High-performance xenograft read-sorting for DNA methylation analysis

In de wereld van het kankeronderzoek moeten wetenschappers vaak tumoren bestuderen in een levende omgeving die het menselijk lichaam nabootst. Hiervoor nemen ze menselijke kankercellen en transplanteren deze in muizen, waardoor zogenaamde patiënt-afgeleide xenografts ontstaan. Deze kleine levende laboratoria stellen onderzoekers in staat om te zien hoe een tumor groeit, hoe deze reageert op medicijnen en hoe deze mogelijk resistent kan worden tegen behandeling. Echter, een aanzienlijke hindernis doet zich voor wanneer wetenschappers het genetisch materiaal uit deze gemengde monsters willen analyseren. Het eindproduct is een chaotische soep van DNA-strengen, waarvan sommige toebehoren aan de menselijke tumor en andere aan de muisgastheer. Om het gedrag van de tumor te begrijpen, moeten onderzoekers eerst de menselijke strengen van de muis-strengen scheiden met extreme precisie. Deze taak wordt nog moeilijker bij het bestuderen van DNA-methylering, een chemische tag die werkt als een schakelaar die genen aan- of uitzet. Om deze tags te lezen, gebruiken wetenschappers een chemisch proces dat de DNA-sequentie zelf verandert, waarbij de letters zo door elkaar worden gehusseld dat de standaard computerprogramma's die gebruikt worden om genetische gegevens te sorteren, in de war raken.

Een team van onderzoekers heeft nu een slimmere manier ontwikkeld om deze genetische chaos te ontwarren, specif으로 voor deze chemisch veranderde DNA-monsters. Ze hebben een bestaand softwaretool genaamd Xengsort verbeterd en getransformeerd tot een zeer efficiënte sorteerder die het verschil kan zien tussen menselijk en muis-DNA, zelfs nadat de chemische veranderingen hebben plaatsgevonden. Het team testte hun verbeterde tool tegen verschillende andere gevestigde methoden met behulp van zowel computergegenereerde mengsels als echte gegevens uit borstkankerstudies. Ze ontdekten dat hoewel alle tools over het algemeen accuraat waren in het identificeren van de bron van het DNA, de nieuwe versie van Xengsort dramatisch sneller was en veel minder computergeheugen vereiste. In een grote test met echte patiëntmonsters voltooide de nieuwe tool de sorteerklus in slechts iets meer dan vijf uur, terwijl een concurrerende methode bijna dertig uur nodig had om dezelfde taak te voltooien.

De kern van het probleem ligt in de manier waarop DNA-methylering wordt gelezen. Om de chemische schakelaars te zien, behandelen wetenschappers het DNA met een stof die één specifieke letter, cytosine, omzet in een andere, thymine, als die letter niet chemisch getagd is. Dit proces is essentieel voor het begrijpen van hoe tumoren zich aanpassen, maar het verandert de DNA-sequentie fundamenteel. Stel je voor dat je probeert een stapel gemengde boeken te sorteren waarbij iemand de spelling van elk woord in de helft van de boeken heeft veranderd; een standaard bibliothecaris zou moeite hebben om te zien welk boek van welke auteur is. Op vergelijkbare wijze falen standaard computerprogramma's die DNA-sequenties matchen met een referentiegenoom vaak omdat de chemische conversie het menselijke DNA er anders uit laat zien dan het menselijke referentiegenoom, en het muis-DNA er anders uit laat zien dan het muis-referentiegenoom. Deze verwarring kan leiden tot het foutief identificeren van menselijke tumorstrengen als muisstrengen, of vice versa, wat de wetenschappelijke analyse zou ruïneren.

Om dit op te lossen, hebben de onderzoekers het interne woordenboek van de Xengsort-tool herbouwd. In plaats van alleen te zoeken naar exacte overeenkomsten van DNA-letters, anticipeert de nieuwe tool op de chemische veranderingen. Het creëert een dubbellaagse index die rekening houdt met zowel de oorspronkelijke DNA-sequentie als de sequentie na de chemische conversie. Wanneer een stukje DNA het systeem binnenkomt, controleert de tool het tegen beide mogelijkheden tegelijkertijd. Het breekt de DNA-streng op in kleine stukjes en stelt een simpele vraag: ziet dit stukje eruit alsof het bij een mens of een muis hoort, rekening houdend met de chemische veranderingen? Door de meest unieke stukjes DNA te vertrouwen en de stukjes te negeren die te veel op elkaar lijken in beide soorten, kan de tool de strengen met vertrouwen sorteren in menselijke, muis of ambigue categorieën. Deze aanpak stelt de software in staat om het trage, zware proces van het uitlijnen van elke individuele streng met een volledig genoom over te slaan, wat andere methoden wel vereisen.

De onderzoekers zetten hun tool op twee manieren op de proef. Eerst creëerden ze miljo'n gesimuleerde mengsels van menselijke en muis-DNA-strengen met bekende oorsprong, waardoor ze precies konden meten hoe vaak de tool fouten maakte. Ze testten deze mengsels bij verschillende dieptes en ratio's, waarbij ze alles simuleerden van een monster met heel weinig menselijk DNA tot een monster dat bijna volledig uit menselijk DNA bestond. De resultaten lieten zien dat de tool ongelooflijk accuraat was, waarbij er zeer weinig menselijke strengen verloren gingen en er zelden muisstrengen voor menselijk werden aangezien. Het presteerde net zo goed als de andere top tools wat betreता nauwkeurigheid, maar deed dit in een fractie van de tijd. Terwijl andere methoden uren nodig hadden om de gegevens te verwerken en enorme hoeveelheden computergeheugen vereisten, voltooide Xengsort hetzelfde werk in minder dan een uur op een standaard computeropstelling.

Vervolgens pasten het team de tool toe op echte gegevens van borstkankerpatiënten wier tumoren in muizen waren gekweekt. Deze monsters kwamen uit verschillende soorten studies, waaronder sommige waar het DNA chemisch was omgezet en andere die met enzymen waren verwerkt. In deze real-world scenario's bewees de tool opnieuw zijn waarde. Het slaagde erin het DNA uit complexe monsters te sorteren, inclusief die met zeer lage hoeveelheden menselijke kankercellen gemengd met veel muisweefsel. De onderzoekers merkten op dat de tool bijzonder robuust was bij het werken met monsters die met medicijnen waren behandeld om de DNA-methyleringspatronen te veranderen. In een directe vergelijking van snelheid en resourcegebruik was de nieuwe tool aanzienlijk efficiënter. Het verwerkte een grote dataset in 5,5 uur met 43 gigabytes aan geheugen, terwijl een concurrerende methode 29,1 uur duurde en 49 gigabytes aan geheugen vereiste. Een andere methode, die vertrouwde op een gecombineerd referentiegenoom, was snel maar eiste een enorme 73 gigabytes aan geheugen, wat een beperkende factor kan zijn voor veel laboratoria.

De studie benadrukte ook dat de keuze van de sorteermethode er minder toe doet voor de nauwkeurigheid dan voor de efficiëntie. Alle geteste tools, inclusief de nieuwe Xengsort, bereikten een hoge nauwkeurigheid bij het scheiden van de DNA-strengen. Echter, de tijd en de rekenkracht die nodig waren om deze resultaten te verkrijgen, varieerden enorm. Hoewel alle tools, inclusief de nieuwe Xengsort, een hoge nauwkeurigheid behaalden bij het scheiden van de DNA-strengen, varieerden de tijd en de benodigde rekenkracht om deze resultaten te verkrijgen enorm. De tijd en de rekenkracht die nodig waren om deze resultaten te verkrijgen, varieerden sterk. Voor onderzoekers die werken met grote datasets of die monsters snel moeten verwerken om behandelingsbeslissingen te sturen, biedt de snelheid en het lage geheugengebruik van Xengsort een duidelijk voordeel. De onderzoekers concludeerden dat hun workflow nu klaar is voor breed gebruik, en suggereren dat wetenschappers eerst hun DNA-strengen per soort moeten sorteren met deze tool voordat ze overgaan tot de gedetailleerde analyse van de methyleringspatronen van de tumor. Door de sorteerstap sneller en minder resource-intensief te maken, verwijdert de tool een belangrijke bottleneck, waardoor wetenschappers meer tijd kunnen besteden aan het begrijpen van de kanker zelf, in plaats van te wachten tot de computer klaar is met zijn werk.