Genetic demultiplexing and transcript start site identification from nanopore sequencing of 10x Genomics multiome libraries

Este estudo demonstra que o sequenciamento nanopore de bibliotecas multiome da 10x Genomics permite o perfilamento de transcritos completos e a identificação de sítios de início de transcrição (TSS) com sucesso, incluindo a desmultiplexação genética, capturando uma mediana de 63% dos TSS detectados por ensaios de 5' de leitura curta.

O essencial

Imagine que você tem uma biblioteca gigante de livros (o DNA das nossas células) e quer saber quais histórias estão sendo lidas naquele momento. Para isso, os cientistas usam uma técnica chamada "sequenciamento de RNA".

Até agora, a maneira padrão de fazer isso era como ler apenas o último parágrafo de cada livro. Isso funcionava bem para saber qual livro estava sendo lido, mas você perdia a informação de onde a história começava (o início do capítulo) e se havia versões diferentes da mesma história (capítulos extras ou faltando).

Este artigo apresenta uma nova e brilhante ideia: usar uma tecnologia chamada Nanopore para ler os livros inteiros, do início ao fim, sem cortar nada.

Aqui está a explicação simples do que eles descobriram, usando analogias do dia a dia:

1. O Problema: Ler apenas o final da história

Os cientistas usavam uma tecnologia antiga (Illumina) que cortava os livros em pedaços pequenos e lia apenas o final (a parte 3'). Isso era como receber um resumo de um filme que só mostra os créditos finais. Você sabia quem eram os atores, mas não sabia como a história começava.

2. A Solução: Ler o livro inteiro com Nanopore

Os pesquisadores pegaram as mesmas amostras de tecido muscular e usaram a tecnologia Nanopore. Imagine que o Nanopore é um leitor super rápido que consegue passar o livro inteiro por um scanner, mantendo a história completa.

• O Grande Ganho: Como eles leram o livro inteiro, conseguiram ver exatamente onde a história começava (o "Início da Transcrição" ou TSS). Isso é crucial para entender como os genes são ligados e desligados.

3. O Desafio: A "Mancha" na leitura (Erros)

O Nanopore é incrível, mas tem um defeito: ele comete mais erros de digitação (como um corretor automático que às vezes erra) do que a tecnologia antiga.

• A Pergunta: Será que, com tantos erros de digitação, conseguimos ainda identificar de quem é cada livro? (Isso se chama "desmultiplexagem genética").
• A Resposta: Sim! Eles usaram um sistema de "impressão digital genética" e descobriram que, mesmo com os erros do Nanopore, conseguiram identificar corretamente de quem era cada célula quase tão bem quanto com a tecnologia antiga. Foi como conseguir reconhecer a assinatura de alguém mesmo que a tinta estivesse um pouco borrada.

4. O Truque de Limpeza (SCAFE)

Como o Nanopore lê tudo, às vezes ele pega "sujeira" ou ruídos que parecem ser o início de uma história, mas não são.

• Eles criaram um "filtro de limpeza" (chamado SCAFE) que funciona como um editor de texto inteligente. Ele remove os erros óbvios e os ruídos, deixando apenas os inícios de histórias reais.
• Resultado: Com esse filtro, o Nanopore conseguiu encontrar 63% dos inícios de histórias que a tecnologia especial de "leitura do início" (5' GEX) encontrava. É um número impressionante, considerando que eles estavam usando um método diferente!

5. A Conclusão: O Melhor dos Dois Mundos

O estudo mostrou que você não precisa de duas máquinas diferentes para ter duas informações.

• Antes: Você precisava de uma máquina para ler o final do livro (para ver o gene) e outra para ler o início (para ver o controle).
• Agora: Com o Nanopore, você pode usar uma única máquina para ler o livro inteiro. Você descobre o gene, descobre onde ele começa e ainda consegue ver versões diferentes da mesma história (isoformas).

Em resumo:
Os cientistas provaram que é possível usar a tecnologia de leitura longa (Nanopore) em amostras complexas de células únicas. Eles criaram um "filtro" para limpar os erros e mostraram que essa nova abordagem é poderosa, barata (porque não precisa de duas tecnologias separadas) e capaz de revelar detalhes secretos sobre como nossos genes funcionam, especialmente em tecidos como o músculo. É como ter uma câmera de alta definição que finalmente consegue focar tanto no início quanto no fim de cada filme da nossa vida celular.

Resumo técnico

Título do Estudo

Desmultiplexação Genética e Identificação de Sítios de Início de Transcrição (TSS) a partir de Sequenciamento Nanopore de Bibliotecas Multiome da 10x Genomics

---

1. O Problema

As tecnologias de sequenciamento de RNA de célula única (scRNA-seq) e núcleo único (snRNA-seq) baseadas em plataformas de curta leitura (como Illumina) da 10x Genomics geralmente capturam apenas a extremidade 3' dos transcritos de RNA. Isso resulta na perda de informações sobre a extremidade 5', incluindo os Sítios de Início de Transcrição (TSS) e a estrutura completa de isoformas.

• Para recuperar informações 5', os pesquisadores normalmente precisam realizar ensaios separados e caros (como o kit 5' GEX da 10x).
• O sequenciamento de longa leitura (Nanopore/ONT) oferece a promessa de sequenciar cDNA de comprimento total, recuperando essas informações 5' a partir das bibliotecas de expressão gênica 3' padrão.
• Desafios Técnicos: A aplicação do Nanopore em estudos de célula única enfrenta dois obstáculos principais:
  1. Desmultiplexação Genética: O alto índice de erro do Nanopore pode comprometer a capacidade de atribuir núcleos a doadores específicos (desmultiplexação) em estudos que misturam amostras de múltiplos doadores (pooling).
  2. Identificação de TSS: Diferenças na captura de transcriptos entre ensaios 3' e 5' e a presença de artefatos de preparação de biblioteca (como invasão de fita por oligonucleotídeos de template-switching - TSO) dificultam a identificação precisa de TSS a partir de dados de leitura longa.

2. Metodologia

Os autores desenvolveram e validaram um fluxo de trabalho integrado combinando bibliotecas Multiome da 10x Genomics com sequenciamento Nanopore.

• Amostragem e Preparação:

  • Núcleos foram isolados de biópsias de músculo esquelético (músculo vasto lateral) de 52 doadores únicos, agrupados em 3 pools de 20 doadores cada.
  • Foram geradas bibliotecas Multiome (3' GEX + ATAC) e bibliotecas 5' GEX (como controle de referência).
  • O cDNA intermediário das bibliotecas 3' GEX foi sequenciado no Nanopore (ONT GEX), enquanto as bibliotecas completas foram sequenciadas no Illumina (3' GEX, ATAC e 5' GEX).

• Processamento de Dados e Desmultiplexação:

  • Utilizou-se o software demuxlet para atribuir núcleos aos doadores com base em variantes genéticas (SNPs) detectadas nas leituras de ONT GEX, 3' GEX e ATAC.
  • Comparou-se a concordância das atribuições entre as plataformas.

• Identificação de TSS (Pipeline Otimizado):

  • Foi utilizado o software SCAFE (Single Cell Analysis of Five-prime Ends) para identificar e quantificar TSS.
  • Pré-processamento Otimizado para ONT: Os autores identificaram que o SCAFE padrão gera falsos positivos em dados ONT. Desenvolveram um pipeline de filtragem prévio ao SCAFE que inclui:
    1. Remoção de alinhamentos sem a sequência residual esperada do TSO (GGG) na extremidade 5'.
    2. Filtragem de soft-clipping excessivo na extremidade 5'.
    3. Identificação e correção de duplicatas de PCR que apontam para posições 5' discrepantes.
    4. Truncamento das leituras para evitar erros de comprimento do SCAFE.
  • Os elementos regulatórios transcritos (tCREs) foram validados comparando sua sobreposição com estados de cromatina (ChromHMM) e dados de ATAC-seq.

3. Principais Contribuições

1. Validação de Desmultiplexação em Nanopore: Demonstrou-se que, apesar da maior taxa de erro do Nanopore, a desmultiplexação genética de bibliotecas 3' GEX sequenciadas por ONT é altamente confiável, com alta concordância (92%) em relação aos dados Illumina.
2. Pipeline de Pré-processamento para SCAFE: A criação de um conjunto de scripts (disponíveis no GitHub) para filtrar artefatos específicos de dados ONT antes da execução do SCAFE, reduzindo significativamente falsos positivos em regiões quiescentes do genoma.
3. Recuperação de TSS sem Ensaios 5' Separados: Mostrou-se que o sequenciamento de comprimento total de bibliotecas 3' GEX via Nanopore permite a detecção de TSS, eliminando a necessidade de ensaios 5' GEX dedicados para muitos casos.
4. Comparação Direta 3' vs 5': Uma análise rigorosa comparando os TSS detectados por ONT (a partir de cDNA 3') versus o ensaio 5' GEX padrão da 10x.

4. Resultados Chave

• Desmultiplexação: Houve uma forte correlação no número de núcleos atribuídos a cada doador entre ONT e Illumina. A concordância na classificação de singletos/dupletos foi de 92% entre ONT GEX e 3' GEX Illumina.
• Perfil de Expressão Gênica: A expressão gênica pseudobulk e os agrupamentos de tipos celulares (via UMAP) foram altamente consistentes entre os dados ONT GEX e 3' GEX Illumina, confirmando que a informação de nível gênico é preservada.
• Desempenho na Detecção de TSS:
  • O pipeline otimizado de ONT recuperou uma mediana de 63% dos TSS detectados pelo ensaio 5' GEX.
  • A sobreposição de tCREs entre ONT e 5' GEX foi alta, especialmente em regiões promotoras ativas (ex: genes MYL2 e VGLL2).
  • O pré-processamento adicional (além do simples trimming) reduziu drasticamente a detecção de tCREs em regiões de cromatina quiescente e dentro do corpo do gene, aumentando a especificidade.
  • Apesar do bom desempenho, o ONT ainda falhou em detectar um número considerável de TSS encontrados no 5' GEX, possivelmente devido a diferenças na captura de transcriptos ou eficiência da biblioteca.

5. Significância

Este trabalho é fundamental para o avanço da genômica de célula única de várias formas:

• Eficiência de Custos e Recursos: Permite que pesquisadores utilizem bibliotecas 3' GEX padrão (mais comuns e baratas) para obter informações de TSS e isoformas completas, sem a necessidade de gerar bibliotecas 5' GEX separadas.
• Viabilidade do Nanopore em Multi-ômica: Confirma que o sequenciamento Nanopore é robusto o suficiente para suportar estratégias complexas de desmultiplexação genética em estudos de larga escala com múltiplos doadores.
• Ferramentas Computacionais: A disponibilização de scripts de pré-processamento específicos para corrigir artefatos do Nanopore no pipeline SCAFE resolve uma barreira técnica crítica, permitindo que a comunidade científica aproveite dados de leitura longa com maior precisão.
• Aplicação em Doenças Complexas: A capacidade de integrar dados de expressão gênica, acessibilidade de cromatina (ATAC) e TSS completos a partir de uma única biblioteca Multiome sequenciada por Nanopore abre novas portas para estudos de regulação gênica em tecidos complexos, como o músculo esquelético.

Em resumo, o estudo demonstra que o sequenciamento Nanopore de bibliotecas Multiome da 10x Genomics é uma alternativa viável e rica em informações aos fluxos de trabalho tradicionais de curta leitura, desde que sejam aplicadas as correções computacionais adequadas.