NanoPlasmiQC: Full plasmid sequencing with ONT long-reads and automatic data analysis

Deze paper introduceert NanoPlasmiQC, een kosteneffectieve en geautomatiseerde workflow voor het binnen één dag volledig sequencen en analyseren van plasmiden met ONT long-reads, wat een goedkoper en sneller alternatief biedt voor traditionele Sanger-sequencing.

De kern

De Kern: Een Snelle en Goedkope "DNA-Controle" voor Plasmiden

Stel je voor dat plasmiden kleine, cirkelvormige DNA-krantjes zijn die wetenschappers gebruiken als bouwplannen om nieuwe eigenschappen in planten of bacteriën te programmeren. Om zeker te weten dat deze bouwplannen kloppen, moeten ze gecontroleerd worden.

Vroeger was dit als het handmatig controleren van een heel boek, pagina voor pagina. Je las telkens maar een klein stukje (ongeveer 1000 letters) en moest dan een nieuwe zin zoeken om verder te lezen. Dit heette "Sanger-sequencing". Het was nauwkeurig, maar traag, duur en je moest vaak raden waar je moest beginnen en eindigen.

De auteurs van dit artikel hebben een nieuwe, slimme manier bedacht: NanoPlasmiQC.

De Vergelijking: Van Handmatig Lezen naar een Helikopterview

In plaats van pagina voor pagina te lezen, gebruiken ze nu een helikopterview (Oxford Nanopore-technologie).

• Het oude probleem: De oude methode kon de hele cirkel van het plasmid niet in één keer zien. Het was alsof je een wiel probeerde te beschrijven door alleen de randen van de banden te bekijken.
• De nieuwe oplossing: Met de nieuwe technologie kun je het hele wiel in één keer vastleggen. Je ziet direct of er een krasje in zit of dat de band goed is.

Hoe werkt het? (De Stappen)

1. De "Soep" (Het mengen van plasmiden)
Stel je voor dat je een grote pot soep maakt. In plaats van elke groente apart te koken, gooi je ze allemaal in één pot.

• De onderzoekers nemen tientallen verschillende plasmiden en mengen ze in één flesje.
• Ze hoeven niet voor elk plasmid een apart flesje te maken. Dit bespaart enorm veel tijd en geld.

2. De "Scanner" (Het sequencen)
Ze sturen deze soep door een speciale scanner (de ONT-flowcell).

• De scanner leest de DNA-letters razendsnel.
• Omdat de plasmiden klein zijn, kan de scanner ze vaak in één lange "blik" lezen, zonder onderbreking.

3. De "Slimme Chef" (De software)
Dit is het echte magische deel. De ruwe data die uit de scanner komt, is als een berg losse puzzelstukken.

• De onderzoekers hebben een automatische robot (een Python-script) gebouwd.
• Deze robot pakt de puzzelstukken, zoekt uit welk stukje bij welk plasmid hoort, en legt ze weer in elkaar.
• Hij vergelijkt het resultaat direct met het "ideale bouwplan" (het verwachte DNA).
• Als er een foutje is (een lettertje verkeerd), slaat de robot direct alarm.

Waarom is dit geweldig?

• Snelheid: Het hele proces, van het nemen van het monster tot het hebben van het resultaat, duurt minder dan een dag. Alsof je vanochtend je auto naar de garage brengt en vanmiddag al weet of de motor goed is.
• Kosten: Omdat je tientallen plasmiden tegelijk kunt testen in één keer, wordt het per stuk heel goedkoop. Het kan zelfs goedkoper zijn dan één enkele oude handmatige test.
• Betrouwbaarheid: De nieuwe technologie is zo goed geworden dat je je geen zorgen meer hoeft te maken over kleine foutjes in de data. Het is alsof je van een wazige foto overgaat op een 4K-scherpe foto.

Het Bewijs (De "Proef op de Som")

De onderzoekers hebben hun eigen methode getest met een bekend plasmid (pBF3038).

• Ze lieten zien dat hun robot het hele plasmid perfect kon reconstrueren.
• Ze vonden zelfs kleine foutjes (mutaties) die in hun eigen versie van het plasmid zaten, wat bewijst dat de methode gevoelig genoeg is om zelfs de kleinste afwijkingen te zien.

Conclusie

NanoPlasmiQC is als het overgaan van het handmatig controleren van duizenden brieven naar het gebruik van een automatische postsorteerder met een scanner. Het is sneller, goedkoper, en laat wetenschappers in één dag zien of hun genetische bouwplannen perfect zijn, zodat ze zich kunnen richten op het echte werk: het ontwikkelen van nieuwe medicijnen of gewassen.

Technische samenvatting

Probleemstelling

Traditionele plasmidevalidatie gebeurt vaak via Sanger-sequencing. Deze methode heeft echter beperkingen:

• Leeslengte: Sanger-sequencing heeft een maximale leeslengte van ongeveer 1 kb. Plasmiden zijn vaak groter (5–20 kb), wat betekent dat meerdere reacties en het ontwerpen van specifieke primers nodig zijn om het volledige plasmide te dekken.
• Kosten en complexiteit: Het combineren van vele Sanger-reacties voor grote plasmiden is duur (vaak >10 € per plasmide) en arbeidsintensief.
• Risico op fouten: Plasmiden met invers tandemherhalingen kunnen tot 40% onverwachte mutaties bevatten die met fragmentatie-gebaseerde methoden moeilijk te detecteren zijn.
• Nanopore-beperkingen: Hoewel Oxford Nanopore Technologies (ONT) lange reads biedt, werd volledige plasmide-sequencing eerder afgeraden vanwege de hoge foutenratio (indels) in ruwe data. Echter, met recente verbeteringen in de technologie (ruwe nauwkeurigheid ~99%) is dit nu haalbaar, maar er ontbreekt een gestandaardiseerde, geautomatiseerde workflow voor kosteneffectieve validatie.

Methodologie

De auteurs presenteren NanoPlasmiQC, een kosteneffectieve en duurzame workflow voor volledige plasmide-sequencing met ONT lange reads en automatische data-analyse.

1. Voorbereiding en Sequencing:

• Proben: Plasmiden worden gemengd (gepoold) in een verhouding van 1 µL per plasmide, ongeacht de grootte, en verdund tot een totale concentratie van 10–15 ng/µL (150 ng totaal voor de bibliotheek).
• Library Prep: Gebruik van de ONT Rapid Sequencing Kit (SQK-RAD114).
• Sequencing: Uitgevoerd op hergebruikte PromethION flowcells (R10) na plantengenoomprojecten, wat de kosten verlaagt.
• Basecalling: Uitgevoerd met dorado v1.4.0 in de "high accuracy" (HAC) modus.

2. Geautomatiseerde Data-analyse (Python-script):
De workflow is volledig geautomatiseerd via een Python-script dat de volgende stappen uitvoert:

• Referentievoorbereiding: Opschonen van FASTA-bestanden (verwijdering van ongeldige karakters in headers).
• Mapping: Aligneren van reads tegen de verwachte plasmide-sequenties met minimap2 (met vlag secondary=no voor specifieke mapping).
• Splitsing: Het splitsen van de BAM-bestanden per plasmide-referentie met samtools.
• Filtering & Subsampling: Extractie van reads, controle op duplicaten met seqkit, en subsampling om de overvloedige data (hoge dekking) te reduceren tot een beheersbaar niveau voor de novo assembly.
• Variant Calling: Detectie van mutaties met bcftools (filters: QUAL>20, DP>dekking cutoff).
• Assembly: De novo assembly per plasmide met miniasm, gevolgd door polishing met racon om de nauwkeurigheid te verhogen.
• Output: Generatie van gebruikersvriendelijke resultaten, inclusief visualisatie in het Integrative Genomics Viewer (IGV).

Belangrijkste Bijdragen

• Volledige plasmide-sequencing in één read: Door de lange reads van ONT kan het volledige plasmide (5-20 kb) in één enkele read worden gesequenced, wat de noodzaak van primer-ontwerp en fragmentatie wegneemt.
• Kostenefficiëntie: De kosten per plasmide kunnen lager zijn dan één enkele Sanger-reactie, afhankelijk van het aantal plasmiden dat gelijktijdig wordt gesequenced.
• Automatisering: Een volledig geautomatiseerde pipeline (beschikbaar via GitHub) die binnen een dag sequencing en analyse mogelijk maakt.
• Duurzaamheid: Het gebruik van hergebruikte flowcells (na DNase-wassing) maakt de methode milieuvriendelijker en goedkoper.

Resultaten

• Sequencing Output: In twee testruns werden respectievelijk 12,7 Gbp en 0,58 Gbp gegenereerd. De N50-waarden waren 7,2 kb en 2,6 kb, wat aantoont dat de reads groot genoeg zijn om volledige plasmiden te dekken.
• Validatie: De workflow werd succesvol getest op het plasmide pBF3038.
  • De reads dekten de volledige lengte van het plasmide met hoge dekking.
  • De de novo assembly met miniasm en racon produceerde een correcte sequentie.
  • Variant calling onthulde specifieke puntmutaties in de gesequencede kopie van pBF3038 ten opzichte van de referentie.
  • De annotatie van het geassembleerde plasmide bevestigde dat alle cruciale genetische elementen correct waren gesequenced en geassembleerd.

Betekenis en Impact

NanoPlasmiQC biedt een robuust alternatief voor traditionele plasmide-validatie, vooral voor projecten met veel plasmiden of complexe constructen (zoals die met tandemherhalingen).

• Het democratiseert volledige plasmide-sequencing door de kosten te verlagen en de drempel voor bio-informatica-analyse te verlagen door automatisering.
• Het elimineert het risico op gemiste mutaties door het ontbreken van primer-afhankelijkheid.
• De methode is direct toepasbaar voor onderzoekers in de plantbiotechnologie en biomedische wetenschappen die snelle, nauwkeurige en goedkope validatie van hun genetische constructen nodig hebben.

De tool is open source beschikbaar via GitHub, wat reproduceerbaarheid en bredere adoptie in de wetenschappelijke gemeenschap faciliteert.