ARACRA: Automated RNA-seq Analysis for Chemical Risk Assessment

ARACRA is een volledig geautomatiseerd, interactief webgebaseerd RNA-seq-analyselijn ontwikkeld in Nextflow en Streamlit dat onderzoekers in staat stelt om van ruwe FASTQ-bestanden tot transcriptomische punten van uitgang (tPoD) te komen voor chemische risicobeoordeling, met een menselijke controlestap voor kwaliteitsborging.

De kern

🧬 ARACRA: De "Dagboer" voor Genenonderzoek

Stel je voor dat je een enorme berg met duizenden losse puzzelstukken hebt. Deze stukken zijn eigenlijk stukjes DNA-aflezingen (RNA) van cellen die zijn blootgesteld aan chemicaliën. Je wilt weten: Welke chemicaliën zijn gevaarlijk en hoeveel is te veel?

Vroeger was het werk voor wetenschappers om deze puzzel op te lossen als een nachtmerrie. Ze moesten eerst de stukken sorteren, dan de randjes afsnijden, ze in de juiste volgorde leggen, en daarna pas kijken naar het plaatje. Dit moest met verschillende, ingewikkelde computersystemen, waarbij je constant van de ene naar de andere tafel moest lopen en de stukken in een andere vorm moest gieten. Het was tijdrovend, foutgevoelig en alleen voor echte computer-experts te doen.

ARACRA is de oplossing voor dit probleem. Het is een volledig geautomatiseerde robot die deze hele puzzel voor je legt, van de eerste losse stukjes tot het complete plaatje.

Hoe werkt ARACRA? (De Reis in Twee Fasen)

Het systeem werkt in twee grote stappen, gescheiden door een "controlepost".

Fase 1: De Schoonmaak en Sorteerder
Stel je voor dat je een berg vieze wasgoed hebt (de ruwe data).

1. De wasmachine: ARACRA haalt de data op (uit een online database of van je eigen computer).
2. De sorteerder: Het verwijdert vuil, stoffen en stukken die niet horen bij de was (slechte kwaliteit data).
3. De sorteerder: Het legt de stukjes netjes op de juiste plek in het "genenboek" van de mens.
4. De inspectiepost (De Menselijke Controle): Hier stopt de robot even. Hij toont je een overzicht: "Kijk eens, deze 5 stukjes zijn beschadigd of passen niet. Wil je ze weggooien?" Jij, de expert, kijkt er even naar en knikt. Dit zorgt ervoor dat er geen rommel in het eindresultaat komt.

Fase 2: De Analyse en Voorspelling
Nu de was schoon en gesorteerd is, begint de echte detective-werk.

1. De Vergelijker: ARACRA vergelijkt de cellen die blootgesteld zijn aan chemicaliën met gezonde cellen. Het zoekt naar degenen die "schreeuwen" (veranderde genen).
2. De Dosis-Test: Het kijkt naar verschillende hoeveelheden chemicaliën. "Bij hoeveel druppels begint het gevaarlijk te worden?"
3. Het Eindresultaat (tPoD): Het berekent precies het Punt van Vertrek (tPoD). Dit is het moment waarop de chemische stof begint om schade aan te richten op het niveau van de genen. Het is als het vinden van de exacte temperatuur waarop water begint te koken, maar dan voor chemische stoffen in je lichaam.

Waarom is dit zo speciaal?

• Voor niet-experts: Je hoeft geen programmeur te zijn. ARACRA heeft een vriendelijke website (een knopjes-interface). Je sleept je bestanden erin, en de robot doet de rest. Het is alsof je een foto uploadt en de app automatisch de beste filters en instellingen kiest.
• Alles in één: Vroeger moest je drie verschillende programma's gebruiken. ARACRA doet alles in één keer: van ruwe data tot het eindadvies.
• Veiligheid: Het is gebouwd voor het testen van chemicaliën (zoals plasticizers of pesticiden) om te zien of ze veilig zijn voor mensen, zonder dat we altijd duizenden muizen hoeven te gebruiken.

Wat hebben ze ontdekt?

De makers van ARACRA hebben het getest met een dataset over BPA (een bekende stof in plastic) en 11 alternatieven.

• Het systeem kon precies zien welke alternatieven net zo schadelijk waren als BPA en welke veiliger waren.
• Het gaf dezelfde resultaten als de beste menselijke experts, maar dan veel sneller en zonder dat iemand de hele dag in de computer hoefde te typen.

De Toekomst

Op dit moment is ARACRA vooral slim voor menselijke cellen. In de toekomst willen ze het ook slim maken voor ratten en muizen (om dierproeven te vervangen) en willen ze het koppelen aan kunstmatige intelligentie (AI). Stel je voor dat je tegen een AI zegt: "Check of deze nieuwe stof veilig is," en de AI gebruikt ARACRA om het antwoord te vinden en je een verslag te sturen.

Kortom: ARACRA is de automatische tolk die de ingewikkelde taal van de genen vertaalt naar een duidelijk antwoord voor chemische veiligheidsdeskundigen: "Dit is veilig, dat is niet, en hier is precies hoeveel."

Technische samenvatting

Titel: ARACRA: Geautomatiseerde RNA-seq Analyse voor Chemische Risico-evaluatie

1. Het Probleem

Transcriptomische analyse (RNA-seq) is een krachtige methode voor het ontdekken van biomarkers en het beoordelen van chemische risico's, maar het analyseren van grote datasets blijft een uitdaging voor biologen zonder uitgebreide bio-informatica-ervaring. Bestaande tools zijn vaak gefragmenteerd:

• Er is geen enkele tool die het volledige workflow abdeckt, van ruwe sequentiedata (FASTQ-bestanden) tot het afleiden van transcriptomische "Points of Departure" (tPoD) voor risicobeoordeling.
• Gebruikers moeten handmatig data converteren tussen verschillende softwarepakketten (bijv. van een aligner naar een statistisch pakket voor differentialexpressie, en vervolgens naar een dose-respons modelleer-tool).
• Dit handmatige proces introduceert foutgevoeligheid, inconsistentie in parameters en vermindert de reproduceerbaarheid.
• Specifieke eisen voor hoog-throughput toxicogenomics (zoals TempO-Seq-platforms) worden vaak niet ondersteund door algemene RNA-seq-pijplijnen.

2. Methodologie: De ARACRA Architectuur

ARACRA is een volledig geautomatiseerde, reproduceerbare pijplijn ontwikkeld met Nextflow DSL2, gekoppeld aan een interactieve webinterface gebouwd met Streamlit (Python). De workflow is opgedeeld in twee fasen, gescheiden door een "mens-in-de-lus" (human-in-the-loop) kwaliteitscontrolefase.

Fase 1: Data-acquisitie, Kwaliteitscontrole (QC) en Quantificatie

• Data Invoer: Ondersteunt het downloaden van ruwe data vanuit de SRA-database (via accession-nummers) of het uploaden van lokale FASTQ-bestanden.
• Pre-alignment QC: Gebruikt fastp voor adaptertrimming en kwaliteitsfiltering, en FastQ Screen voor het detecteren van contaminatie.
• Alignering: Biedt keuze tussen HISAT2 (voor systemen met <32 GB RAM) en STAR (voor systemen met >32 GB RAM).
  • Speciale aanpassing voor TempO-Seq: Voor targeted RNA-seq (TempO-Seq) wordt een dynamische index-strategie gebruikt waarbij een aangepast FASTA-bestand wordt gegenereerd op basis van de specifieke probes, in plaats van het volledige genoom.
• Quantificatie: Gebruikt featureCounts (Subread) en Salmon voor gen-quantificatie. Voor TempO-Seq worden probe-tellingen geaggregeerd naar gen-niveau via een aangepast script.
• Post-alignment QC: Integreert RSeQC, Picard en Qualimap voor diepgaande analyse (bijv. 5'-3' bias, ribosomaal fraction).
• Outlier Detectie: Principal Component Analysis (PCA) met batch-correctie (ComBat-seq) en VST-normalisatie. Samples die afwijken (Euclidische afstand > gemiddelde + 2 SD) worden gemarkeerd voor handmatige inspectie en eventuele verwijdering.

Fase 2: Statistische Analyse en Dose-Response Modelling

• Differentiële Expressie: Gebruikt DESeq2 voor het analyseren van genen die reageren op behandelingen.
• Dose-Response Modelling: Integreert het R-pakket DRomics om dose-respons curves te fiten voor duizenden genen.
  • Testen: Lineair, kwadratisch of ANOVA.
  • Modelselectie: Via AICc (Akaike Information Criterion corrected).
  • Berekening van BMD (Benchmark Dose) met bootstrap-betrouwbaarheidsintervallen.
• Kwaliteitsfilters: Strikte filters worden toegepast om onbetrouwbare BMD-schattingen te verwijderen (bijv. BMDU/BMDL-ratio < 40, extrapolatie buiten het geteste dosisbereik, en minimale verandering in expressie).
• tPoD Afleiding:
  • Pad-niveau: Berekening van de mediane BMD voor gen-sets (GO, KEGG, MSigDB Hallmark/C2).
  • Verdelings-niveau: Berekening van tPoD op basis van de verdeling van gen-BMD's (bijv. 25e gerangschikte gen, 5e/10e percentiel).

Interface en Reproduceerbaarheid

• De Streamlit-interface stelt gebruikers in staat om parameters aan te passen, QC-resultaten visueel te inspecteren en outliers te beheren zonder command line kennis.
• Alle stappen, parameters en beslissingen worden opgeslagen in gestructureerde JSON-bestanden voor volledige traceerbaarheid.

3. Belangrijkste Bijdragen

1. End-to-End Automatisering: ARACRA is de eerste tool die het volledige traject van ruwe FASTQ-bestanden naar regulatorische tPoD-waarden in één reproduceerbaar framework integreert.
2. Mens-in-de-lus Review: In plaats van een "black box", biedt ARACRA een interactief dashboard voor experts om kwaliteitscontrole uit te voeren en outliers handmatig te filteren voordat de analyse doorgaat.
3. Ondersteuning voor diverse platforms: Naast standaard RNA-seq ondersteunt ARACRA specifiek TempO-Seq (targeted RNA-seq), wat essentieel is voor moderne toxicologische screenings.
4. Geen Command Line Expertise Vereist: De webinterface democratiseert geavanceerde transcriptomische analyse voor toxicologen en risicobeoordelaars.
5. Open Source: De tool is vrij beschikbaar onder de MIT-licentie op GitHub.

4. Resultaten (Validatie)

ARACRA werd gevalideerd met een publieke dataset (GSE271332) van Beal et al. (2024) over blootstelling aan Bisfenol A (BPA) en 11 alternatieven in MCF-7 cellen.

• Prestaties: De tool verwerkte 286 samples succesvol. Voor BPA identificeerde het 1.181 dosis-responsieve genen, waarvan er 282 na strikte kwaliteitsfilters bleven over voor tPoD-berekening.
• Vergelijking: De afgeleide tPoD-waarden en de rangschikking van chemische potentie (bijv. 2,4'-BPA was actiever dan BPA) kwamen sterk overeen met de oorspronkelijke studie die gebruikmaakte van R-ODAF en BMDExpress.
• Biologische relevantie: ARACRA detecteerde bekende endocrien verstorende genen zoals GREB1 en PGR, wat de biologische validiteit bevestigt.
• Filtering: De BMDU/BMDL-ratio filter bleek de belangrijkste filter te zijn (verwijderde 62,5% van de BMD's), wat de noodzaak onderstreept van strikte kwaliteitscontrole in 'omics'-data.

5. Significantie en Toekomstperspectief

ARACRA vult een cruciale kloof in de chemische risicobeoordeling door de technische drempel voor transcriptomische analyse te verlagen en de reproduceerbaarheid te verhogen. Het is ontworpen om te voldoen aan de eisen van regulatorische instanties (zoals EFSA en NTP) voor gestandaardiseerde, transparante data-analyse.

Beperkingen en Toekomst:

• Huidige versie ondersteunt alleen het menselijke transcriptoom (geen knaagdier-data).
• Integratie van Adverse Outcome Pathways (AOP) ontbreekt nog.
• Toekomstplannen: Uitbreiding naar multi-species, integratie van AOP-frameworks, toevoeging van modules voor WGCNA en GSEA, en ontwikkeling van een AI-agent (LLM-gebaseerd) die de pijplijn kan aansturen via gestandaardiseerde metadata (OECD Omics Reporting Framework).

Samenvattend biedt ARACRA een robuust, gebruiksvriendelijk en transparant platform dat essentieel is voor de moderne, data-gedreven toxicologie en risicobeoordeling van chemicaliën.