Wysokoprzepustowy sekwenator nanoporowy: duże genomy i kohorty

Gdy jednostką pracy staje się duży genom lub kohorta

Wysokoprzepustowy sekwenator nanoporowy nie jest po prostu większym pudełkiem mieszczącym więcej takich samych wkładów. Używa wysokowydajnych PromethION Flow Cells, które tworzą odrębną klasę powierzchni pomiarowej od MinION Flow Cells. Systemy tej klasy mogą obsługiwać dwie pozycje — jak PromethION 2 Integrated — albo dwadzieścia cztery — jak PromethION 24. Każda pozycja jest niezależnie adresowalna, ale pojedyncza flow cell została zaprojektowana do znacznie większego strumienia danych.¹

Klasa przenośna odpowiada na pytanie „czy możemy odczytać tę bibliotekę blisko próbki?”. Klasa wielostanowiskowa — „jak prowadzić kilka niezależnych małych projektów bez kolejki?”. Klasa wysokoprzepustowa odpowiada natomiast na pytanie „jak rutynowo uzyskać głębokie dane dla genomów człowieka, dużych genomów, złożonych metagenomów lub całych kohort?”. Wraz ze skalą zmienia się dominujące ryzyko: pojedyncza udana biblioteka już nie wystarcza; potrzebna jest powtarzalna produkcja.

Mechanizm odczytu pozostaje nanoporowy i jest opisany w artykule Sekwencjonowanie nanoporowe. Ten tekst dotyczy aparatu jako elementu linii technologicznej: planowania pojemności, partii, jakości, logistyki i zastosowań.

Dwie osie skali: flow cell i liczba pozycji

Na przepustowość wpływają dwa niezależne wybory:

1. klasa flow cell — PromethION Flow Cell ma większy potencjał danych niż MinION Flow Cell;
2. liczba niezależnych pozycji — P2 obsługuje do dwóch, P24 do dwudziestu czterech wkładów.

Dlatego dwa równoległe wkłady P2 nie są odpowiednikiem dwóch pozycji GridION. Oba systemy mają niezależne sloty, ale pracują na innej klasie wkładu i dla innego budżetu danych. Z kolei P24 nie wymaga zapełnienia wszystkich dwudziestu czterech pozycji jednym zsynchronizowanym runem. Można uruchamiać je na żądanie, co pozwala łączyć skalę produkcyjną z pewną elastycznością.

Nominalna wydajność nie jest stałą fizyczną aparatu. Zależy od wersji flow cell i chemii, aktywnych porów, jakości biblioteki, długości odczytów, obłożenia, czasu, basecallingu oraz kryteriów filtrowania. Zakup należy opierać na zweryfikowanym zakresie osiąganym dla własnego typu próbki, nie na rekordzie uzyskanym dla idealnej biblioteki.

P2 i P24 rozwiązują różne problemy organizacyjne

PromethION 2 Integrated jest wysokowydajnym systemem stołowym z dwiema niezależnymi pozycjami i zintegrowanymi zasobami obliczeniowymi. Pasuje do laboratorium, które regularnie sekwencjonuje duże genomy albo potrzebuje wysokiego yield dla pojedynczych projektów, lecz nie prowadzi pełnej produkcji kohortowej przez całą dobę.

PromethION 24 jest platformą wielopozycyjną dla ośrodka rdzeniowego, programu populacyjnego lub dużej pracowni. Dwadzieścia cztery pozycje nie są wyłącznie „większym P2”. Wymuszają inny poziom:

• automatyzacji i równoważenia bibliotek;
• planowania personelu;
• kontroli serii odczynników;
• transportu danych;
• monitorowania obciążenia;
• utrzymania zapasu flow cells;
• zarządzania incydentem obejmującym wiele próbek.

P2 można prowadzić jak zaawansowany instrument projektowy. P24 trzeba prowadzić jak proces produkcyjny, nawet jeżeli wszystkie wyniki mają status badawczy.

Przepustowość użyteczna, nie katalogowa

Najpierw definiuje się wymagany użyteczny mianownik. Dla genomu człowieka może to być średnie pokrycie po filtrowaniu, ale sama średnia nie opisuje luk, biasu ani liczby odczytów obejmujących złożone regiony. Dla structural variation ważna jest liczba niezależnych cząsteczek wspierających zdarzenie i jakość breakpointów. Dla fazowania — długość i rozkład odczytów łączących heterozygotyczne markery. Dla metylacji — liczba natywnych odczytów i pewność modelu modyfikacji.

Można rozłożyć budżet:

dane surowe × udział po filtrze jakości × udział mapujący × równomierność × udział informatywny = dane użyteczne

Jeżeli projekt wymaga 90 Gb danych mapujących, a 85% baz przechodzi filtr i 95% mapuje, te dwa filtry już podnoszą potrzebny surowy yield powyżej 111 Gb — przed uwzględnieniem nierównomierności oraz powtórzeń. W metagenomie mnożnikiem jest dodatkowo udział interesującego organizmu. W RNA dochodzi silna nierównowaga ekspresji.

Plan powinien mieć trzy wartości:

• minimum — poniżej niego próbka nie spełnia celu;
• target — typowy wynik wystarczający;
• stop — punkt, po którym dalsze dane nie uzasadniają kosztu i czasu.

Ustalanie targetu dopiero po obejrzeniu wyniku utrudnia porównywanie próbek i może wprowadzić selektywne powtarzanie.

Największe wąskie gardło często leży przed aparatem

PromethION potrafi zużyć dobre biblioteki szybciej, niż niewydajna pracownia je przygotowuje. Przy dużych genomach szczególnie wymagające są wysokocząsteczkowe DNA, jednorodność i brak inhibitorów. Partia nie może być zbudowana z mieszaniny:

• próbek świeżych i wielokrotnie rozmrażanych;
• różnych metod ekstrakcji;
• tkanek o skrajnie innej zawartości polisacharydów, hemu lub lipidów;
• DNA o różnej integralności;
• stężeń wyliczonych nieporównywalnymi metodami.

Przed skalowaniem trzeba wykazać, że ekstrakcja dostarcza powtarzalne stężenie, czystość i rozkład długości. Pilotaż powinien obejmować trudne próbki, nie tylko najlepszy materiał referencyjny. Jeśli połowa próbek kohorty wymaga ręcznej interwencji, automatyzacja samego pipetowania nie tworzy stabilnego procesu.

HMW DNA jako materiał produkcyjny

W eksperymencie jednostkowym operator może ostrożnie uratować jedną lepką próbkę. W kohorcie improwizacja prowadzi do różnic między seriami. Procedura HMW DNA powinna określać:

• dopuszczalny materiał i czas do stabilizacji;
• masę lub liczbę komórek;
• warunki lizy;
• sposób mieszania i typ końcówki;
• kryterium integralności;
• zakres stężenia i objętości;
• postępowanie z próbką zbyt lepką;
• liczbę rozmrożeń;
• maksymalny hold time;
• regułę odrzucenia lub przejścia na inną bibliotekę.

Ultradługie odczyty są możliwe tylko wtedy, gdy cały łańcuch chroni cząsteczki. Nie należy jednak maksymalizować długości dla niej samej. Bardzo lepki materiał utrudnia dokładne pipetowanie i normalizację. Projekt potrzebuje długości wystarczającej do rozwiązania pytania, a nie rekordu.

Projekt partii i randomizacja

Jeżeli pozycje, dni, serie odczynników i operatorzy pokrywają się z grupami biologicznymi, efekt techniczny może udawać efekt biologiczny. Typowy błąd to sekwencjonowanie wszystkich przypadków na jednej serii, a kontroli miesiąc później na nowej chemii. Długie odczyty nie chronią przed batch effect.

Plan partii powinien rozkładać grupy pomiędzy:

• dni ekstrakcji;
• partie bibliotek;
• serie zestawów;
• flow cells;
• pozycje urządzenia;
• operatorów, jeśli jest ich kilku;
• wersje oprogramowania.

Randomizacja nie może ignorować ograniczeń, takich jak pary guz–normalny, rodziny lub powtórzenia czasowe. Takie próbki często warto blokować razem, a bloki randomizować między partiami. Kontrola referencyjna i blank pomagają rozdzielić dryf procesu od różnicy biologicznej.

Multipleksowanie na wysokowydajnej flow cell

Barcoding obniża koszt na próbkę, ale wprowadza decyzję o liczbie próbek na wkład. Zbyt mała liczba marnuje pojemność; zbyt duża zwiększa ryzyko, że część próbek nie osiągnie minimum. Równoważenie masowe jest niewystarczające, gdy próbki różnią się długością fragmentów. Potrzebna jest molarność i dane z pilotażu.

Strategie obejmują:

• równą pulę przy podobnej jakości próbek;
• pulę skorygowaną o historyczny yield;
• wstępny krótki run lub monitoring pierwszych godzin;
• doładowanie niedoreprezentowanych bibliotek;
• zachowanie części biblioteki do rescue;
• rozdzielenie próbek trudnych od rutynowych.

Rescue nie powinno być spontanicznym dolewaniem dowolnej objętości. Zmienia proporcje, czas ekspozycji i interpretację. Reguła musi określać, kiedy doładować, jak udokumentować nowy skład i jak liczyć pokrycie.

Zastosowanie 1: genom człowieka

Wysokoprzepustowe długie odczyty pozwalają w jednym zbiorze analizować:

• małe warianty;
• warianty strukturalne;
• ekspansje powtórzeń;
• fazowanie haplotypów;
• metylację natywnego DNA;
• trudne regiony segmentalnych duplikacji;
• mitochondrialne DNA.

Shafin i współpracownicy pokazali skalowanie assembly jedenastu genomów człowieka na PromethION, w historycznej konfiguracji wykorzystującej po kilka flow cells na genom, wraz z assemblerem Shasta zaprojektowanym dla długich odczytów.² Późniejsza praca populacyjna wykazała kompleksowy opis wariantów, fazowania i metylacji z pojedynczych PromethION Flow Cells, ilustrując postęp chemii i analizy oraz wartość wspólnego odczytu informacji genetycznej i epigenetycznej.³

Nie oznacza to, że jedna flow cell zawsze wystarczy każdej próbce. Jakość DNA, liczba aktywnych porów, wymagane pokrycie i zastosowany model decydują o wyniku. W badaniu chorób rzadkich trzeba ponadto określić, które klasy wariantów są walidowane, jak potwierdza się kandydata i jak raportuje regiony o niewystarczającym pokryciu.

Zastosowanie 2: duże i złożone genomy

Genomy roślin oraz niektórych zwierząt mogą być duże, poliploidalne i bogate w powtórzenia. Długie odczyty pomagają rozciągać assembly przez powtórzenia i fazować haplotypy, lecz problem obliczeniowy oraz ilość materiału rosną. Dla poliploidu „pokrycie 30×” nie ma tej samej wartości co dla prostego genomu diploidalnego: odczyty trzeba przypisać do podobnych homeologów, a rzadsze haplotypy mogą być niedoreprezentowane.

Projekt powinien znać przybliżony rozmiar, ploidalność, heterozygotyczność, udział powtórzeń i poziom kontaminacji organellami. Przed pełną serią warto przeprowadzić pilotaż ekstrakcji z właściwej tkanki. Liście bogate w polisacharydy i metabolity wtórne mogą wymagać innego procesu niż krew lub hodowla komórkowa.

Zastosowanie 3: warianty strukturalne, fazowanie i metylacja

Jedna długa natywna cząsteczka może łączyć breakpoint, heterozygotyczne SNV i wzór metylacji. To pozwala pytać, czy wariant leży na haplotypie matczynym lub ojcowskim, czy metylacja jest allelospecyficzna oraz czy ekspansja powtórzenia zawiera przerwania. Duża przepustowość zwiększa liczbę niezależnych cząsteczek, co jest konieczne do odróżnienia prawdziwego wariantu od chimery.

Minimalny dowód dla SV powinien uwzględniać:

• odczyty wspierające oba złącza lub pełną strukturę;
• unikalne kotwice po obu stronach;
• liczbę niezależnych cząsteczek;
• równowagę alleli i pokrycie referencyjne;
• możliwość chimery bibliotecznej;
• potwierdzenie ortogonalne, gdy wynik ma znaczenie kliniczne.

Modified-base calling jest klasyfikacją sygnału, nie bezpośrednim „odczytem piątej litery”. Należy wersjonować model, raportować coverage modyfikacji, porównywać odpowiednie kontrole oraz uważać na regiony o zmienionej sekwencji, dla których model może zachowywać się inaczej.

Zastosowanie 4: kohorty i genomika populacyjna

Kohorta zmienia wszystkie pojedyncze problemy w problemy rozkładu. Nie wystarczy średni yield 100 próbek, jeśli dziesięć nie osiągnęło minimum. Raport produkcyjny powinien pokazywać medianę, zakres, odsetek powtórzeń, czas od próbki do wyniku, rozkład długości oraz niepowodzenia według przyczyny.

Najważniejsze wskaźniki operacyjne to:

• first-pass success rate;
• odsetek bibliotek wymagających rescue;
• yield i N50 per flow cell oraz per próbka;
• pokrycie autosomów, chromosomów płci i mtDNA;
• równomierność;
• odsetek zanieczyszczeń i zamian;
• czas pracy operatora;
• czas oczekiwania na analizę;
• zużycie dysku na próbkę;
• koszt zaakceptowanego genomu, nie koszt uruchomionej flow cell.

P24 ma sens, gdy proces potrafi wypełnić pozycje dobrymi bibliotekami i odebrać dane bez narastającego backlogu. Inaczej aparat przyspiesza tylko produkcję zaległości.

Zastosowanie 5: metagenomika o dużej głębokości

Złożony mikrobiom zawiera organizmy różniące się liczebnością o wiele rzędów wielkości. Wysoki yield pomaga docierać do rzadszych składników, wiązać geny oporności z genomem gospodarza i budować metagenome-assembled genomes. Długie odczyty są szczególnie cenne dla elementów ruchomych, plazmidów i kontekstu operonów.

W badaniu mikrobiomu jamy ustnej długie odczyty PromethION pozwoliły składać genomy bakteriofagów i umieszczać profagi w kontekście genomu gospodarza; dla poszczególnych próbek uzyskano dziesiątki gigabaz danych.⁴ Nadal obowiązują jednak ograniczenia próbkowania: wynik opisuje DNA wyekstrahowane z konkretnej porcji, a nie całe środowisko. Duży yield nie naprawia nieskutecznej lizy określonej grupy ani zanieczyszczenia odczynników.

Zastosowanie 6: transkryptomika i pełne izoformy

Wysokowydajne sekwencjonowanie cDNA pozwala obserwować pełne izoformy, połączenia egzonów i transkrypty fuzyjne. Direct RNA zachowuje natywną cząsteczkę oraz część informacji o modyfikacjach, lecz ma inne profile błędów i zwykle niższy efektywny throughput. Wybór zależy od tego, czy priorytetem jest liczba cząsteczek, pełna struktura, ilościowość czy natywność RNA.

W eksperymencie kohortowym trzeba używać spike-inów, kontrolować integralność RNA i rozkładać grupy między flow cells. Długie odczyty nie usuwają biasu ekspresji: kilka bardzo obfitych transkryptów może zużyć znaczną część porów. Deplecja lub selekcja wstępna zmienia pytanie biologiczne i musi być identyczna w porównywanych grupach.

Zastosowanie 7: single-cell i Pore-C

W długoodczytowym single-cell cząsteczka może łączyć barcode komórki z pełną izoformą. Zyskiem jest struktura transkryptu na poziomie komórki; kosztem — złożona biblioteka, dodatkowe błędy barcode i duże wymagania względem głębokości. Nie wystarczy przenieść pipeline’u short-read bez walidacji demultipleksowania oraz przypisywania izoform.

Pore-C i pokrewne metody konformacji chromatyny wykorzystują długie odczyty do obserwacji wielokrotnych kontaktów w jednej cząsteczce. Są naturalnym zastosowaniem wysokiej przepustowości, lecz sygnał zależy od utrwalenia, trawienia, ligacji, głębokości i modelu normalizacji. Aparat dostarcza relacje, a nie gotową trójwymiarową strukturę genomu.

Kiedy wysoka przepustowość jest złym wyborem

PromethION Flow Cell może być ekonomicznie i jakościowo nieodpowiednia dla:

• jednego małego ampliconu;
• okazjonalnej kontroli plazmidu;
• szkolenia bez budżetu dobrych próbek;
• laboratorium bez stabilnej ekstrakcji HMW;
• projektu, który nie potrafi zarchiwizować danych;
• pilnej małej próbki, która musi czekać na sztuczne wypełnienie puli;
• heterogenicznego procesu bez kryteriów przyjęcia.

Niewykorzystana duża flow cell może kosztować więcej niż kilka mniejszych eksperymentów. Z kolei dzielenie jej między zbyt wiele niepodobnych próbek komplikuje równoważenie i harmonogram. Dobiera się najmniejszą klasę, która spełnia wymagane minimum z rozsądnym marginesem.

Kontrola przyjęcia flow cell i lot-to-lot

Przy dużej skali nawet mała różnica między seriami wpływa na wiele próbek. Laboratorium powinno:

1. rejestrować serię i warunki transportu;
2. sprawdzać wkład przed biblioteką;
3. śledzić aktywne pory oraz yield względem historii;
4. nie mieszać zmiany serii z inną dużą zmianą procesu;
5. używać stabilnej próbki referencyjnej;
6. ustalać regułę eskalacji przy trendzie kilku flow cells;
7. oddzielać reklamację wkładu od niepowodzenia biblioteki.

Nie każda słabsza flow cell jest wadliwa. Analiza trendu wymaga korekty o jakość materiału, typ biblioteki, czas i ustawienia. Najlepiej porównywać podobne projekty. Jednocześnie nie wolno przypisywać wszystkich problemów próbce bez kontroli wspólnego systemu.

Kryterium zwolnienia próbki

Flow cell może mieć dobry run, a konkretna próbka nie spełnić celu. Zwolnienie powinno odbywać się per próbka i zastosowanie. Przykładowo dla genomu człowieka:

• minimalna liczba mapujących baz;
• mediana lub średnia głębokość wraz z równomiernością;
• udział genomu powyżej progów pokrycia;
• N50 odczytów;
• kontrola płci genetycznej i zanieczyszczenia;
• zgodność fingerprintu;
• metryki wymaganych klas wariantów;
• potwierdzenie, że wersje pipeline’u są zatwierdzone.

Dla metagenomu ważniejsze będą blank, liczba odczytów taksonu, kompletność MAG i kontekst genów. Dla RNA — spike-in, przypisanie do transkryptów, długość i saturacja. Jedna karta QC dla wszystkich metod jest pozorną standaryzacją.

Awaria w skali produkcyjnej

Incydent P24 może dotyczyć jednej próbki, jednej flow cell, kilku pozycji lub wspólnego systemu. Plan awaryjny powinien zawierać:

• zapis stanu aktywnych runów;
• priorytet bezpiecznego dokończenia akwizycji;
• możliwość eksportu danych;
• zapas miejsca poza instrumentem;
• kontakt serwisowy i czasy reakcji;
• kwarantannę wyników dotkniętych zdarzeniem;
• decyzję o powtórzeniu na podstawie kryterium próbki;
• plan odtworzenia kolejki;
• komunikację z właścicielami projektów.

Powtarzanie całej partii może być niepotrzebne, jeżeli dane dla części próbek są kompletne i integralne. Z kolei dokończenie plików nie gwarantuje, że incydent nie wpłynął na basecalling lub metadane. Decyzję dokumentuje się z dowodami.

Obliczenia i dane — tylko niezbędne minimum

Zintegrowane systemy mają zasoby do akwizycji i analizy w czasie rzeczywistym, lecz przy dwóch lub dwudziestu czterech wysokowydajnych flow cells dane stają się osobnym strumieniem produkcyjnym. Trzeba zmierzyć prędkość zapisu, transferu, basecallingu i archiwizacji dla najcięższej planowanej konfiguracji. Dokładne modele CPU/GPU szybko się dezaktualizują; ważny jest test obciążeniowy oraz aktualna specyfikacja producenta.

Surowy sygnał umożliwia ponowny basecalling nowszym modelem, ale istotnie zwiększa retencję. Polityka danych powinna rozdzielać pliki niezbędne do audytu, pliki robocze i wyniki odtwarzalne z kodu. Dla danych ludzkich dochodzą kontrola dostępu, szyfrowanie, okres przechowywania i bezpieczne usunięcie.

Ekonomia: koszt zaakceptowanego wyniku

Porównanie aparatury wyłącznie po cenie flow cell pomija:

• koszt ekstrakcji i QC;
• bibliotekę i barcode;
• czas operatora;
• serwis oraz przestój;
• odsetek niewykorzystanej pojemności;
• powtórzenia;
• obliczenia i archiwum;
• walidację zmian;
• koszt oczekiwania próbki;
• utracony materiał.

Najlepszą jednostką jest koszt próbki, która spełniła wszystkie wymagania za pierwszym razem, wraz z amortyzacją i kosztami wspólnymi. P24 może mieć znakomity koszt jednostkowy przy stabilnym obciążeniu, ale zły przy sporadycznych projektach. P2 może być droższy na bazę, a tańszy dla laboratorium dzięki mniejszemu ryzyku pustych pozycji.

Checklista doboru P2 lub P24

1. Jaki jest wymagany miesięczny budżet użytecznych baz?
2. Ile próbek musi być uruchamianych równolegle?
3. Czy napływ jest ciągły, czy kampanijny?
4. Jaki odsetek bibliotek przechodzi QC za pierwszym razem?
5. Czy grupy biologiczne można zrandomizować między partie?
6. Czy zespół ma wydajność ekstrakcji i biblioteki równą urządzeniu?
7. Jak szybko dane opuszczają system?
8. Jakie są kryteria przyjęcia per próbka?
9. Co dzieje się przy awarii obejmującej wiele aktywnych pozycji?
10. Czy rzeczywiste obciążenie uzasadnia 24 pozycje, czy dwie wystarczą?

Checklista przed partią

1. Zamroź listę próbek i randomizację.
2. Potwierdź tożsamość, zgodę i fingerprint, jeśli dostępny.
3. Sprawdź HMW DNA/RNA według kryteriów metody.
4. Zapisz serie flow cells, zestawów i odczynników.
5. Przygotuj kontrolę referencyjną, blank i plan barcode.
6. Zachowaj materiał do rescue.
7. Sprawdź pojemność zapisu, transfer i archiwum.
8. Ustal minimum, target oraz stop per próbka.
9. Wyznacz operatora, analityka i osobę decyzyjną dla odchyleń.
10. Nie łącz niezwalidowanej zmiany chemii z nowym pipeline’em.

Checklista po partii

1. Oceń każdą próbkę, a nie tylko sumę flow cell.
2. Sprawdź kontaminację, barcode bleed i fingerprint.
3. Porównaj sloty, serie, dni i operatorów.
4. Zarejestruj rescue i powtórzenia wraz z przyczyną.
5. Zwolnij wyniki według metody.
6. Przenieś dane z przestrzeni roboczej.
7. Zachowaj checksumy, wersje i dziennik zmian.
8. Zaktualizuj trend first-pass success i koszt zaakceptowanej próbki.
9. Oceń, czy incydent miał zasięg lokalny czy wspólny.
10. Wprowadź CAPA tylko wtedy, gdy analiza przyczyny ją uzasadnia.

Co definiuje klasę wysokoprzepustową

Wysokoprzepustowy sekwenator nanoporowy łączy większą flow cell z równoległością i procesem zdolnym obsłużyć dużą produkcję. PromethION 2 Integrated reprezentuje wejście do tej klasy dla pojedynczych dużych projektów i dwóch niezależnych pozycji; PromethION 24 — laboratorium kohortowe z maksymalnie dwudziestoma czterema wkładami.

Prawdziwą granicą nie jest jednak liczba portów. Laboratorium wchodzi do klasy wysokoprzepustowej, gdy potrafi regularnie dostarczać porównywalne biblioteki, planować partie, mierzyć użyteczny yield, przenosić dane, zwalniać próbki i zarządzać zmianą. Bez tego duży aparat jest tylko bardzo szybkim sposobem ujawnienia wcześniejszych słabości procesu.

Literatura i źródła