Das Bulk-RNA-Seq misst die Expression aller Gene, im Mittel, über eine Zellpopulation hinweg. Es ist das Referenzwerkzeug, um transkriptionelle Programme zwischen Bedingungen, Patientengruppen oder Behandlungen zu vergleichen – robust, sensitiv, wirtschaftlich, anwendbar auf klinische Kohorten wie auf präklinische Modelle. Wo das Single-Cell die Heterogenität Zelle für Zelle auflöst, bevorzugt das Bulk die Tiefe, die statistische Aussagekraft und die Kosten.
Prinzip und Ablauf
Die Gesamt-RNA wird extrahiert, dann wird eine Sequenzierbibliothek erstellt – Selektion der poly-A-RNA oder Depletion der ribosomalen RNA (die auch die nicht-kodierenden RNA erfasst und degradierte RNA oder FFPE-Proben toleriert) oder auch 3′-Barcode-Methoden wie das BRB-Seq, die zahlreiche Proben kostengünstig multiplexen. Die Fragmente werden sequenziert, auf ein Referenzgenom aligniert, und die pro Gen gezählten Reads ergeben ein Expressionsmaß. Die Differenzialanalyse (DESeq2, edgeR) vergleicht anschließend die Bedingungen anhand biologischer Replikate: DESeq2 normalisiert die Bibliotheksgrößen und die Zusammensetzung, modelliert die Variabilität und bleibt für schwach exprimierte Gene robust. Es folgen die Anreicherung von Signalwegen (GSEA) und die Auslesung von Signaturen.
Varianten und Optionen
Das Protokoll variiert je nach Ziel: poly-A- oder Gesamt-RNA-RNA-Seq (ribosomale Depletion), strangspezifische Bibliotheken, 3′-Barcode-Sequenzierung (BRB-Seq, wirtschaftliches Multiplexing), Small-RNA-Seq für microRNA oder Pseudo-Bulk durch Aggregation von Single-Cell-Daten. Nachgelagert schätzt die Dekonvolution die Anteile der Zelltypen aus einem Bulk-Profil und gewinnt einen Teil der Zusammensetzungsinformation zurück.
Wann und warum diese Techniken
Das Bulk-RNA-Seq ist der Standard, wenn Expressionsprogramme zwischen Bedingungen oder Gruppen verglichen werden, mit Replikaten als Beleg: Wirkung einer Behandlung, Signatur einer schlechten Prognose, in einem Tumor reprimierter Signalweg. Es ist unschlagbar bei Kohorten (statistische Aussagekraft), definierten Populationen (sortierte Zellen, homogenes Gewebe) und Archivproben (FFPE), zu deutlich geringeren Kosten als das Single-Cell.
Die Kehrseite dieser Robustheit ist ein Verlust an Auflösung. Da die Messung ein Populationsmittelwert ist, verdeckt sie die zelluläre Heterogenität und die seltenen Typen und sagt nicht, welcher Typ ein Signal erzeugt. Subtiler: Eine beobachtete Variation kann entweder eine intrazelluläre Regulation oder eine bloße Änderung der Zellanteile widerspiegeln (das Simpson-Paradoxon); die Auflösung dieser Mehrdeutigkeit setzt eine vorgelagerte Zellsortierung oder eine Dekonvolution voraus. Die Aussagekraft hängt von der Zahl der Replikate ab, Batch-Effekte müssen kontrolliert werden, und die 3′-Methoden (BRB-Seq) verzichten auf die Isoform-Information.
Die Expertise von Inovarion
Inovarion hat das Bulk-RNA-Seq in der Onkologie und in der Immunologie eingesetzt, von Patientenkohorten bis zu präklinischen Modellen. Ihre Publikationen veranschaulichen dies in drei Kontexten: Die differenzielle Expression von CD34+-Markzellen von Patienten mit chronischer myelomonozytärer Leukämie zeigte die Repression von Retroelementen und Immunwegen sowie deren Reaktivierung durch eine epigenetische Kombination; die transkriptomische Analyse des Nebennierenrindenkarzinoms verband eine Hypermethylierung mit einem Immunescape, der durch ein demethylierendes Agens reversibel war; und das BRB-Seq-Profiling von Tumorsphäroiden und Schnitten von Nierentumoren von Patienten charakterisierte die Reaktion auf eine duale Kinasehemmung. Die Wahl des Bibliotheksprotokolls, der Zahl der Replikate und der Differenzialanalyse-Strategie hängt vom untersuchten Gewebe und der erforderlichen Auflösung ab.
Siehe auch: Single-Cell-RNA-Seq; Proteomik & Massenspektrometrie; Bioinformatik.
Wichtige Publikationen
- Hidaoui et al. Targeting heterochromatin eliminates chronic myelomonocytic leukemia malignant stem cells through reactivation of retroelements and immune pathways. Communications Biology, 2024. Eintrag → · PubMed
- Kerdivel et al. DNA hypermethylation driven by DNMT1 and DNMT3A favors tumor immune escape contributing to the aggressiveness of adrenocortical carcinoma. Clinical Epigenetics, 2023. PubMed
- Giacosa et al. Cooperative Blockade of CK2 and ATM Kinases Drives Apoptosis in VHL-Deficient Renal Carcinoma Cells through ROS Overproduction. Cancers (Basel), 2021. PubMed