시노바이오로지컬코리아
 
 

BRIC

검색 닫기

전체 메뉴

팝업 닫기
한빛사  >  한빛사논문

한빛사논문

  • 조회2,481
정현환
정현환Hyun-Hwan Jeong

Baylor College of Medicine, Texas Children’s Hospital

Genome Res., Published in Advance April 23, 2019 | doi: 10.1101/gr.245571.118 Beta-binomial modeling of CRISPR pooled screen data identifies target genes with greater sensitivity and fewer false negatives

Hyun-Hwan Jeong1,2, Seon Young Kim1,2, Maxime W. C. Rousseaux1,2,†, Huda Y. Zoghbi1,2,3,4, Zhandong Liu2,3*

1Department of Molecular and Human Genetics, Baylor College of Medicine, Houston, Texas, USA
2Jan and Dan Duncan Neurological Research Institute, Texas Children’s Hospital, Houston, Texas, USA
3Department of Pediatrics, Baylor College of Medicine, Houston, Texas, USA
4Howard Hughes Medical Institute, Houston, Texas, USA

†Present Address: University of Ottawa Brain and Mind Research Institute and Department of Cellular and Molecular Medicine, University of Ottawa, Ottawa, Ontario, Canada

*Correspondence should be addressed to Zhandong Liu

Abstract

The simplicity and cost-effectiveness of CRISPR technology have made high-throughput pooled screening approaches accessibleto virtually any lab. Analyzing the large sequencing data derived from these studies, however, still demands considerablebioinformatics expertise. Various methods have been developed to lessen this requirement, but there are still three tasksfor accurate CRISPR screen analysis that involve bioinformatic know-how if not prowess: designing a proper statistical hypothesistest for robust target identification, developing an accurate mapping algorithm to quantify sgRNA levels, and minimizing theparameters necessary that need to be fine-tuned. To make CRISPR screen analysis more reliable as well as more readily accessible,we have developed a new algorithm, called CRISPRBetaBinomial or CB2 (https://CRAN.R-project.org/package=CB2). Based on the beta-binomial distribution, which is better suited to sgRNA data,CB2 outperforms the eight most commonly used methods (HiTSelect, MAGeCK, PBNPA, PinAPL-Py, RIGER, RSA, ScreenBEAM, and sgRSEA)in both accurately quantifying sgRNAs and identifying target genes, with greater sensitivity and a much lower false discoveryrate. It also accommodates staggered sgRNA sequences. In conjunction with CRISPRcloud, CB2 will bring CRISPR screen analysis within reach for a wider community of researchers.

논문정보

관련 인터뷰

1. 논문관련 분야의 소개, 동향, 전망을 설명, 연구과정에서 생긴 에피소드 CRISPR/Cas9 유전자 편집 기술은 현재 다양한 분야에 활용되고 있는데, disease pathogenesis나 cellular biology에 대해 연관성 있는 유전자 후보군을 찾기 위한 pooled genetic screen (CRISPR pooled screen)을 위해서도 널리 사용되고 있습니다. 이를 통해 high-throughput의 genetic screen이 가능하게 되었으며, screen의 결과로 next generation sequencing (NGS) data가 생성됩니다. 이번에 진행한 연구는 CRISPR pooled genetic screen을 통해 생성된 NGS data를 정확하게 정량화하고 유전자 후보군을 선별하는 computational method를 개발하는 것입니다. 본 연구팀이 개발한 CB2(CRISPRBetaBinomial)를 발표하기 이전에 10여개가량의 computation method가 발표될 정도로 많은 이 분야는 연구자들이 활발하게 연구되고 있는 분야입니다. 하지만 발표된 방법의 경우에는 CRISPR pooled screen의 특징을 정확히 반영하지 않은 RNA-seq 기반의 방법을 확장하였거나, NGS data 상에 존재하는 variability를 고려하지 않아 정확하지 않은 분석 결과를 제공할 수 있습니다. 본 연구팀은 이러한 기존의 방법들에 존재하는 문제를 해결하기 위해 beta-binomial 분포 기반의 modeling을 통한 유전자 후보군을 선별하는 방법과 sliding window 알고리즘을 이용한 정량화 알고리즘인 CB2를 개발하였습니다. CB2의 유전자 후보군 선별에 대한 정확성을 확인하기 위해 5개의 essential gene screen data 분석 결과를 다른 8개의 방법과 비교했을 때, CB2가 가장 높은 정확도를 보이고, 정량화 부분에서도 기존에 개발된 알고리즘보다 높은 정확도를 보임을 확인할 수 있었습니다. CB2 는 현재 R 프로그래밍 언어의 package로 제공 하고 있으며 (https://cran.r-project.org/package=CB2), 프로그래밍이나 데이터 분석에 어려움이 있는 연구자들을 위해서 본 연구팀이 2017년에 개발하고 발표한 CRISPR pooled screen 데이터 분석 cloud-computing framework인 CRISPRcloud (http://crispr.nrihub.org)에CB2 알고리즘을 구현하였습니다. 2. 연구를 진행했던 소속기관 또는 연구소에 대해 소개 부탁 드립니다. 저는 현재 휴스턴에 위치한 Baylor College of Medicine과 Texas Children's Hospital에 소속된 Jan and Dan Duncan Neurological Research Institute (NRI) 에서 박사후 과정 연구를 진행하고 있습니다. 박사후과정의 멘토로 Zhandong Liu교수와 Huda Zoghbi교수의 사사를 하고 있으며, 주로 진행하고 있는 연구는 neurodegenerative disease의 연구에서 만들어지는 NGS data를 효과적으로 분석하기 위한 computational analysis method를 개발하는 연구를 진행하고 있습니다. NRI의 가장 큰 장점을 하나 꼽자면 다양한 분야의 Neurological disease를 연구하는 석학들이 있고, 따라서 연구소 내부의 협업이 매우 자연스럽게 진행된다는 점입니다. 3. 연구활동 하시면서 평소 느끼신 점 또는 자부심, 보람 박사과정 때만 하더라도 제한적이던 타 분야의 연구자들과의 협업과 교류를 왕성히 진행하고 있는 것이 즐겁고, 협업하는 연구자들과 제가 개발한 분석법을 통해서 새로운 결과를 발견할 때 많은 보람을 느낍니다. 4. 이 분야로 진학하려는 후배들 또는 유학준비생들에게 도움이 되는 말씀을 해 주신다면? 만약 computational analysis method를 개발하는 연구를 시작하고자 하는 후배들이 있다면, 우선 모든 방법은 이전에 개발된 software들을 답습하고 발전시킨 것이며, 완전히 새로운 방법을 만든다는 것은 사실상 불가능한 것입니다. 따라서 정말 신선한 아이디어가 떠오르지 않아도 좌절할 필요는 없다고 이야기하고 싶습니다. 또한, 새로운 방법을 개발하기 위해서는 치밀한 답습이 필요하다는 것을 이야기하고 싶습니다. 다시 말해서, 기존의 방법들에 대해 단순히 논문을 읽고 작동을 시키는 것 이상으로, 기존의 software를 뜯어보고 의도한 데로 수정하면서 방법에 대한 제대로 된 이해가 가능하며, 이를 통해 새로운 아이디어를 얻게 될 수 있습니다. 5. 연구활동과 관련된 앞으로의 계획이 있으시다면? CB2를 발표한 이후 추가적인 연구를 통해 CB2를 보다 정확한 분석 방법으로 만들기 위한 여러 가지 시도를 하고 있습니다. 또한 현재 CB2 단순한 readout을 보이는 screen에서 나온 데이터를 분석하는데 제한되어 있는데, 최근 발표된 scRNA-seq 기법을 이용한 복합적인 readout이 요구되는 screen 연구의 데이터를 분석할 수 있게 하기 위한 연구를 진행하려고 합니다. 6. 다른 하시고 싶은 이야기들.... 우선 이번 논문을 낼 때 저의 버팀목이자 공저자로 많이 고생한 아내에게 진심으로 감사의 말을 전하고 싶습니다. 그리고 학사 2년차부터 박사과정까지 저를 지켜봐 주시고 학자의 길로 인도해주신 위규범 교수님, bioinformatics를 연구할 수 있는 연구자로 성장시켜주신 손경아 교수님, 가능성을 믿고 휴스턴에서 박사후과정 연구를 할 수 있게 해준 Zhandong Liu교수와 Huda Zoghbi 교수에게 깊은 감사의 말을 전하고 싶습니다. Screen 실험 관련하여 질문이 있을 때마다 귀찮음 없이 열과 성을 다해 알려준 Maxime Rousseaux 박사, 김원호 박사님, 김지연 박사님께 감사의 말을 전합니다. 또한 제가 소속된 연구실에서 가장 친한 친구이자, biology에 대해 많은 것을 가르쳐준 Hari Krishna Yalamanchili 박사와, 끊임없는 격려를 해준 Ying-Wooi Wan 박사, 윤완희 박사님에게 고맙다는 이야기를 전하고 싶습니다. 그리고 항상 아낌없는 격려와 응원해주시는 부모님, 장인어른, 장모님께 감사하다는 마음 전하고 싶습니다.
+ 더보기

관련 웨비나

CRISPR-BetaBinomial(CB2) 기법을 이용한 CRISPR pooled screen data 분석[Genome Res.]

학술웨비나

CRISPR-BetaBinomial(CB2) 기법을 이용한 CRISPR pooled screen data 분석[Genome Res.] CRISPR/Cas9 유전자 편집 기술은 현재 다양한 분야에 활용되고 있는데, disease pathogenesis나 cellular biology에 대해 연관성 있는 유전자 후보군을 찾기 위한 pooled genetic screen (CRISPR pooled screen)을 위해서도 널리 사용되고 있습니다. 이를 통해 high-throughput의 genetic screen이 가능하게 되었으며, screen의 결과로 next generation sequencing (NGS) data가 생성됩니다. CRISPRBetaBinomial(CB2) 기법은 beta-binomial 분포 기반의 modeling을 통한 유전자 후보군을 선별하는 방법과 sliding window 알고리즘을 이용한 정량화 알고리즘으로 구성된 방법으로, 5개의 essential gene screen data 분석 결과를 이전에 발표된 방법들과 비교했을 때, CB2가 가장 높은 정확도를 보이고, 정량화 부분에서도 기존에 개발된 알고리즘보다 높은 정확도를 보임을 확인할 수 있었습니다. CB2 는 현재 R 프로그래밍 언어의 package로 제공하고 있으며 (https://cran.r-project.org/package=CB2), 프로그래밍이나 데이터 분석에 어려움이 있는 연구자들을 위해서 본 연구팀이 2017년에 개발하고 발표한 CRISPR pooled screen 데이터 분석 cloud-computing framework인 CRISPRcloud (http://crispr.nrihub.org)에서도 사용 가능합니다.
  • 정현환(Baylor College of Medicine, Texas Children’s Hospital)
목록

댓글 작성 로그인

팝업 닫기

관련 링크

정현환 님 전체 논문보기

연구자 키워드

연구자 ID

관련분야 연구자보기

소속기관 논문보기

관련분야 논문보기

해당논문 저자보기

CV 열람하기

팝업 닫기

열람하시는 목적을 아래에서 선택하시면 CV를 열람 하실 수 있습니다.

열람 목적

연락처 보기

팝업 닫기

활용하시는 목적을 아래에서 선택하시면 연락처 정보를 보실 수 있습니다.

열람 목적

  • 요청하신 목적으로만 활용하시고, 타용도 사용 및 무단수집을 금합니다.

필코리아테크놀로지

써모피셔사이언티픽