FA-NIVA: A Nextflow framework for automated analysis of Nanopore based long-read sequencing data for genetic analysis in Fanconi anemia

FA-NIVA is een Nextflow-framework dat Nanopore-sequencingdata gebruikt voor geautomatiseerde, reproduceerbare en nauwkeurige detectie van zowel enkel-nucleotide als structurele varianten en haplotype-fasering bij Fanconi-anemie.

De kern

🧬 FA-NIVA: De "Slimme Vertaler" voor Genetisch Onderzoek

Stel je voor dat je DNA een gigantisch, ingewikkeld boek is. Bij een zeldzame ziekte genaamd Fanconi-anemie (FA) zitten er in dit boek fouten. Soms zijn het kleine typefoutjes (zoals een verkeerde letter), maar vaak zijn het grote bladzijden die helemaal ontbreken of zelfs hele hoofdstukken die door elkaar zijn gehaald.

Tot nu toe hadden artsen twee problemen:

1. De oude leesbril (Korte-read sequencing): Deze techniek kon de kleine typefoutjes goed zien, maar als er een groot stuk mistte, kon de bril dat niet goed oplossen. Het was alsof je probeert een kapotte puzzel te maken met alleen losse stukjes; je ziet wel dat er iets mist, maar je weet niet precies waar de randen liggen.
2. De nieuwe leesbril (Nanopore/Lange-read sequencing): Deze nieuwe technologie kan hele lange stukken tekst in één keer lezen. Dat is geweldig! Maar... er ontbrak een automatische vertaler. De ruwe data was er, maar er was geen slimme software die al die informatie automatisch samenvoegde, controleerde en vertaalde naar een diagnose.

FA-NIVA is die ontbrekende vertaler.

Wat doet FA-NIVA precies?

FA-NIVA is een geautomatiseerde "rekenmachine" (een computerprogramma) die speciaal is gebouwd voor deze nieuwe, lange lees-techniek. Hier is hoe het werkt, vergeleken met alledaagse dingen:

1. Het is een alles-in-één keukenrobot 🍳
Vroeger moest je de ingrediënten (de ruwe data) eerst zelf schillen, snijden, bakken en serveren met verschillende machines. FA-NIVA is een keukenrobot die alles doet:

• Het neemt de ruwe elektrische signalen van de sequencer (de "grondstoffen").
• Het zet ze om in leesbare letters (A, C, G, T).
• Het zoekt naar fouten in het boek.
• Het maakt een verslag voor de arts.
  Je hoeft er niet meer handmatig tussen te komen; je drukt op de knop en het resultaat komt eruit.

2. Het lost de "Grote Gaten" op 🕳️
Bij Fanconi-anemie zitten de fouten vaak in gebieden die heel veel op elkaar lijken (zoals dubbele Alu-tekstregels in het boek).

• Het oude probleem: De computer dacht vaak: "Oh, dit stukje past hier, of misschien daar?" en maakte een fout.
• De FA-NIVA oplossing: Het gebruikt een superkrachtige "speld" (een tool genaamd pbmm2) die de lange stukken DNA precies op de juiste plek in het boek vastpint, zelfs als de omgeving er heel erg op lijkt. Zo weet het precies waar een groot gat begint en eindigt.

3. Het is een detective voor "Tweelingfouten" 🕵️‍♀️
Fanconi-anemie wordt veroorzaakt door fouten op beide kopieën van een gen (één van papa, één van mama).

• Het probleem: Als er een groot gat is in de kopie van mama, ziet de computer de fouten op die kopie soms niet, of denkt hij dat ze op beide kopieën staan.
• De FA-NIVA oplossing: Het programma doet een "dubbelcheck". Het kijkt naar de kleine foutjes én de grote gaten tegelijk. Het zegt dan: "Wacht, deze fout zit alleen op de kopie van papa, want de kopie van mama heeft hier een gat." Dit noemen we fasing (het scheiden van de twee kopieën). Hierdoor weten artsen zeker of het een dubbele fout is (wat nodig is voor de diagnose) of niet.

4. Het is transparant en reproduceerbaar 📝
Stel je voor dat je een cake bakt en het lukt niet. Als je geen recept hebt, weet je niet wat er misging.
FA-NIVA maakt bij elke analyse een gedetailleerd recept (een rapport). Het schrijft op:

• Welke ingrediënten zijn gebruikt?
• Hoe lang heeft het gebakken?
• Welke versie van de oven (software) is gebruikt?
  Dit zorgt ervoor dat elke arts, overal ter wereld, exact hetzelfde resultaat krijgt. Geen gissen meer.

Waarom is dit belangrijk?

Dit programma is als een schakelbord dat de weg vrijmaakt voor moderne geneeskunde.

• Snelheid: Het doet in een paar uur wat artsen nu dagenlang handmatig moeten doen.
• Nauwkeurigheid: Het vindt fouten die de oude methoden over het hoofd zagen (zoals grote deleties of inserties van repetitieve stukken).
• Toekomstbestendig: Omdat het zo flexibel is, kan het in de toekomst ook worden gebruikt voor andere ziekten die last hebben van complexe DNA-fouten.

Conclusie

FA-NIVA is de eerste volledig automatische, betrouwbare "vertaler" die de kracht van de nieuwe Nanopore-technologie volledig benut voor patiënten met Fanconi-anemie. Het zorgt ervoor dat artsen niet meer hoeven te gissen naar de oorzaak van de ziekte, maar een helder, nauwkeurig beeld krijgen van de genetische fouten – van de kleinste letter tot het grootste gat in het DNA-boek.

Kortom: Het maakt de diagnose sneller, slimmer en veiliger voor de patiënt.

Technische samenvatting

Probleemstelling

Fanconi-anemie (FA) is een zeldzame erfelijke aandoening die voornamelijk wordt veroorzaakt door bialele pathogene varianten in FA-geassocieerde genen. Een groot probleem in de huidige diagnostiek is dat ongeveer 60% van de patiënten mutaties heeft in het FANCA-gen, waarbij tot 23% grote deleties omvat die zich vaak bevinden in Alu-rijke gebieden of gebieden met pseudogenen (zoals bij FANCD2).

• Beperkingen van huidige methoden: Traditionele short-read sequencing (SRS) is betrouwbaar voor het detecteren van enkelvoudige nucleotide-varianten (SNV's), maar faalt vaak bij het oplossen van complexe structurele varianten (SV's), grote deleties of het bepalen van exacte genomische breakpoints. Methoden zoals MLPA kunnen kopieaantallen meten, maar leveren geen nucleotideniveau-informatie.
• Uitdagingen bij phasing: Het bepalen of twee varianten op hetzelfde allel of op verschillende allelen voorkomen (compound heterozygotie) is cruciaal voor de diagnose, maar lastig zonder geavanceerde phasing, vooral wanneer grote deleties aanwezig zijn.
• Gebrek aan geautomatiseerde workflows: Hoewel long-read sequencing (LRS) via Nanopore technologie deze problemen theoretisch kan oplossen, ontbreekt er een gestandaardiseerde, geautomatiseerde bioinformatica-pijplijn die specifiek is ontworpen voor FA-genen en die zowel SNV's als SV's nauwkeurig kan analyseren en faseren.

Methodologie: FA-NIVA

De auteurs presenteren FA-NIVA (Fanconi anemia – Nanopore Indel and Variant Analysis), een geautomatiseerd en aanpasbaar analyseframework gebouwd op Nextflow en verpakt in Docker-containers voor reproduceerbaarheid. De pijplijn verwerkt data van Nanopore-sequencers (van ruwe signalen tot varianten) en omvat de volgende kerncomponenten:

1. Input en Basecalling:

   • Ondersteuning voor diverse inputformaten (.pod5, .fast5, .bam).
   • Geautomatiseerde basecalling van elektrische signalen naar nucleotidesequenties met Dorado (op GPU-systemen).

2. Alignering (Uitlijning):

   • In plaats van de standaard minimap2 (die problemen had met soft-clipping bij grote deleties), gebruikt FA-NIVA pbmm2 (met preset -CCS). Dit tool, oorspronkelijk ontwikkeld voor HiFi-data, bleek in tests van de auteurs nauwkeuriger te zijn bij het uitlijnen van reads over grote deleties heen, wat essentieel is voor de juiste bepaling van breakpoints.

3. Variant Calling:

   • SNV's: Gebruik van DeepVariant, dat in benchmarks de hoogste F1-score (0,998) behaalde voor SNV-detectie op Nanopore-data.
   • SV's: Gebruik van sawfish, een nieuwe caller die leessequenties rond breakpoints extrahert om consensus-contigs te genereren. Dit verbetert de precisie bij het lokaliseren van breakpoints in repetitieve gebieden waar andere algoritmen falen.
   • Annotatie: AnnotSV wordt gebruikt voor annotatie en ranking van varianten.

4. Geavanceerde Phasing (Faseren):

   • Een unieke innovatie is de genotype-bewuste correctiestrategie. Traditionele phasing-algoritmes gebruiken alleen SNV's, wat leidt tot foutieve inferenties in gebieden met grote deleties (waarbij heterozygote varianten ten onrechte als homozygoot worden gemarkeerd).
   • FA-NIVA corrigeert systematisch de genotypen van SNV's binnen grote deleties en integreert SV's in het faseringsproces. Dit zorgt voor nauwkeurige haplotypering en onderscheidt tussen homozygote en hemizygotische varianten.

5. Rapportage en Traceerbaarheid:

   • De pijplijn genereert uitgebreide rapporten (via MultiQC, mosdepth, copyQC) met details over parameters, resourcegebruik, Docker-versies en uitvoeringstijden, wat voldoet aan diagnostische standaarden voor traceerbaarheid.

Kernresultaten en Gebruikscases

De auteurs demonstreren de prestaties van FA-NIVA via drie specifieke gebruikscases:

• Case 1 (Bi-allelische FANCA varianten): Detectie van een grote deletie van 77,8 kb (met een hoge kwaliteitsscore) die exoon 3 van FANCA overspant, samen met een SNV in een niet-coderend gebied. De exacte breakpoints werden op nucleotideniveau bepaald, wat een verbetering is ten opzichte van MLPA-only detectie.
• Case 2 (Insertie in FANCD2): Succesvolle detectie van een 299 bp insertie van een Alu-element in het FANCD2-gen, wat de capaciteit van de pijplijn aantoont om inserties in repetitieve gebieden te identificeren.
• Case 3 (Brede toepasbaarheid): Identificatie van een homozygote regio van 227 kb in het DYSF-gen bij een patiënt met een spierdystrofie. Dit toont aan dat de pijplijn ook bruikbaar is voor andere recessieve aandoeningen en homozygositeitsmapping.

Bijdragen en Significance

De belangrijkste bijdragen van dit werk zijn:

1. Eind-tot-eind automatisering: FA-NIVA elimineert handmatige tussenstappen in de analyse van Nanopore-data voor FA, wat de doorlooptijd verkort en de kans op menselijke fouten verkleint.
2. Nauwkeurige SV-detectie: Door de combinatie van pbmm2 en sawfish wordt de detectie van complexe structurele varianten in moeilijke genomische regio's aanzienlijk verbeterd.
3. Revolutionaire Phasing: De integratie van SV's in het faseringsproces lost een lang bestaand probleem op bij het bepalen van compound heterozygotie in aanwezigheid van grote deleties.
4. Reproduceerbaarheid en Transparantie: De Nextflow-architectuur met Docker-containers zorgt ervoor dat de analyse in elke omgeving (lokaal of cloud) identiek en reproduceerbaar is, wat essentieel is voor klinische validatie.
5. Toekomstperspectief: Hoewel momenteel gericht op FA, is de modulaire architectuur ontworpen om eenvoudig uitbreidbaar te zijn naar andere genetische aandoeningen en toekomstige analyses (zoals methylatie-analyse).

Conclusie:
FA-NIVA biedt een robuuste, diagnostisch grade oplossing voor de analyse van Fanconi-anemie met behulp van long-read sequencing. Het overbrugt de kloof tussen de potentie van Nanopore-technologie en de praktische implementatie in de kliniek, door een geïntegreerde, accurate en volledig geautomatiseerde workflow te bieden voor zowel kleine als grote genetische varianten.