TEExplorer: A Web Portal to Investigate TE-Epigenome Associations Across Human Cell Types

O artigo apresenta o TEExplorer, um portal web interativo que facilita a exploração de associações entre elementos transponíveis e marcas epigenéticas em diversos tipos celulares humanos, permitindo também a integração e comparação de dados de ChIP-seq dos usuários com o conjunto de dados EpiATLAS.

O essencial

Imagine que o nosso genoma (o livro de instruções do corpo humano) é uma biblioteca gigante. Por muito tempo, os cientistas achavam que metade dessa biblioteca era apenas "lixo" ou páginas rasgadas e repetitivas que não faziam nada. Essas páginas repetitivas são chamadas de Elementos Transponíveis (ETs).

Mas, na verdade, essas "páginas rasgadas" são como adesivos mágicos que foram colados em lugares importantes do livro. Às vezes, eles ajudam a ligar ou desligar capítulos (genes), influenciando como o corpo cresce, como o sistema imunológico funciona e até como doenças se desenvolvem.

O problema é que, como existem milhões desses adesivos e eles se parecem muito uns com os outros, era muito difícil para os cientistas saber exatamente onde eles estavam colados e o que estavam fazendo em diferentes tipos de células (como células do cérebro, do sangue, etc.).

O que é o TEExplorer?

Os autores deste artigo criaram uma ferramenta chamada TEExplorer. Pense nela como um "Google Maps" ou um "Google Tradutor" para esses adesivos genéticos.

Antes, os cientistas tinham que fazer cálculos manuais complexos e demorados para entender esses dados. O TEExplorer é um site fácil de usar que organiza tudo isso de forma visual e intuitiva.

Como funciona? (A Analogia do Detetive)

O site tem três "salas" principais para ajudar os pesquisadores:

1. A Sala de Visão Geral (O Mapa do Tesouro):
   Imagine que você quer saber quais tipos de adesivos (famílias de ETs) são mais comuns em um tipo específico de célula. O site mostra gráficos coloridos que dizem: "Olha, nas células do cérebro, esse tipo de adesivo aparece 84% das vezes, mas no sangue, só 71%". É como olhar para um mapa de calor para ver onde a "ação" está acontecendo.

2. A Sala de Investigação Específica (O Zoom):
   Se você se interessa por um tipo específico de adesivo (por exemplo, os chamados "Alu"), você pode entrar nesta sala. O site mostra uma lista detalhada de todas as variações desse adesivo e diz exatamente em quais células eles estão mais ativos. É como dar zoom em uma foto para ver os detalhes de uma única peça de um quebra-cabeça.

3. A Sala de Comparação (O Espelho Mágico):
   Esta é a parte mais legal. Se um cientista tem seus próprios dados experimentais (digamos, ele estudou células infectadas por um vírus), ele pode carregar seu arquivo no site.
   O TEExplorer então coloca os dados dele "ao lado" de milhões de dados que já existem na base de dados deles.

   • O que ele faz? Ele diz: "Sua amostra se parece muito com as células do tipo X que já conhecemos" (usando um mapa visual chamado UMAP).
   • O que ele descobre? Ele compara: "No seu experimento, o adesivo 'Alu' apareceu mais do que o normal? Ou menos?". Isso ajuda o cientista a ver se o vírus mudou algo importante no genoma.

Um Exemplo Real do Artigo

Os autores testaram essa ferramenta com dados de células do sistema imunológico (macrófagos) que foram infectadas pela gripe.

• Eles carregaram os dados no site.
• O site confirmou que as células se pareciam com outras células do mesmo tipo.
• Mas, ao olhar de perto, o site descobriu que certos "adesivos" (especificamente uma família chamada THE1B) estavam muito mais ativos nas células infectadas do que nas saudáveis.
• Isso foi uma descoberta importante que confirmou estudos anteriores, mas que foi feita de forma rápida e fácil, sem precisar de supercomputadores ou conhecimentos de programação avançada.

Por que isso é importante?

Antes, só os especialistas em genética podiam entender esses dados. Com o TEExplorer, qualquer pesquisador (mesmo quem não é especialista em elementos genéticos repetitivos) pode:

1. Ver o que está acontecendo no genoma de forma visual.
2. Comparar seus próprios experimentos com dados globais.
3. Descobrir "agulhas no palheiro" (adesivos importantes) que poderiam estar causando doenças ou regulando o corpo.

Em resumo, o TEExplorer transformou uma pilha de dados confusa e inacessível em um painel de controle interativo, permitindo que cientistas descubram como a "parte repetitiva" do nosso DNA na verdade controla a nossa vida e saúde.

Resumo técnico

Título: TEExplorer: Um Portal Web para Investigar Associações entre Elementos Transponíveis e o Epigenoma em Diferentes Tipos Celulares Humanos

1. O Problema

Os elementos transponíveis (TEs) constituem aproximadamente metade do genoma humano e desempenham papéis cruciais na regulação gênica, desenvolvimento, imunidade e doença. No entanto, sua análise é desafiadora devido à sua natureza repetitiva. Embora estudos anteriores tenham utilizado o conjunto de dados EpiATLAS (do Consórcio Internacional de Epigenoma Humano - IHEC), contendo 4.614 amostras de ChIP-seq de 6 marcas de histona em 57 tipos celulares, a interpretação desses dados era limitada.

• Desafio Principal: Com mais de 6,5 milhões de medições de enriquecimento (TE / marca de histona / tipo celular), era difícil navegar pelos resultados, identificar padrões específicos e integrar esses dados com novos conjuntos de dados gerados pelos pesquisadores.
• Limitação de Ferramentas Existentes: Ferramentas como UCSC Repeat Browser ou WashU Repeat Browser possuem limitações na visualização de associações interpretáveis entre TEs, tipos celulares e marcas de histona em larga escala, ou carecem de amostras suficientes.

2. Metodologia

Os autores desenvolveram o TEExplorer, um portal web interativo construído com R e Shiny, para tornar os dados do EpiATLAS acessíveis e permitir a análise de dados de usuários.

• Base de Dados e Pré-processamento:
  • Utilizaram dados do EpiATLAS (4.614 amostras, 57 tipos celulares, 6 marcas de histona: H3K27ac, H3K4me3, H3K4me1, H3K36me3, H3K27me3, H3K9me3).
  • Os picos de ChIP-seq foram sobrepostos às anotações de TEs do RepeatMasker (hg38).
  • Foram geradas simulações de controle aleatório (1.000 iterações por amostra) para calcular o enriquecimento esperado vs. observado.
  • Os dados foram organizados em dois bancos de dados: um por subfamília de TE e outro agregado por família de TE, pré-calculando métricas como Fold Change e Observed - Expected.
• Arquitetura do Portal:
  • Visualização: Gráficos interativos (boxplots, heatmaps, UMAP) gerados com ggplot2, plotly e complexheatmap.
  • Análise de Qualidade (QC): Uso de redução de dimensionalidade (UMAP) baseada em contagens de picos em janelas de 10kb para projetar amostras de usuários no espaço das amostras do EpiATLAS.
  • Upload de Dados: Os usuários podem enviar arquivos BED (até 50 MB). O sistema ajusta os picos para 200bp (padrão EpiATLAS), calcula sobreposições e compara com os controles aleatórios pré-gerados do EpiATLAS correspondentes ao tipo celular e ensaio selecionados.

3. Principais Contribuições

O TEExplorer oferece três seções principais para exploração de dados:

1. Visão Geral de TEs (TE Overview): Permite visualizar o enriquecimento global de famílias de TEs através de tipos celulares e marcas de histona. Inclui gráficos de barras de sobreposição e heatmaps de enriquecimento de subfamílias.
2. Subfamílias de TEs (TE Subfamilies): Permite investigar famílias específicas (ex: Alu, L1) e suas subfamílias. Mostra boxplots de enriquecimento por tipo celular e heatmaps detalhados, permitindo identificar quais subfamílias contribuem para o sinal observado.
3. Importação de Dados (Import Section): Funcionalidade chave que permite aos pesquisadores:
   • Carregar seus próprios dados de ChIP-seq.
   • Obter rapidamente a sobreposição e enriquecimento de TEs.
   • Comparar visualmente seus dados com as amostras do EpiATLAS (via UMAP e gráficos comparativos).
   • Identificar TEs enriquecidos ou depletados em relação aos controles e à média do EpiATLAS.

4. Resultados e Validação

• Exploração de Dados Existentes: O portal revelou padrões distintos de enriquecimento. Por exemplo, elementos L1 são altamente enriquecidos na marca repressiva H3K9me3, enquanto elementos L2 e MIR mostram maior enriquecimento em marcas ativadoras como H3K27ac.
• Estudo de Caso (Macrófagos Infectados por Influenza):
  • Os autores testaram o portal com 8 amostras de macrófagos derivados de monócitos (MDMs) infectados ou não pelo vírus Influenza A (IAV).
  • Validação de QC: As amostras carregadas agruparam-se corretamente no UMAP junto às amostras de macrófagos H3K27ac do EpiATLAS.
  • Descobertas: O portal identificou que, embora o perfil geral de enriquecimento fosse similar ao do EpiATLAS, havia diferenças específicas. Subfamílias de ALR/Alpha e THE1B (dentro da família ERVL-MaLR) mostraram enriquecimento diferenciado nas amostras infectadas em comparação às não infectadas, corroborando achados independentes da literatura (Chen et al.).
  • O sistema detectou que subfamílias de Alu (como AluY, AluSx, AluSz) eram mais enriquecidas nos dados carregados do que na média do EpiATLAS.

5. Significância e Impacto

• Acessibilidade: O TEExplorer democratiza a análise de TEs, permitindo que pesquisadores sem expertise especializada em TEs ou ferramentas de bioinformática complexas explorem associações epigenéticas.
• Integração de Dados: Facilita a comparação direta de dados experimentais novos com um vasto repositório de dados públicos padronizados (EpiATLAS).
• Descoberta Biológica: O portal ajuda a destacar TEs que podem ter sido negligenciados como elementos causais em experimentos, fornecendo uma linha de base robusta para enriquecimento e depleção.
• Limitações Reconhecidas: O artigo admite que a exclusão de leituras multi-mapeáveis pode subestimar o enriquecimento de famílias jovens de TEs e que a heterogeneidade técnica entre amostras do consórcio pode introduzir ruído. No entanto, o portal fornece estimativas de mapeabilidade para auxiliar na interpretação.

Conclusão: O TEExplorer estabelece um ponto de partida fundamental para a consideração de elementos transponíveis na pesquisa epigenômica, transformando um conjunto de dados massivo e complexo em uma ferramenta interativa e intuitiva para a comunidade científica. O portal está disponível em: https://teexplorer.c3g.sd4h.ca.