High-performance xenograft read-sorting for DNA methylation analysis

No mundo da pesquisa sobre o câncer, os cientistas frequentemente precisam estudar tumores em um ambiente vivo que mimetize o corpo humano. Para fazer isso, eles pegam células de câncer humano e as transplantam para camundongos, criando o que são conhecidos como xenotransplantes derivados de pacientes. Esses minúsculos laboratórios vivos permitem que os pesquisadores observem como um tumor cresce, como ele reage a drogas e como ele pode se tornar resistente ao tratamento. No entanto, um obstáculo significativo surge quando os cientistas tentam analisar o material genético dessas amostras mistas. O produto final é uma sopa caótica de fitas de DNA, algumas pertencentes ao tumor humano e outras pertencentes ao hospedeiro camundongo. Para entender o comportamento do tumor, os pesquisadores devem primeiro separar as fitas humanas das de camundongo com extrema precisão. Esta tarefa torna-se ainda mais difícil ao estudar a metilação do DNA, uma etiqueta química que atua como um interruptor, ligando ou desligando genes. Para ler essas etiquetas, os cientistas usam um processo químico que altera a própria sequência do DNA, embaralhando as letras de uma forma que confunde os programas de computador padrão usados para classificar dados genéticos.

Uma equipe de pesquisadores desenvolveu agora uma maneira mais inteligente de desembaraçar essa bagunça genética, especificamente para estas amostras de DNA quimicamente alteradas. Eles aprimoraram uma ferramenta de software existente chamada Xengsort, transformando-a em um classificador altamente eficiente que pode distinguir entre DNA humano e de camundongo mesmo após as mudanças químicas terem ocorrido. A equipe testou sua ferramenta melhorada contra vários outros métodos estabelecidos usando misturas geradas por computador e dados do mundo real de estudos de câncer de mama. Eles descobriram que, embora todas as ferramentas fossem geralmente precisas na identificação da origem do DNA, a nova versão do Xengsort era dramaticamente mais rápida e exigia muito menos memória de computador. Em um teste de grande escala envolvendo amostras reais de pacientes, a nova ferramenta terminou o trabalho de classificação em pouco mais de cinco horas, enquanto um método concorrente levou quase trinta horas para completar a mesma tarefa.

O cerne do problema reside em como a metilação do DNA é lida. Para ver os interruptores químicos, os cientistas tratam o DNA com uma substância que converte uma letra específica, a citosina, em outra, a timina, se essa letra não estiver quimicamente marcada. Este processo é essencial para entender como os tumores se adaptam, mas altera fundamentalmente a sequência do DNA. Imagine tentar classificar uma pilha de livros misturados onde alguém mudou a ortografia de cada palavra em metade dos livros; um bibliotecário padrão teria dificuldade em dizer de qual autor é cada livro. Da mesma forma, os programas de computador padrão que combinam sequências de DNA com um genoma de referência frequentemente falham porque a conversão química faz com que o DNA humano pareça diferente do referente humano, e o DNA de camundongo pareça diferente do referente de camundongo. Essa confusão pode levar a fitas de tumor humano sendo identificadas incorretamente como fitas de camundongo, ou vice-versa, o que arruinaria a análise científica.

Para resolver isso, os pesquisadores reconstruíram o dicionário interno da ferramenta Xengsort. Em vez de apenas procurar por correspondências exatas de letras de DNA, a nova ferramenta antecipa as mudanças químicas. Ela cria um índice de camada dupla que contabiliza tanto a sequência original de DNA quanto a sequência após a conversão química. Quando um pedaço de DNA entra no sistema, a ferramenta o verifica contra ambas as possibilidades simultaneamente. Ela divide a fita de DNA em pequenos pedaços e faz uma pergunta simples: este pedaço parece pertencer a um humano ou a um camundongo, considerando as mudanças químicas? Ao confiar nos pedaços de DNA mais únicos e ignorar aqueles que parecem muito semelhantes em ambas as espécies, a ferramenta pode classificar as fitas com confiança em categorias de humano, camundongo ou ambíguas. Esta abordagem permite que o software pule o processo lento e pesado de alinhar cada fita a um genoma completo, que é o que outros métodos exigem.

Os pesquisadores colocaram sua ferramenta à prova de duas maneiras. Primeiro, criaram milhões de misturas simuladas de fitas de DNA de humano e camundongo com origens conhecidas, permitindo que medissem exatamente com que frequência a ferramenta cometia erros. Eles testaram essas misturas em diferentes profundidades e proporções, simulando tudo, desde uma amostra com muito pouco DNA humano até uma que era quase inteiramente humana. Os resultados mostraram que a ferramenta era incrivelmente precisa, perdendo muito poucas fitas humanas e raramente confundindo fitas de camundongo com as de humanos. Ela teve um desempenho tão bom quanto as outras principais ferramentas em termos de precisão, mas o fez em uma fração do tempo. Enquanto outros métodos levavam horas para processar os dados e exigiam quantidades massivas de memória de computador, o Xengsort completou o mesmo trabalho em menos de uma hora em uma configuração de computador padrão.

Em seguida, a equipe aplicou a ferramenta a dados reais de pacientes com câncer de mama cujos tumores foram cultivados em camundongos. Essas amostras vieram de diferentes tipos de estudos, incluindo alguns onde o DNA foi quimicamente convertido e outros que foram processados usando enzimas. Nestes cenários do mundo real, a ferramenta provou novamente seu valor. Ela classificou com sucesso o DNA de amostras complexas, incluindo aquelas com quantidades muito baixas de células tumorais humanas misturadas com muito tecido de camundongo. Os pesquisadores observaram que a ferramenta era particularmente robusta ao lidar com amostras que haviam sido tratadas com drogas para alterar os padrões de metilação do DNA. Em uma comparação direta de velocidade e uso de recursos, a nova ferramenta foi significativamente mais eficiente. Ela processou um grande conjunto de dados em 5,5 horas usando 43 gigabytes de memória, enquanto um método concorrente levou 29,1 horas e exigiu 49 gigabytes de memória. Outro método, que dependia de um genoma de referência combinado, era rápido, mas demandava massivos 73 gigabytes de memória, o que pode ser um fator limitante para muitos laboratórios.

O estudo também destacou que a escolha do método de classificação importa menos para a precisão do que para a eficiência. Todas as ferramentas testadas, incluindo o novo Xengsort, alcançaram alta precisão na separação das fitas de DNA. No entanto, o tempo e o poder computacional necessários para obter esses resultados variaram drasticamente. Pesquisadores trabalhando com grandes conjuntos de dados ou que precisam processar amostras rapidamente para guiar decisões de tratamento, a velocidade e a baixa pegada de memória do Xengsort oferecem uma vantagem clara. Os pesquisadores concluíram que seu fluxo de trabalho está agora pronto para uso generalizado, sugerindo que os cientistas devem primeiro classificar suas fitas de DNA por espécie usando esta ferramenta antes de prosseguir para a análise detalhada dos padrões de metilação do tumor. Ao tornar a etapa de classificação mais rápida e menos intensiva em recursos, a ferramenta remove um grande gargalo, permitindo que os cientistas foquem mais tempo na compreensão do próprio câncer, em vez de esperar que o computador termine seu trabalho.