RapidMACS: MACS3-identical peak calling, 50x faster

No mundo microscópico dentro de nossas células, o DNA que contém nossas instruções genéticas não está flutuando livremente; ele está firmemente enrolado em carretéis de proteínas, formando uma estrutura densa que deve ser cuidadosamente gerenciada. Para ler genes específicos ou para entender como as células decidem quais partes de seu código genético usar, os cientistas precisam saber exatamente onde esse DNA está acessível e onde está fortemente compactado. Uma forma comum de encontrar essas regiões acessíveis é tratar o DNA com enzimas que cortam apenas as partes soltas e abertas, deixando as seções fortemente enroladas intactas. Ao mapear onde esses cortes ocorrem, os pesquisadores podem identificar os pontos ativos do genoma. Esse processo gera vastas quantidades de dados, que devem então ser analisados para identificar os locais específicos de interesse. Esta etapa de análise, conhecida como peak calling, atua como um filtro que peneira milhões de pontos de dados para encontrar os locais precisos onde o sinal é forte o suficiente para ser significativo. Durante anos, uma ferramenta amplamente utilizada chamada MACS3 tem sido o padrão para essa tarefa, sendo capaz de lidar com muitos tipos diferentes de experimentos e formatos de dados. No entanto, à medida que o volume de dados biológicos explodiu, o tempo necessário para realizar essas análises tornou-se um gargalo significativo, retardando o ritmo de descoberta em campos que vão da biologia básica à pesquisa médica.

Uma equipe de pesquisadores introduziu agora uma nova ferramenta chamada RapidMACS, projetada para resolver esse problema de velocidade sem sacrificar a precisão. Embora o conjunto de ferramentas MACS3 existente seja poderoso e versátil, capaz de lidar com uma grande variedade de condições experimentais, muitos estudos modernos, particularmente aqueles que envolvem o mapeamento de cromatina aberta em células únicas, precisam apenas de uma função específica: encontrar picos estreitos de atividade. Os pesquisadores perceberam que usar uma máquina massiva e de uso múltiplo para um trabalho único e simples era ineficiente. Eles se propuseram a construir uma ferramenta especializada que pudesse realizar apenas essa tarefa, mas fazê-lo com uma velocidade muito maior. O resultado é um programa que processa os dados em uma única passagem simplificada, evitando a necessidade de ordenar todo o conjunto de dados globalmente ou criar arquivos temporários em um disco rígido. Em vez disso, ele mantém a informação necessária na memória do computador e processa diferentes seções do genoma ao mesmo tempo. Essa abordagem permite que o software lide com os dados muito mais rapidamente do que o padrão anterior.

O desempenho desta nova ferramenta foi testado em vários tipos de experimentos biológicos, incluindo aqueles que mapeiam o DNA aberto em células únicas, amostras de tecido em massa (bulk) e interações específicas entre proteína e DNA. Nesses testes, o RapidMACS provou ser entre 3,5 e 51 vezes mais rápido que a versão anterior do MACS3, dependendo do experimento específico e do número de processadores de computador utilizados. Talvez o mais importante seja que os pesquisadores descobriram que a saída do RapidMACS é byte a byte idêntica à saída do MACS3. Isso significa que cada número e localização relatados pela nova ferramenta coincide exatamente com a ferramenta antiga, até o último dígito. Como os resultados são idênticos, os cientistas podem mudar para a ferramenta mais rápida com a certeza absoluta de que sua análise subsequente não mudará. A melhoria de velocidade não vem do uso de uma linguagem de programação diferente, mas de uma maneira mais inteligente de organizar os cálculos, permitendo que o software pule etapas desnecessárias que a ferramenta antiga era forçada a realizar.

Este novo software está agora disponível para qualquer pessoa usar, fornecido como um programa independente que pode ser executado diretamente ou como um componente que pode ser integrado em pipelines de análise maiores. Ele foi escrito para ser leve, dependendo apenas de bibliotecas essenciais para ler arquivos de dados biológicos, e não requer ambientes de execução complexos para operar. Ao remover o tempo desperdiçado em processamento repetitivo de dados, o RapidMACS permite que os pesquisadores gastem menos tempo esperando que os computadores terminem seu trabalho e mais tempo interpretando as histórias biológicas escondidas nos dados. A ferramenta representa um refinamento prático no kit de ferramentas científico, provando que, mesmo em um campo impulsionado por algoritmos complexos, a eficiência pode ser ganha simplificando o caminho para a resposta.