Analýza genomických dat u pacientů s chronickou lymfocytární leukémií

Mgr. Petr Tauš, Ph.D.

Doctoral thesis

Analysis of genomic data in patients with chronic lymphocytic leukemia

Abstract:

Chronická lymfocytární leukémie (CLL) je nevyléčitelná lymfoproliferativní malignita CD5+ B buněk charakterizovaná vysoce variabilním klinickým průběhem a genetickou komplexitou. Navzdory skutečnosti, že genetické pozadí CLL je dobře charakterizováno, přenos těchto poznatků do klinické praxe naráží na mnohá úskalí. Hlavní příčinou, která brání stratifikaci pacientů na základě mutačních profilů, je heterogenita a řídkost mutačních dat. V této práci byly stanoveny dva hlavní cíle zaměřené na vytvoření odlišných výpočetních postupů použitých primárně v kontextu CLL. V rámci prvního cíle jsme stratifikovali pacienty na základě profilu somatických mutací. K vytvoření výpočetního postupu jsme využili sekvenační celoexomová data od 506 CLL pacientů shromážděná organizací International Cancer Genome Consortium. V prvním kroku jsme namapovali mutované geny na biologické procesy a vypočítali dráhové mutační skóre, čímž jsme snížili heterogenitu a řídkost dat. Poté jsme využili tzv. „ensemble“ klastrovací algoritmus a pomocí strojového učení extrahovali abnormální molekulární dráhy. Identifikovali jsme čtyři skupiny pacientů se specifickými profily dráhového mutačního skóre lišící se v čase do první léčby. Druhý cíl byl zaměřen na vytvoření výpočetního postupu pro analýzu dat z RNA sekvenování jednotlivých buněk (scRNA-seq). Hlavním záměrem bylo identifikovat buněčný původ CLL, ke kterému se vztahuje mnoho teorií, stále však neexistuje žádný konsensus. Navíc není jasné, zda onemocnění vzniká z jednoho či více buněčných prekurzorů, a v jaké fázi buněčného vývoje k maligní transformaci dochází. V minulosti se nám podařilo identifikovat vzácnou populaci B buněk v periferní krvi zdravých dospělých, která exprimovala CLL-specifický gen ROR1. Tuto populaci, o níž jsme předpokládali, že by mohla být buněčným původem CLL, jsme se rozhodli detailně charakterizovat. V rámci tohoto projektu jsme využili vlastní data i veřejně dostupné datasety. Vytvořili jsme referenci zdravých B lymfocytů a sortovaných ROR1+ B lymfocytů. Pro detekci populace, která se nejvíce podobá CLL buňkám, jsme využili tzv. „extreme gradient boosting” algoritmus, pomocí kterého jsme vytvořili klasifikační model pro predikci transkriptomické podobnosti různých podskupin zdravých B buněk s maligními buňkami. Zjistili jsme, že buněčné klastry obohacené o ROR1+ B buňky jsou podobnější buňkám CLL než kterékoli jiné buňky v naší referenci. Dále jsme pozorovali, že ROR1+ B buňky se podobají anergickým B buňkám, což je v souladu s hypotézou naznačující původ CLL z autoreaktivních B buněk. Tato práce představuje dva výpočetní postupy a příklady jejich úspěšné implementace při studiu CLL, a současně demonstruje jejich aplikaci při hledání odpovědí na odlišné biologické otázky nad rámec CLL.

Abstract:

Chronic lymphocytic leukemia (CLL) is an incurable lymphoproliferative malignancy of CD5+ B cells characterized by a highly variable clinical course and genetic complexity. Despite the fact that CLL genetic landscape has been well-characterized, translation of this knowledge into clinical practice remains elusive. The main culprit preventing patient stratification based on mutational profiles is the heterogeneity and sparsity of mutation data. In this thesis, I set two main goals focusing on establishing the two distinct computational workflows primarily applied in the context of CLL. The first focused on stratifying patients based on their somatic mutation profile. We built the workflow using 506 CLL patients' whole exome sequencing data gathered by the International Cancer Genome Consortium. Firstly, we decreased data heterogeneity and sparsity by mapping mutated genes to biological processes and calculated pathway mutation scores. Then we applied ensemble clustering and extracted abnormal molecular pathways with a machine learning approach. We identified four patient groups with specific pathway mutational profiles differing in time to first treatment. The second goal was to establish a computational workflow for the analysis of single-cell RNA sequencing (scRNA-seq) data. The main objective was to explore the cellular origin of CLL, on which multiple theories exist, but no consensus has been reached. Moreover, it is unclear whether the disease is derived from single or multiple precursors and at what stage the transformation occurs. We previously identified a rare B cell population in the peripheral blood of healthy adults expressing a CLL-specific gene ROR1. We decided to characterize this population that we hypothesized to be the cellular origin of CLL. In this project, we combined our datasets with publicly available data. We created a reference of healthy B cells and sorted ROR1+ B cells. To identify the most similar population to CLL cells, we leveraged the extreme gradient boosting algorithm to build a classification model for predicting the transcriptomic similarity of healthy B cell subsets to malignant cells. We found that cellular clusters enriched for ROR1+ B cells are more similar to CLL cells than any other in our reference. In addition, we observed that ROR1+ B cells resemble anergic-like cells, which is in line with the hypothesis suggesting the origin of CLL from autoreactive B cells. In conclusion, this thesis presents two computational workflows and examples of their successful implementation in the study of CLL, and demonstrates their application beyond CLL to multiple different biological questions.

Keywords

Chronic Lymphocytic Leukemia, Pathway mutation score, Single-cell RNA sequencing, Data analysis, B cells

Language used: English

Date on which the thesis was submitted / produced: 12. 1. 2023

Thesis defence

• Date of defence: 7. 2. 2023
• Supervisor: Mgr. Karla Plevová, Ph.D.
• Reader: Ph.D. Jonathan Landry, Mgr. Jan Stuchlý, Ph.D., doc. RNDr. Sabina Ševčíková, Ph.D.

Masaryk University

Faculty of Science

Doctoral programme / field:
Life Sciences / Life Sciences