Fluxos de trabalho em bioinformática para análise de DNA extracromossômico

Abstract

DNAs circulares extracromossômicos (eccDNAs) são moléculas de DNA circularizadas, nucleares encontradas em todos os organismos eucarióticos investigados até agora. Desde sua descoberta na década de 1960, certas características dos eccDNAs foram esclarecidas; sua replicação independente fora dos cromossomos, variação em tamanho e quantidade e diversidade de conteúdo genético - alguns até abrigam genes codificadores de proteínas e impulsionam a amplificação da expressão. Essas características levaram os eccDNAs a ganharem destaque como potenciais alvos de pesquisa sobre câncer e envelhecimento, devido à sua aparente correlação com a instabilidade genômica. Recentemente, estratégias de sequenciamento de próxima geração foram usadas para caracterizar eccDNAs em diferentes espécies e tipos de células, mas até agora, relativamente poucos programas foram publicados para analisar eccDNAs a partir de dados de sequenciamento. Cada programa é único em termos de requisitos de instalação, parâmetros de execução e formatos de saída, dificultando a usabilidade, a comparação de ferramentas e a interpretação de dados para o usuário final. Nosso objetivo foi desenvolver um pipeline para automatizar a execução de quatro ferramentas diferentes de detecção e processamento de dados de eccDNA sequenciado por leituras-longas (Oxford Nanopore): FLEC, ecc_finder, cyrcular-calling e CReSIL. Utilizamos a linguagem Nextflow para coordenar a execução e o processamento de resultados para cada programa e utilizamos contêineres computacionais para garantir uma instalação simples. Testamos o pipeline usando dados de sequenciamento de nanoporos de amostras de fibroblastos humanos e vesículas extracelulares. Com as configurações padrão, resultados mostraram que o número de eccDNAs previstos variou significativamente entre os programas. Comparações e consolidações adicionais dessas previsões resultaram em um conjunto de eccDNAs consenso para cada amostra, que pode ser usado para anotação e interpretação biológica posterior. Esperamos que o desenvolvimento desta ferramenta facilite o processamento e interpretação de dados relacionados à pesquisa dos eccDNAs por sequenciamento de leituras-longas, ajudando a elucidar mais de suas características e permitir a eventual exploração de seu potencial biotecnológico, terapêutico e diagnóstico, contribuindo assim com a pesquisa sobre eccDNAs.