Summary

אופטימיזציה לרצף וניתוח של הירידה FFPE-בדיקות RNA

Published: June 08, 2020
doi:

Summary

שיטה זו מתארת את השלבים כדי לשפר את האיכות והכמות של נתוני הרצף שניתן להשיג באמצעות דגימות RNA מוטבעות (FFPE) קבועות של שעווה מוטבעת של formalin. אנו מתארים את המתודולוגיה להעריך יותר במדויק את האיכות של הדגימות FFPE-RNA, להכין ספריות ברצף, ולנתח את הנתונים מ FFPE-RNA דגימות.

Abstract

ביטוי גנטי ניתוח על-ידי רצפי RNA (RNA-seq) מאפשר תובנות ייחודיות לתוך דגימות קליניות שעלולות להוביל להבנת המנגנון של הבסיס למחלות שונות, כמו גם התנגדות ו/או מנגנוני הרגישות. עם זאת, רקמות FFPE, המייצגים את השיטה הנפוצה ביותר לשימור מורפולוגיה של רקמות בדגימות קליניות, אינן המקורות הטובים ביותר לניתוח ביטוי גנטי בפרופיל. ה-RNA שהושג מדגימות כאלה הוא מפורק לעתים קרובות, מפוצל, ושונה כימית, אשר מוביל לספריות רצפי משנה מיטביות. בתורו, אלה ליצור נתוני רצף באיכות ירודה שאינם אמינים עבור ניתוח ביטוי גנים גילוי מוטציה. כדי לעשות את המרב מדגימות FFPE ולהשיג את הנתונים הטובים ביותר האפשריים מדגימות באיכות נמוכה, חשוב לנקוט אמצעי זהירות מסוימים תוך תכנון תכנון ניסיוני, הכנת ספריות ברצף ובמהלך ניתוח נתונים. הדבר כולל את השימוש במדדים המתאימים לבקרת איכות מדויקת (QC), המזהה את השיטות הטובות ביותר לשלבים שונים במהלך יצירת הספריות ברצף, והקפד על הספרייה QC. בנוסף, החלת כלי תוכנה נכונה ופרמטרים עבור ניתוח נתונים רצף הוא קריטי על מנת לזהות פריטים בנתוני RNA-seq, לסנן את הזיהום באיכות נמוכה קורא, להעריך אחידות של כיסוי גנים, ולמדוד את הגישה המתוכנת של פרופילי ביטוי גנים בין משכפל ביולוגי. שלבים אלה יכולים להבטיח דיוק גבוה ומהווה התוכסות ליצירת פרופיל של דגימות RNA הטרוגנית מאוד. כאן אנו מתארים את השלבים השונים עבור מדגם QC, הכנה לספרייה ו-QC, רצף וניתוח נתונים שיכולים לסייע להגדיל את כמות הנתונים השימושיים שהתקבלו מ-RNA באיכות נמוכה, כגון זה שהתקבל מרקמות FFPE-RNA.

Introduction

השימוש בגישות הדור הבא איפשר לנו ללקט שפע של מידע מסוגים שונים של דגימות. עם זאת, מדגמים ישנים ומשומרים שנשמרו אינם מעשיים עבור השיטות הנפוצות של יצירת נתוני רצף ולעיתים קרובות דורשות שינויים בפרוטוקולים מבוססים היטב. רקמות ffpe לייצג סוג כזה מדגם כי כבר מנוצל נרחב עבור דגימות קליניות1,2,3. בעוד שימור FFPE שומר מורפולוגיה רקמות, חומצות גרעין ברקמות FFPE בדרך כלל מוצג מגוון רחב של נזק והשפלה, מה שמקשה לאחזר את המידע גנומית שעשוי להוביל תובנות חשובות על מנגנונים מולקולריים בבסיס הפרעות שונות.

ביטוי גנים נתונים שנוצרו על-ידי רצפי RNA הוא לעתים קרובות אינסטרומנטלי בלימוד מחלות ומנגנוני התנגדות ומשלים ניתוח מוטציה DNA. עם זאת, RNA הוא פגיע יותר השפלה, מה שהופך אותו מאתגר יותר להפיק נתונים ביטוי גנים מדויקים מרקמות FFPE. יתרה מזאת, מכיוון שהזמינות הרחבה והזולה של רצפי הרצף התבצעה לאחרונה, דגימות ישנות יותר לא אוחסנו לעתים קרובות בתנאים הנדרשים לשמירה על שלמות ה-RNA. חלק מהנושאים של דגימות FFPE כוללים השפלה של RNA עקב הטבעה של פרפין, שינוי כימי של RNA המוביל פיצול או refractoriness לתהליכים אנזימטיים הנדרש לרצף, ואובדן של זנבות פולי, הגבלת הישימות של oligo-dT כמו פריימר עבור היפוך טראנסקריפט4. אתגר נוסף הוא טיפול/אחסון של דגימות ffpe תחת תנאים מיטביים, אשר עשוי להוביל לירידה נוספת של מולקולות יציב משך כגון RNA ברקמות5. זה רלוונטי במיוחד עבור דגימות ישנות שייתכן שנאספו בזמן כאשר ניתוח ביטוי גנטי על ידי רצפי RNA לא ציפינו לדגימות. כל אלה להוביל לירידה באיכות וכמות של RNA שחולצו זמין ליצירת נתונים רצף שימושי. ההסתברות הנמוכה של הצלחה, בשילוב עם עלות גבוהה של רצף, יש הניאך חוקרים רבים מלנסות ליצור ולנתח את הנתונים ביטוי גנים מדגימות FFPE שימושי פוטנציאלי. כמה מחקרים בשנים האחרונות הפגינו שימושיות של רקמות ffpe עבור ניתוח ביטוי גנטי2,6,7,8,9, אם כי עבור פחות ו/או יותר דוגמאות לאחרונה.

כמחקר היתכנות, השתמשנו RNA שחולצו מתוך דגימות מרקמת הגידול FFPE של שלושה מאגרים רקמת שיורית מ מעקב, אפידמיולוגיה, ותוצאות סוף (הנביא) סרטן הרישומים עבור רצפי RNA וביטוי גנטי ניתוח10. הושגו ממעבדות פתולוגיה קלינית, רקמות ffpe של השחלות הגבוהה נסיובי אדנוקרצינומות אוחסנו מ 7 – 32 שנים בתנאים משתנים לפני החילוץ RNA. כי ברוב המקרים בלוקים אלה אוחסנו באתרים שונים במשך שנים ללא ציפייה של כל ניתוח גנטי רגיש בעתיד, לא הרבה טיפול נלקח כדי לשמר את חומצות גרעין. כך, רוב הדגימות הציגו RNA באיכות ירודה, עם חלק גדול של דגימות מזוהם עם חיידקים. עם זאת, הצלחנו לבצע כימות גנים, למדוד את האחידות ואת ההמשכיות של כיסוי גנים, ולבצע את ניתוח מתאם פירסון בין משכפל ביולוגי כדי למדוד את התוכנות. מבוסס על קבוצה של מפתח חתימה הפאנל הגן, השוונו את הדגימות במחקר שלנו עם הגנום של סרטן אטלס (TCGA) הנתונים ואישר כי כ 60% של דגימות היה ביטוי גנים דומה פרופילים11. בהתבסס על הקורלציה בין תוצאות QC שונות ומטא-נתונים לדוגמה, זיהינו מדדי QC מרכזיים בעלי ערך ניבוי טוב לזיהוי דגימות שסבירות גבוהה יותר להפקת נתונים רצף שמישים11.

כאן נתאר את המתודולוגיה המשמשת להערכת איכות של FFPE-RNA, יצירת ספריות ברצף החל מדגימות RNA שחולצו, וניתוח ביולוגי של נתוני הרצף.

Protocol

1. כמות RNA ואיכות הערכה בחר את דגימות FFPE על פי קריטריונים מוגדרים מראש ולחלץ RNA באמצעות שיטה מתאימה (g., ערכת הפקת חומצות הגרעין של FFPE, טבלת חומרים).הערה: ישנן מספר שיטות שונות הזמינות עבור מיצוי ffpe-RNA, כולל שיטות מיקרו לחיתוך חדש שיכול לעבוד עם רקמות מעט מאוד לחלץ באיכות טובה RNA<…

Representative Results

המתודולוגיה שתוארה לעיל הוחלה על 67 FFPE דגימות שאוחסנו תחת מגוון של תנאים שונים עבור 7 – 32 שנים (המדגם החציוני זמן אחסון היה 17.5 שנים). תוצאות ערכת הנתונים והניתוח שהוצגו כאן תוארו בעבר ופורסמו בז ואח ’11. על בדיקת איכות המדגם כמתואר קודם (כלומר, עקבות למשל באיור 2), DV<…

Discussion

השיטה המתוארת כאן מתארת את הצעדים העיקריים הנדרשים לקבלת נתוני רצף טובים מדגימות FFPE-RNA. הנקודות העיקריות לשקול עם שיטה זו הם: (1) ודא כי ה-RNA נשמר הטוב ביותר ככל האפשר לאחר החילוץ על ידי מזעור הטיפול לדוגמה, הקפאת והפשרה מחזורים. הפרדת מסדר QC מסייעת רבות. (2) השתמש במדד QC שהוא הטוב ביותר עבור ערכ…

Disclosures

The authors have nothing to disclose.

Acknowledgements

אנו אסירי תודה לד ר דניאל קרריק (חטיבת בקרת סרטן ומדעי האוכלוסין, המכון הלאומי לסרטן) לעזרה מתמשכת, במיוחד לייזום מחקר זה, מתן לנו דגימות, ולהצעות מועילות במהלך ניתוח נתונים. אנו מודים בכנות לכל חברי מתקן הרצף CCR במעבדה הלאומית פרדריק לחקר הסרטן לעזרתם במהלך ההכנה לדוגמה ורצף, במיוחד ברנדה הו לקבלת סיוע במדגם QC, אוקסנה גרמנית עבור הספריה QC, טטיאנה סמירנוף עבור הפעלת הנצנצים. אנחנו גם רוצים להודות Tsai-שן וויי אשלי וולטון ברצף מתקן ביואינפורמטיקה קבוצה לעזרה עם ניתוח נתונים ו-RNA-seq צינור היישום. אנו מודים גם CCBR ו-NCBR לקבלת סיוע עם צינור ניתוח RNaseq ופיתוח שיטות עבודה מומלצות.

Materials

2100 Bioanalyzer Agilent G2939BA
Agilent DNA 7500 Kit Agilent 5067-1506
Agilent High Sensitivity DNA Kit Agilent 5067-4626
Agilent RNA 6000 Nano Kit Agilent 5067-1511
AllPrep DNA/RNA FFPE Kit Qiagen 80234
CFX96 Touch System Bio-Rad 1855195
Library Quantification kit v2-Illumina KapaBiosystems KK4824
NEBNext Ultra II Directional RNA Library Prep Kit for Illumina New England Biolabs E7765S https://www.neb.com/protocols/2017/02/07/protocol-for-use-with-ffpe-rna-nebnext-rrna-depletion-kit
NEBNext rRNA Depletion Kit (Human/Mouse/Rat) New England Biolabs E6310L
NextSeq 500 Sequencing System Illumina SY-415-1001 NextSeq 500 System guide: https://support.illumina.com/content/dam/illumina-support/documents/documentation/system_documentation/nextseq/nextseq-500-system-guide-15046563-06.pdf
NextSeq PhiX Control Kit Illumina FC-110-3002
NSQ 500/550 Hi Output KT v2.5 (150 CYS) Illumina 20024907
10X Genomics Magnetic Separator 10X Genomics 120250
Rotator Multimixer VWR 13916-822
C1000 Touch Thermal Cycler Bio-Rad 1851197
Sequencing reagent kit Illumina 20024907
Flow cell package Illumina 20024907
Buffer cartridge and the reagent cartridge Illumina 20024907
Sodium hydroxide solution (0.2N) Millipore Sigma SX0607D-6
TRIS-HCL Buffer 1.0M, pH 7.0 Fisher Scientific 50-151-871

References

  1. Carrick, D. M., et al. Robustness of Next Generation Sequencing on Older Formalin-Fixed Paraffin-Embedded Tissue. PLoS One. 10 (7), 0127353 (2015).
  2. Hedegaard, J., et al. Next-generation sequencing of RNA and DNA isolated from paired fresh-frozen and formalin-fixed paraffin-embedded samples of human cancer and normal tissue. PLoS One. 9 (5), 98187 (2014).
  3. Zhang, P., Lehmann, B. D., Shyr, Y., Guo, Y. The Utilization of Formalin Fixed-Paraffin-Embedded Specimens in High Throughput Genomic Studies. International Journal of Genomics. 2017, 1926304 (2017).
  4. Srinivasan, M., Sedmak, D., Jewell, S. Effect of fixatives and tissue processing on the content and integrity of nucleic acids. American Journal of Pathology. 161 (6), 1961-1971 (2002).
  5. von Ahlfen, S., Missel, A., Bendrat, K., Schlumpberger, M. Determinants of RNA quality from FFPE samples. PLoS One. 2 (12), 1261 (2007).
  6. Esteve-Codina, A., et al. A Comparison of RNA-Seq Results from Paired Formalin-Fixed Paraffin-Embedded and Fresh-Frozen Glioblastoma Tissue Samples. PLoS One. 12 (1), 0170632 (2017).
  7. Vukmirovic, M., et al. Identification and validation of differentially expressed transcripts by RNA-sequencing of formalin-fixed, paraffin-embedded (FFPE) lung tissue from patients with Idiopathic Pulmonary Fibrosis. BMC Pulmonary Medicine. 17 (1), 15 (2017).
  8. Adiconis, X., et al. Comparative analysis of RNA sequencing methods for degraded or low-input samples. Nature Methods. 10 (7), 623-629 (2013).
  9. Sinicropi, D., et al. Whole transcriptome RNA-Seq analysis of breast cancer recurrence risk using formalin-fixed paraffin-embedded tumor tissue. PLoS One. 7 (7), 40092 (2012).
  10. Altekruse, S. F., et al. SEER cancer registry biospecimen research: yesterday and tomorrow. Cancer Epidemiology, Biomarkers & Prevention. 23 (12), 2681-2687 (2014).
  11. Zhao, Y., et al. Robustness of RNA sequencing on older formalin-fixed paraffin-embedded tissue from high-grade ovarian serous adenocarcinomas. PLoS One. 14 (5), 0216050 (2019).
  12. Amini, P., et al. An optimised protocol for isolation of RNA from small sections of laser-capture microdissected FFPE tissue amenable for next-generation sequencing. BMC Molecular Biology. 18 (1), 22 (2017).
  13. Amini, P., Nassiri, S., Ettlin, J., Malbon, A., Markkanen, E. Next-generation RNA sequencing of FFPE subsections reveals highly conserved stromal reprogramming between canine and human mammary carcinoma. Disease Models and Mechanisms. 12 (8), (2019).
  14. Wimmer, I., et al. Systematic evaluation of RNA quality, microarray data reliability and pathway analysis in fresh, fresh frozen and formalin-fixed paraffin-embedded tissue samples. Scientific Reports. 8 (1), 6351 (2018).
  15. . Babraham Bioinformatics Available from: https://www.bioinformatics.babraham.ac.uk/projects/fastqc/ (2019)
  16. Martin, M. Cutadapt removes adapter sequences from high-throughput sequencing reads. EMBnet.journal. 17 (1), 10-12 (2011).
  17. Bolger, A. M., Lohse, M., Usadel, B. Trimmomatic: a flexible trimmer for Illumina sequence data. Bioinformatics. 30 (15), 2114-2120 (2014).
  18. . Babraham Bioinformatics Available from: https://www.bioinformatics.babraham.ac.uk/projects/fastq_screen/ (2019)
  19. Wood, D. E., Salzberg, S. L. Kraken: ultrafast metagenomic sequence classification using exact alignments. Genome Biology. 15 (3), 46 (2014).
  20. Dobin, A., et al. STAR: ultrafast universal RNA-seq aligner. Bioinformatics. 29 (1), 15-21 (2013).
  21. Wang, L., Wang, S., Li, W. RSeQC: quality control of RNA-seq experiments. Bioinformatics. 28 (16), 2184-2185 (2012).
  22. Ewels, P., Magnusson, M., Lundin, S., Kaller, M. MultiQC: summarize analysis results for multiple tools and samples in a single report. Bioinformatics. 32 (19), 3047-3048 (2016).
  23. Li, B., Dewey, C. N. RSEM: accurate transcript quantification from RNA-Seq data with or without a reference genome. BMC Bioinformatics. 12, 323 (2011).
  24. Son, K., Yu, S., Shin, W., Han, K., Kang, K. A Simple Guideline to Assess the Characteristics of RNA-Seq Data. BioMed Research International. 2018, 2906292 (2018).
  25. McCarthy, D. J., Chen, Y., Smyth, G. K. Differential expression analysis of multifactor RNA-Seq experiments with respect to biological variation. Nucleic Acids Research. 40 (10), 4288-4297 (2012).
  26. Robinson, M. D., McCarthy, D. J., Smyth, G. K. edgeR: a Bioconductor package for differential expression analysis of digital gene expression data. Bioinformatics. 26 (1), 139-140 (2010).
  27. Ritchie, M. E., et al. limma powers differential expression analyses for RNA-sequencing and microarray studies. Nucleic Acids Research. 43 (7), 47 (2015).
  28. Subramanian, A., et al. Gene set enrichment analysis: a knowledge-based approach for interpreting genome-wide expression profiles. Proceedings of the National Academy of Sciences of the United States of America U S A. 102 (43), 15545-15550 (2005).
  29. Mootha, V. K., et al. PGC-1alpha-responsive genes involved in oxidative phosphorylation are coordinately downregulated in human diabetes. Nature Genetics. 34 (3), 267-273 (2003).
  30. Ashburner, M., et al. Gene ontology: tool for the unification of biology. The Gene Ontology Consortium. Nature Genetics. 25 (1), 25-29 (2000).
  31. Huang da, W., Sherman, B. T., Lempicki, R. A. Systematic and integrative analysis of large gene lists using DAVID bioinformatics resources. Nature Protocols. 4 (1), 44-57 (2009).
  32. Huang da, W., Sherman, B. T., Lempicki, R. A. Bioinformatics enrichment tools: paths toward the comprehensive functional analysis of large gene lists. Nucleic Acids Research. 37 (1), 1-13 (2009).
  33. Evaluating RNA Quality from FFPE Samples. Illumina Available from: https://www.illumina.com/content/dam/illumina-marketing/documents/products/technotes/evaluating-rna-quality-from-ffpe-samples-technical-note-470-2014-001.pdf (2016)

Play Video

Cite This Article
Levin, Y., Talsania, K., Tran, B., Shetty, J., Zhao, Y., Mehta, M. Optimization for Sequencing and Analysis of Degraded FFPE-RNA Samples. J. Vis. Exp. (160), e61060, doi:10.3791/61060 (2020).

View Video