intervallen liggen.
• Validatie: De methode is getest op 76 referentiestalen met bekende sekse en 69 onafhankelijke validatiestalen.

3. Belangrijkste Bijdragen

• Automatisering en Standaardisatie: Elimineert de noodzaak voor handmatige verificatie van peptide-signalen, wat de reproduceerbaarheid en schaalbaarheid van paleo-proteomisch onderzoek aanzienlijk verbetert.
• Robuustheid tegen Vals-Positieven: Door gebruik te maken van een ratio in plaats van een absolute intensiteit, wordt het risico op het verkeerd classificeren van vrouwen als mannen (door vals-positieve AMELY-signalen) geminimaliseerd.
• Gebruik van Volledige Data: De methode benut alle gedetecteerde AMELX- en AMELY-specifieke peptiden, niet slechts één of twee diagnostische markers. Dit verhoogt de gevoeligheid, zelfs bij slecht bewaarde samples met weinig peptide-opbrengst.
• Flexibiliteit: Ondersteunt meerdere zoekmachines en biedt vooraf ingestelde drempelwaarden, maar staat ook toe dat gebruikers drempels aanpassen op basis van hun eigen referentiedatasets.

4. Resultaten

• Scheiding van Seksen: De RAMELY-waarden vormden voor alle geteste software (PEAKS, pFind, DIA-NN, MaxQuant) twee duidelijke clusters voor mannen en vrouwen. PEAKS toonde de grootste scheiding tussen de clusters.
• Validatie: De nieuwe toewijzingen waren in bijna alle gevallen consistent met eerdere determinaties (ongeacht de gebruikte zoekmachine).
• Correctie van Fouten: Het systeem corrigeerde een eerdere misclassificatie van het individu JY63 (oorspronkelijk morfologisch als man ingedeeld, maar proteomisch als vrouw bevestigd).
• Robuustheid bij Vals-Positieven: Waar traditionele intensiteitsmethoden (zoals die van Madupe et al.) bij PEAKS en DIA-NN veel vals-positieve mannenresultaten opleverden, classificeerde de RAMELY-methode deze correct als vrouw.
• Onafhankelijkheid van Opbrengst: Er was geen sterke correlatie tussen de totale hoeveelheid amelogenine-peptiden en de RAMELY-waarde, wat aantoont dat de ratio stabiel blijft zelfs bij zeer gedegradeerde samples.
• Toepassing: De pijplijn werd succesvol toegepast op 8 willekeurige tanden van de Xiawanggang-site (ca. 5.000 BP), die allemaal betrouwbaar als mannelijk werden geïdentificeerd.

5. Betekenis en Conclusie

De ontwikkeling van protSexInferer markeert een belangrijke stap voorwaarts in de paleo-proteomiek. Het biedt een end-to-end, robuuste en gebruiksvriendelijke oplossing voor seksebepaling die niet afhankelijk is van goed bewaard DNA of morfologische kenmerken.

Door de focus te verleggen van "aanwezigheid/afwezigheid" naar een ratio-gebaseerde benadering, lost het de problemen op van gestandaardisatie en vals-positieven. Dit maakt het mogelijk om sekse betrouwbaar te bepalen bij een breder scala aan oude overblijfselen, inclusief subadulten, gebroken fragmenten en monsters met zeer lage DNA- of peptide-opbrengst. De tool is beschikbaar als open-source code op GitHub en ondersteunt de replicatie en uitbreiding van archeologische en forensische studies wereldwijd.