The one-week automated genome-wide optical pooled screen

In dit artikel wordt OttoSeq gepresenteerd, een geautomatiseerd platform dat optische gepoolde screens versnelt en binnen acht dagen een genoomwijde celverf-screen met meer dan 5 miljoen cellen en 21.732 gen-knockouts mogelijk maakt.

De kern

Stel je voor dat je een gigantische bibliotheek hebt met 20.000 verschillende boeken (genen). Je wilt weten wat er gebeurt als je één specifiek boek uit de kast haalt. In de biologie noemen we dit een "CRISPR-screening": je haalt genen weg om te zien hoe de cel reageert.

Vroeger was dit een enorme klus, vergelijkbaar met het handmatig sorteren van miljoenen poststukken in een postkantoor. Het kostte maanden, vereiste een team van experts en was extreem duur. De grootste bottleneck? Het lezen van de "stempel" op de post (het DNA) terwijl de post nog in de bus zat. Dit moest handmatig gebeuren, stap voor stap, wat uren per plaat kostte.

De oplossing: OttoSeq, de robotpostbode

De onderzoekers in dit paper hebben een nieuw systeem bedacht dat ze OttoSeq noemen. Ze hebben twee dingen gecombineerd:

1. Otto2: Een slimme robotarm die de chemische vloeistoffen automatisch in en uit de cellen pompt.
2. Brieflow: Een slim computerprogramma dat de beelden direct analyseert.

Hoe werkt het? (De analogie van de snelle foto-apparaat)

Stel je voor dat je een foto-apparaat hebt dat niet alleen foto's maakt, maar ook direct de tekst op de achtergrond van de foto kan lezen.

• De oude manier: Je maakte een foto, liep naar een lab, liet de foto ontwikkelen, liep naar een computer, en vroeg een expert om de tekst te lezen. Dit herhaalde je 10 keer per plaat. Dit duurde weken.
• De OttoSeq-methode: Je plaatst je foto-apparaat op een statief (de microscoop). De robot (Otto2) doet automatisch de vloeistoffen erbij, maakt de foto, en leest de tekst. Terwijl de robot aan het werk is, staat de computer (Brieflow) al klaar om de resultaten te verwerken.

Wat hebben ze bereikt?

In dit onderzoek hebben ze een "genome-wide screen" gedaan. Dat betekent dat ze 21.732 verschillende genen hebben uitgeschakeld in 5 miljoen cellen.

• De tijd: Vroeger zou dit maanden duren. Met OttoSeq deden ze het in 8 dagen.
• De inspanning: Het was bijna volledig automatisch. De onderzoekers hoefden nauwelijks iets te doen; het systeem draaide als een goed ingeburgerde machine.
• Het resultaat: Ze vonden 320 groepen van genen die samenwerken. De computer (met hulp van een AI, genaamd MozzareLLM) las de resultaten en vertelde hen: "Kijk, deze groep genen regelt de afvalverwerking van de cel, en deze groep zorgt voor het kopiëren van DNA."

De creatieve metafoor: De "Cell Painting" en de AI-vertaler

Stel je voor dat je elke cel in de plaat inkleurt met fluorescerende verf (Cell Painting). DNA wordt blauw, mitochondriën (de energiecentrales) worden oranje, en het skelet wordt groen.

• Als je een gen uitschakelt, verandert de "schilderij" van de cel. Misschien wordt de energiecentrale groter, of valt het skelet uit elkaar.
• De robot maakt duizenden foto's van deze schilderijen.
• De AI (MozzareLLM) fungeert als een super-vertaler. In plaats dat een mens urenlang moet zoeken in boeken om te begrijpen wat een veranderde cel betekent, zegt de AI: "Oh, deze cel ziet eruit alsof hij een probleem heeft met de afvalverwerking. Dit komt overeen met genen die we al kennen, maar ook met een paar nieuwe verdachten die we nog niet onderzocht hebben."

Waarom is dit belangrijk?

Dit is een doorbraak omdat het biologische onderzoek democratisert.

• Vroeger: Alleen grote, dure laboratoria met veel geld en tijd konden dit soort experimenten doen.
• Nu: Met OttoSeq kan bijna elk laboratorium snel, goedkoop en zonder veel menselijke tussenkomst ontdekken hoe genen werken. Het is alsof je van een handgeschreven brief naar een e-mail met automatische vertaling bent gegaan: alles gaat sneller, goedkoper en bereikt meer mensen.

Kortom: Ze hebben de "flesnek" (de langzame, handmatige stap) in de biologie verwijderd en vervangen door een automatische snelweg. Hierdoor kunnen wetenschappers nu in één week ontdekken wat ze vroeger in een jaar zouden vinden.

Technische samenvatting

Probleemstelling

Optische gepoolde schermen (Optical Pooled Screens, OPS) zijn een krachtige techniek voor het high-throughput phenotypen van CRISPR-perturbatiebibliotheken op celniveau via microscopie. Ze combineren genetische barcodes met ruimtelijke en morfologische informatie. Echter, de toepassing van OPS op genoomschaal is tot nu toe beperkt gebleven tot specialistische laboratoria vanwege twee grote knelpunten:

1. Handmatige vloeistofbeheersing: De in situ sequencing (ISS) vereist 10+ cycli van intensief handmatig werk (ongeveer 1,5 uur per plaat per cyclus), wat leidt tot wekenlange doorlooptijden en hoge arbeidskosten.
2. Data-analyse: Bestaande computergestuurde scripts voor het verwerken van OPS-data zijn vaak niet flexibel genoeg, vereisen projectspecifieke aanpassingen door experts en missen geïntegreerde oplossingen voor snelle interpretatie.

Het resultaat is dat het produceren en analyseren van een genoombreed OPS vaak maanden tijd en aanzienlijke menselijke inspanning kost.

Methodologie: OttoSeq

De auteurs presenteren OttoSeq, een geïntegreerd platform dat de twee bovengenoemde knelpunten aanpakt door hardware-automatisering te combineren met een modulaire softwarepijplijn.

1. Hardware: Otto2 Fluid Handling System

• Ontwerp: Otto2 is een kostenefficiënt, hoog-trouw systeem voor positieve verplaatsing (positive displacement) dat is ontworpen voor automatische in situ sequencing in 6-wells platen.
• Integratie: Het systeem is gemonteerd op een Cephla Squid+ fluorescentiemicroscoop. Het gebruikt een verwarmde box (45°C) voor chemische reacties en werkt met een 3D-geprinte manifold die in de wells past.
• Automatisering: Het systeem voert dispensing (toedienen) en aspiratie (opzuigen) semi-parallel uit. Dit vervangt 1,5 uur handmatig werk door ongeveer 10 minuten handmatige voorbereiding en ~2,5 uur volledig geautomatiseerde cyclusduur per plaat.
• Proces: Het systeem voert 12 sequencingscycli uit op 4x vergroting na een Cell Painting-stap (20x vergroting) en barcode-amplificatie.

2. Software: Brieflow & MozzareLLM

• Brieflow: Een modulaire, open-source analysepijplijn. De modulariteit (segmentatie, feature-extractie, barcode-calling, clustering) stelde de onderzoekers in staat om tijdens de screen dynamisch aanpassingen te doen (bijv. voor rotatie-drift tussen cycli) zonder de hele pijplijn te herschrijven.
• MozzareLLM: Een tool die Large Language Models (LLM) gebruikt om biologische interpretaties te genereren uit clusterdata. In plaats van wekenlang literatuur te cureren, analyseert deze tool de clusters binnen enkele uren en wijst ze pathway-vertrouwenstiers toe.

3. Experimenteel Ontwerp

• Bibliotheek: Een genoombrede CROPseq-multi CRISPR-KO bibliotheek die 20.553 genen targetteerde (totaal 21.732 perturbaties in de screen).
• Cellen: HeLa-TetR-Cas9 cellen.
• Imaging: Cell Painting met vier kleurstoffen (Hoechst, COX4, Phalloidin, Concanavalin A) voor morfologische analyse, gevolgd door in situ sequencing van barcodes.

Belangrijkste Bijdragen

1. Volledige Automatisering: De eerste demonstratie van een volledig geautomatiseerd OPS-platform dat van start tot finish (van cellen tot interpretatie) zonder menselijke tussenkomst werkt tijdens de sequencings- en analysefasen.
2. Snelheid: Het verminderen van de doorlooptijd van maanden naar slechts 8 dagen voor een genoombrede screen.
3. Schaalbaarheid: Het succesvol verwerken van meer dan 5 miljoen hoogwaardige cellen over 21.732 genenknockouts.
4. AI-gedreven Interpretatie: De integratie van LLM's (MozzareLLM) om biologische betekenis direct uit morfologische clusters te destilleren, wat de interpretatiefase drastisch versnelt.

Resultaten

• Doorvoer: De screen werd voltooid in 8 dagen met slechts twee onderzoekers, waarbij het grootste deel van de tijd "hands-off" was.
• Datakwaliteit: Er werden 13,2 miljoen gebarcodde cellen en 15,6 miljoen gephenotypeerde cellen verwerkt. Na filtering bleven 5,198,240 cellen over, met een mediaan van 224 cellen per gen. Dit bevestigt dat de statistische power voor genoomwijd morfologisch profileren behouden bleef ondanks de korte tijdlijn.
• Biologische Validatie:
  • Er werden 3.715 significante perturbaties geïdentificeerd.
  • Deze werden gegroepeerd in 320 functionele clusters.
  • MozzareLLM classificeerde deze clusters in hoog, medium en laag vertrouwen.
  • Hoge betrouwbaarheid: Clusters met hoge betrouwbaarheid (610 genen, 75% essentieel in HeLa) herstelden bekende cellulair machinerie (bijv. ubiquitine-proteasoom degradatie en RNA Pol II transcriptie).
  • Nieuwe inzichten: De screen identificeerde nieuwe functionele contexten, zoals het clusteren van UBE3A (geassocieerd met Angelman-syndroom) met de kern van de Pol II-machinerie, en nieuwe essentiële genen die niet eerder in CRISPR-bibliotheken waren getest.

Betekenis en Impact

Dit werk markeert een paradigmaverschuiving in high-content screening:

• Democratisering: Door de kosten en de menselijke inspanning drastisch te verlagen, maakt OttoSeq genoombrede optische screening toegankelijk voor een breder scala aan biomedische onderzoekers, niet alleen voor specialistische labs.
• Schaalbaarheid: Het bewijst dat het mogelijk is om grote bibliotheken (genoombreed) te screenen in een tijdsbestek dat vergelijkbaar is met traditionele NGS-gebaseerde methoden (zoals Perturb-seq), maar dan met de toegevoegde waarde van rijke morfologische data.
• Toekomstperspectief: De combinatie van geautomatiseerde hardware en AI-gestuurde data-analyse legt de basis voor routine, snelle en goedkope perturbatie-screens, wat de ontdekkingssnelheid van nieuwe biologische mechanismen en therapeutische targets kan versnellen.

Kortom, OttoSeq lost de historische bottlenecks van OPS op en transformeert de techniek van een specialistisch, tijdrovend experiment naar een robuust, geautomatiseerd platform voor snelle wetenschappelijke ontdekking.