《iMetaOmics》:ECCFP: A consecutive full pass-based bioinformatic analysis for eccDNA identification from long-read sequencing data
编辑推荐:
新兴研究聚焦于染色体外环状DNA(extrachromosomal circular DNA, eccDNA),因其多样的功能和复杂的机制。检测eccDNA的主要技术是利用高通量测序结合生物信息学分析,但存在准确性和效率低等缺点。为解决这些局限性,研究人员开发
新兴研究聚焦于染色体外环状DNA(extrachromosomal circular DNA, eccDNA),因其多样的功能和复杂的机制。检测eccDNA的主要技术是利用高通量测序结合生物信息学分析,但存在准确性和效率低等缺点。为解决这些局限性,研究人员开发了ECCFP,一个基于滚动环扩增(rolling circle amplification, RCA)从长读长测序数据中检测eccDNA的生物信息学管道。ECCFP保留单个读段中所有连续的完整通读(包括来自幽灵序列(ghost sequences)的通读),以获得候选eccDNA。随后,ECCFP采用Boyer–Moore多数投票算法来整合多个候选eccDNA,以生成准确的唯一eccDNA和环状共有序列(circular consensus sequence, CCS)。通过使用多个模拟数据集和掺入人工合成eccDNA或公开可用的真实测序数据集,研究人员对ECCFP进行了全面评估,并与三个目前表现出优异性能的已发表管道进行了比较。结果表明,ECCFP在灵敏度、准确性和运行时间效率方面均优于其他管道。此外,反向PCR扩增及Sanger测序验证证实,ECCFP检测到的eccDNA连接位点比其他管道更准确。总之,ECCFP是一种用于从长读长测序数据中检测eccDNA的高效、准确的生物信息学管道,可能为各种生物样本中的eccDNA表征提供稳健的工具。
**论文解读:ECCFP——基于连续全通策略的长读长测序eccDNA鉴定新方法**
**研究背景**
染色体外环状DNA(eccDNA)是一类独立于染色体的环状DNA分子,广泛存在于人类、动物、植物和真菌等真核生物中。由于其环状拓扑结构的相对稳定性,eccDNA能够进行染色体外扩增和重组,驱动拷贝数变异和基因重排,或作为可移动调控元件参与基因表达调控。因此,eccDNA在肿瘤发生、肿瘤异质性演变和耐药性等病理生理过程中发挥关键作用,并在精准医学、作物育种、衰老评估、免疫调节和产前筛查等领域展现出广泛功能。然而,目前eccDNA检测主要依赖短读长二代测序(NGS)结合生物信息学分析,由于eccDNA多起源于重复序列,短读长技术难以准确鉴定嵌合eccDNA及源自串联重复区域的eccDNA。近年来,长读长三代测序(TGS)技术虽在复杂重复序列表征方面具有优势,但现有TGS生物信息学管道(如ecc_finder、CiderSeq2、cyrcular-calling、Flec、CReSIL和FLED)仍存在灵敏度低、假阳性率高、数据利用率不足或运行效率低下等问题。因此,亟需开发一种更高效、准确的长读长测序eccDNA鉴定工具。
**研究内容与结论**
研究人员开发了名为ECCFP(EccDNA Caller based on Consecutive Full Pass)的新型生物信息学管道,专门用于基于滚动环扩增(RCA)的长读长测序数据的eccDNA鉴定。ECCFP的核心创新在于:保留单个读段中所有连续的完整通读(包括通常被丢弃的幽灵序列),并利用Boyer–Moore多数投票算法整合多个候选eccDNA,以生成准确的唯一eccDNA。通过6个模拟数据集、2个掺入人工合成eccDNA的真实测序数据集以及29个公开可用的真实测序数据集(涵盖人肿瘤细胞系、小鼠肿瘤细胞系、小鼠肿瘤组织、拟南芥种子和番茄种子)的全面评估,ECCFP在灵敏度、准确性和运行时间效率方面均显著优于Flec、CReSIL和FLED等现有管道。反向PCR结合Sanger测序验证进一步证实,ECCFP检测到的eccDNA连接位点准确性更高。该研究发表在《iMetaOmics》上,为eccDNA研究提供了稳健的新工具,可能推动eccDNA作为临床生物标志物的转化应用。
**主要关键技术方法**
研究人员采用以下关键技术方法:首先,从人肝癌细胞系HepG2(来源:Procell Life Science & Technology)中提取粗制环状DNA,通过MssI酶切线性化线粒体DNA和外切酶V消化线性DNA,随后进行RCA(使用Phi29 DNA聚合酶和随机引物)富集eccDNA,并用T7核酸内切酶去除分支结构。文库构建使用ONT Native Barcoding Kit 24 V14,在PromethION平台(R10.4.1 flow cell)上测序。原始数据经Dorado basecalling、Porechop去除接头和barcode,然后使用Minimap2比对至参考基因组GRCh38.p14。ECCFP管道利用所有连续完整通读(≥2个全通)识别候选eccDNA,并通过Boyer–Moore投票算法整合。此外,模拟数据生成基于真实RCA测序数据特征,使用K近邻算法模拟RCA循环次数,并用PBSIM3生成不同深度(5×至50×)的模拟数据集。
**研究结果**
**EccDNA鉴定工作流程**
ECCFP管道包含四个主要步骤:步骤1中,利用比对文件(mapping.paf)修剪单个读段中的串联重复单元,并识别幽灵序列(包括未比对间隙超阈值、比对质量低、末端位置偏差大或模板转换等情况)。步骤2中,基于同一读段中连续全通(≥2个)识别候选eccDNA,并将读段分为5种类型,其中类型3、4和5涉及幽灵序列。步骤3使用Boyer–Moore投票算法,将来自不同读段但映射至相同染色体区域的候选eccDNA(起始和终止位置偏差≤20 bp且方向一致)整合为唯一eccDNA,显著降低假阳性。步骤4生成环状共有序列(CCS)和变异信息。
**ECCFP增加eccDNA检测数量**
在HepG2细胞系测序数据中,30,184个读段具有≥2个全通。若按现有管道丢弃幽灵序列,仅能利用60.6%的数据。经严格质量控制后,幽灵序列的碱基质量与非幽灵序列相当,且长度分布和染色体分布无显著差异。ECCFP从幽灵序列中成功鉴定出4592个eccDNA分子,其中1613个为全新eccDNA(源自类型4和5读段)。通过反向PCR和Sanger测序验证,10个仅从幽灵序列鉴定的eccDNA均被证实真实存在,表明保留幽灵序列可显著增加检测到的eccDNA分子数量。
**ECCFP提高eccDNA位置鉴定准确性**
以eccDNAchr12:109862500-109864540为例,ECCFP识别出7个候选eccDNA,经Boyer–Moore投票算法整合为一个唯一eccDNA,Sanger测序验证了其连接位点准确性。在HepG2数据中,9220个候选eccDNA经整合后减少至7870个唯一eccDNA,消除1350个潜在假阳性结果。与Flec、CReSIL和FLED相比,ECCFP检测到的eccDNA连接位点与Sanger测序结果一致,而其他管道存在偏差或冗余。
**掺入人工合成环状DNA评估ECCFP性能**
研究人员合成了4个已知序列的人工环状DNA(eccMIR621、eccMIR4319、eccMIR148A和eccMIR1307),以梯度浓度掺入HepG2细胞粗提物中,进行RCA和测序。ECCFP检测到的eccDNA分子数量最多,其支持读段数与输入拷贝数的相关性最高(Pearson相关系数)。CReSIL未能检测到最高拷贝数的eccMIR621。Sanger测序比对显示,ECCFP输出的CCS序列与Sanger结果完全一致,而CReSIL和FLED存在位置和序列偏差,Flec则存在大量冗余结果。
**模拟数据评估ECCFP性能**
研究人员生成了基于真实RCA读段类型的模拟数据集(5×至50×深度),并采用严格标准(99%序列同源性、末端偏差≤10 bp)进行评估。在不同深度下,ECCFP的假阳性率始终保持低水平,且精确率和召回率表现优异,F1分数稳定在0.9以上。在低深度数据中,ECCFP的综合评分最高。此外,在另两个独立模拟数据集(Wanchai et al. 2022和Gao et al. 2024)中,ECCFP同样表现出色,假阳性率普遍较低。
**公共RCA纳米孔测序数据评估ECCFP性能**
研究人员下载了29个来自不同物种(人、小鼠、拟南芥、番茄)的RCA纳米孔测序数据集进行评估。在所有数据集中,ECCFP的运行时间最短,且检测到的唯一eccDNA数量最多。ECCFP鉴定的eccDNA中约2%–11%是其他管道未检测到的。在重复性分析中(90%序列同源性阈值),ECCFP与其他管道的重叠度最高,覆盖其他管道60%–93%的唯一eccDNA,表明其在不同物种和数据类型中均具有稳健性和优越性。
**讨论**
基于与Flec、CReSIL和FLED的全面比较,ECCFP在数据利用效率、准确性、灵敏度和运行时间方面均表现出显著优势。通过创新性地利用幽灵序列,ECCFP在严格过滤后仍能有效鉴定额外eccDNA,并经实验验证其真实性。Boyer–Moore投票算法实现了更精确的eccDNA连接位点定位,减少了假阳性。掺入实验和模拟数据评估进一步证实了ECCFP的优越性。然而,ECCFP存在局限性:要求读段至少包含2个连续全通,可能不适用于低质量或低比例连续全通的数据;此外,RCA方法偏向于小于10 kb的eccDNA,因此ECCFP无法检测大尺寸eccDNA(如ecDNA)。总体而言,ECCFP为小尺寸eccDNA的鉴定提供了高效、准确的工具,可能推动eccDNA从机制研究向临床生物标志物应用的转化。
**结论**
在本研究中,研究人员提出了一种名为ECCFP的新生物信息学管道,以改进从长读长测序数据中检测染色体外环状DNA。ECCFP使用来自单个读段的所有连续完整通读来识别候选eccDNA,并整合候选eccDNA以生成准确的唯一eccDNA。总体而言,ECCFP为从长读长测序数据中检测eccDNA提供了更高效、准确的生物信息学分析,这可能推动eccDNA作为临床生物标志物的研究进展。