Correlate: A Web Application for Analyzing Gene Sets and Exploring Gene Dependencies Using CRISPR Screen Data

Correlate is een gratis, browsergebaseerde webapplicatie die het mogelijk maakt om CRISPR-screendata van het Cancer Dependency Map te analyseren en genafhankelijkheden te onderzoeken door correlaties direct uit functionele data af te leiden in plaats van op vooraf bestaande biologische annotaties.

De kern

Stel je voor dat je een enorme bibliotheek hebt met meer dan 1.000 verschillende "kanker-verhalen". In elk verhaal zit een lijst met duizenden karakters (genen). Sommige karakters zijn zo belangrijk dat als ze verdwijnen, het hele verhaal (de kankercel) instort. Andere karakters werken samen in teams.

De wetenschappers achter dit artikel hebben een nieuw, gratis online gereedschap gemaakt genaamd Correlate. Hier is hoe het werkt, vertaald naar alledaags taal:

1. Het Grote Probleem: De "Grote Boek" is te groot

Vroeger moesten onderzoekers zelf de code schrijven om te kijken welke karakters in die boeken samenwerken. Dat was als proberen een speld te vinden in een hooiberg, terwijl je blind was en een computerprogrammeur moest zijn om de zoekmachine te bedienen. Bestelbare tools bestonden al, maar die waren vaak beperkt tot het kijken naar één karakter tegelijk, of ze waren gebaseerd op oude, handgeschreven lijsten van wie met wie zou moeten werken (wat niet altijd klopt).

2. De Oplossing: Correlate (De "Matchmaker")

Correlate is als een slimme, interactieve matchmaker die direct naar het gedrag van de karakters kijkt in plaats van naar wat er in de bijschriften staat.

• Hoe werkt het? Het kijkt naar meer dan 1.000 kankercellen. Als twee genen (karakters) zich overal op dezelfde manier gedragen (bijvoorbeeld: als het ene verdwijnt, gaat het andere ook dood, of ze reageren allebei sterk op een bepaalde ziekte), dan denkt Correlate: "Hé, deze twee werken waarschijnlijk samen in een team!"
• Het is visueel: In plaats van lange lijsten met cijfers, zie je een netwerk van balletjes en lijntjes. Hoe dichter de balletjes bij elkaar staan en hoe dikker de lijn, hoe sterker de samenwerking.

3. Twee Manieren om te Spelen

Het gereedschap heeft twee hoofdmanieren om te werken, die je kunt vergelijken met twee verschillende spelletjes:

A. Het "Wie zit in mijn team?" spel (Gene Set Analysis)
Stel je hebt een lijst met 20 genen die je zelf hebt gevonden in een experiment (bijvoorbeeld: "Deze 20 genen lijken belangrijk voor kanker").

• Vroeger: Je moest raden welke van die 20 met elkaar te maken hadden.
• Met Correlate: Je plakt je lijst in het programma. Het toont direct een netwerk: "Kijk, deze 5 genen vormen een strak team, en die 3 anderen werken misschien samen, maar die ene staat er alleen bij." Het helpt je zien of je lijst logisch is of dat je misschien wat extra onderzoekers nodig hebt.

B. Het "Wie is de partner van deze held?" spel (Hypothesis Generation)
Stel je bent geïnteresseerd in één specifiek gen, bijvoorbeeld BRAF (een bekend kankergen).

• Je vraagt Correlate: "Wie werkt er samen met BRAF, maar alleen in huidkanker?"
• Het programma zoekt door de hele bibliotheek en zegt: "In huidkanker werkt BRAF het nauwst samen met MAPK1 en MAP2K2."
• Waarom is dit cool? Dit bevestigt wat artsen al weten (dat je deze twee samen moet blokkeren met medicijnen), maar het kan ook nieuwe verrassingen vinden die nog niet in de boeken staan.

4. De "Magische Lijst" (Mutation Analysis)

Stel je hebt een kankercel met een specifieke fout (mutatie), zoals een kapotte BRAF.

• Correlate kan nu zeggen: "Als deze fout aanwezig is, wordt het gen DUSP4 plotseling superbelangrijk voor de cel om te overleven."
• Dit is als een detective die zegt: "Ah, als de dief (de mutatie) deze route neemt, dan is deze specifieke deur (het gen) de enige manier om het huis binnen te komen." Dit helpt artsen om nieuwe medicijnen te bedenken die precies die deur dichtslaan.

5. Waarom is dit zo speciaal?

• Geen installatie nodig: Het werkt gewoon in je webbrowser, net als een spelletje op een website. Geen ingewikkelde software installeren.
• Geen "oude kennis" nodig: Veel andere tools kijken naar wat we al weten (zoals een woordenboek). Correlate kijkt naar wat er echt gebeurt in de cellen. Het is alsof je niet kijkt naar wie er op de foto staat, maar naar wie er echt met elkaar praat op het feestje.
• Voor iedereen: Je hoeft geen programmeur te zijn. Je kunt gewoon je genen invoeren en de resultaten zien.

Samenvattend

Correlate is een gratis, gebruiksvriendelijke "Google Maps" voor kankeronderzoekers. Het helpt hen om snel te zien welke genen samenwerken in de chaos van kankercellen, zonder dat ze zelf de hele stad hoeven te verkennen. Het maakt het makkelijker om nieuwe medicijndoelen te vinden en betere experimenten te plannen.

Je kunt het gratis proberen op: https://correlate.cmm.se

Technische samenvatting

Probleemstelling

Hoewel het Cancer Dependency Map (DepMap) project een waardevolle bron is voor het begrijpen van genfuncties en het identificeren van therapeutische doelen via CRISPR-knockout screens, ontbreekt er een toegankelijke tool voor het analyseren van gebruiker-gedefinieerde genenlijsten (bijvoorbeeld hits uit een eigen CRISPR-screen, proteomics of transcriptomics).

• Bestaande tools zoals de DepMap-portal, shinyDepMap en DepLink zijn voornamelijk gericht op het verkennen van individuele genen of vereisen programmeerkennis (R/Python) voor bulk-analyses van genensets.
• Kennisgebaseerde methoden zoals GSEA (Gene Set Enrichment Analysis) en STRING zijn afhankelijk van vooraf gedefinieerde, curatieerde interactienetwerken en annotaties. Ze kunnen geen nieuwe functionele relaties ontdekken die niet in bestaande databases staan, omdat ze niet direct gebaseerd zijn op functionele readouts van cellevensvatbaarheid.

Methodologie

De auteurs hebben Correlate ontwikkeld, een volledig webgebaseerde applicatie die client-side draait (alleen in de browser) en geen installatie of login vereist.

• Technische Architectuur:

  • Gebouwd met JavaScript, HTML en CSS zonder externe frameworks.
  • Alle berekeningen (Pearson-correlaties, Welch's t-tests) worden lokaal in de browser uitgevoerd.
  • Netwerkvisualisatie wordt gerenderd met de HTML5 Canvas API en een kracht-gebaseerd lay-out algoritme (force-directed layout).
  • De broncode is open source beschikbaar op GitHub.

• Data Bronnen:

  • Gebruikt een subset van de DepMap-public release (versie 25Q3).
  • Inclusief: CRISPRGeneEffect.csv (Chronos-geanalyseerde gen-effect scores), Model.csv (cellijn-annotaties), OmicsSomaticMutationsMatrixHotspot.csv (hotspot-mutaties) en OmicsFusionFiltered.csv (translocaties/fusies).
  • Gen-effect scores variëren van -1 (essentieel) tot 0 (geen effect).

• Analyse Modus:

  1. Correlatie-analyse: Berekening van Pearson-correlatiecoëfficiënten tussen gen-effectprofielen over celijnen. Gebruikers kunnen drempels instellen voor correlatie (standaard 0,5), helling (slope) en het minimum aantal celijnen.
  2. Mutatie/Fusie-analyse: Vergelijking van gen-effect scores tussen celijnen met en zonder specifieke hotspot-mutaties of fusies, met behulp van Welch's t-test voor p-waarden en effectgroottes.
  3. Design-modus: Identificatie van genomische correlaten voor één of meer input-genen over het volledige dataset.
  4. Synoniem/Ortholoog Lookup: Conversie van muismuis-gensymbolen of alternatieve namen naar humane symbolen.

Belangrijkste Bijdragen

1. Data-gedreven Netwerkanalyse: In tegenstelling tot tools die vertrouwen op curatieerde databases, identificeert Correlate genconnecties direct op basis van functionele CRISPR-screen data (cellevensvatbaarheid). Dit biedt een complementair perspectief op gennetwerken.
2. Bulk-analyse zonder Programmeerkennis: Het is de eerste webapplicatie die het mogelijk maakt om correlaties binnen een volledige set van gebruikers-gedefinieerde genen te analyseren via een interactieve interface.
3. Integratie van Eigen Data: Gebruikers kunnen hun eigen statistieken (bijv. Log Fold Change en FDR uit MAGeCK) toevoegen aan de invoer. Deze waarden kunnen worden weergegeven als kleurencodes op het netwerk ("Color by Stats"), waardoor een geïntegreerd overzicht ontstaat van de eigen screen-resultaten en de functionele relaties.
4. Experimenteel Ontwerp: De tool ondersteunt het selecteren van geschikte cellijnen voor follow-up experimenten door filtering op kankertype, subtypering en mutatiestatus, en biedt een "Oncoprint"-functie voor visuele inspectie van mutaties.

Resultaten en Gevallenstudies

De auteurs demonstreren de functionaliteit van Correlate aan de hand van verschillende biologische scenario's:

• Validatie van Bekende Relaties:
  • De tool herkent de sterke negatieve correlatie tussen TP53 en MDM2 (r = -0.74), wat consistent is met de rol van MDM2 als negatieve regulator.
  • Een sterke positieve correlatie (r = 0.91) wordt gevonden tussen TSC1 en TSC2, wat hun functionele interactie als heterodimeer bevestigt.
• Hypothese Generatie in Specifieke Contexten:
  • In een analyse van BRAF-gemuteerd melanoom (gefilterd op huidkanker) toont de tool dat MAPK1 (ERK2) en MAP2K2 (MEK2) de sterkst correlerende genen zijn met BRAF. Dit bevestigt de bekende MAPK-pad-biologie en de klinische relevantie van combinatietherapieën.
  • Uitbreiding van het netwerk toont correlaties met SOX10, wat consistent is met literatuur over tolerantie voor MAPK-gerichte therapie.
• Identificatie van Nieuwe Doelen:
  • Mutatie-analyse toont aan dat DUSP4 een grotere afhankelijkheid (negatievere gen-effect score) vertoont in BRAF-gemuteerde celijnen, wat overeenkomt met de biologie van DUSP4 als remmer van het MAPK-pad.
  • Omgekeerd toont de tool een verminderde afhankelijkheid van SHOC2 in BRAF-mutanten, wat de redundantie van upstream signalering door de constitutief actieve BRAF V600E mutant weerspiegelt.

Betekenis en Toekomstperspectief

Correlate vult het landschap van DepMap-analysetools aan door een brug te slaan tussen ruwe CRISPR-data en biologische interpretatie zonder barrières voor niet-programmeurs.

• Complementair: Het biedt een aanvulling op tools zoals STRING en GSEA door relaties te vinden die niet in curatieerde databases staan, maar wel functioneel relevant zijn voor cellevensvatbaarheid.
• Toegankelijkheid: Omdat de tool volledig client-side draait, is deze snel, veilig (geen data-upload naar servers) en toegankelijk voor experimentele biologen.
• Integratie: De tool is ontworpen als een partner voor de Green Listed v2.0 tool-familie, waarmee gebruikers direct over kunnen stappen naar het ontwerpen van aangepaste CRISPR-screens op basis van de gevonden correlaties.

De auteurs waarschuwen wel dat correlaties op cellevensvatbaarheid niet altijd directe fysieke interacties impliceren en dat filtering op mutaties altijd gecombineerd moet worden met filtering op kankertype om confounding door lijnverschillen te vermijden.