DNA差異甲基化識(shí)別的統(tǒng)計(jì)學(xué)方法的分析與研究

王冬

摘要：DNA甲基化（DNA methylation）是最早發(fā)現(xiàn)的表觀遺傳修飾途徑之一，差異甲基化的研究與單親遺傳病、腫瘤的發(fā)生、組織的老化等生物過程密切相關(guān)。DNA差異區(qū)域的識(shí)別研究可分為兩類：針對(duì)芯片測(cè)序數(shù)據(jù)的定長(zhǎng)區(qū)域研究和亞硫酸氫鹽高通量測(cè)序數(shù)據(jù)的不定長(zhǎng)區(qū)域研究，后者的研究因其所求區(qū)域精度較高，近年來更受關(guān)注。該文給出了基于統(tǒng)計(jì)學(xué)的一些現(xiàn)有的定長(zhǎng)與不定長(zhǎng)區(qū)域識(shí)別方法，簡(jiǎn)述各種方法的原理和步驟，并作出一定的分析。

關(guān)鍵詞：DNA甲基化；差異；識(shí)別；統(tǒng)計(jì)學(xué)

中圖分類號(hào)：TP18 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1009-3044（2014）24-5744-02

1 生物背景

生物信息學(xué)（Bioinformatics）是研究生物信息的收集、處理、存儲(chǔ)、分析、解釋等各方面的學(xué)科，利用應(yīng)用數(shù)學(xué)、信息學(xué)、統(tǒng)計(jì)學(xué)以及計(jì)算機(jī)技術(shù)等方法研究生物學(xué)的問題。當(dāng)前的生物信息學(xué)主要是分子生物學(xué)和信息技術(shù)（尤其是互聯(lián)網(wǎng)技術(shù)）的結(jié)合。DNA是組成染色體的主要化學(xué)成分，同時(shí)也是組成基因的材料。DNA也被稱為“遺傳分子”。 表觀遺傳是指DNA序列不發(fā)生變化，但基因表達(dá)卻發(fā)生了可遺傳的改變。這種改變是細(xì)胞內(nèi)除了遺傳信息以外的其他可遺傳物質(zhì)發(fā)生的改變，且這種改變?cè)诎l(fā)育和細(xì)胞增殖過程中能穩(wěn)定遺傳。DNA甲基化（DNA methylation）是最早發(fā)現(xiàn)的表觀遺傳修飾途徑之一，DNA的甲基化可引起基因的失活。

DNA甲基化在各類生物體個(gè)體、組織、細(xì)胞中是普遍存在的，但在不同個(gè)體、組織、細(xì)胞之間，甲基化水平也是具有差異性的。即便是針對(duì)同一個(gè)體的同一段DNA區(qū)域，不同的組織和細(xì)胞間的DNA甲基化水平也存在著大量的差異。

一般來講，我們所說的DNA差異甲基化區(qū)域即是指這樣的DNA區(qū)域：同一個(gè)體的同一段DNA堿基序列上，不同樣本（器官、組織、細(xì)胞等）之間的DNA甲基化程度存在較大差異的DNA序列。而DNA差異甲基化與單親遺傳病、腫瘤的發(fā)生、個(gè)體的老化、細(xì)胞的分化密切相關(guān)。深入研究DNA差異甲基化，與有性生殖、衰老、惡性腫瘤的發(fā)生的關(guān)系，不但有助于闡明基因印跡調(diào)控的內(nèi)在機(jī)制， 同時(shí)也將提高相關(guān)疾病的臨床診斷和治療水平。

根據(jù)原始實(shí)驗(yàn)數(shù)據(jù)測(cè)序方法的不同，DNA甲基化差異區(qū)域的識(shí)別大致可分為針對(duì)芯片測(cè)序的基于定長(zhǎng)區(qū)域的方法和針對(duì)二代測(cè)序的基于定長(zhǎng)區(qū)域的方法。

2 基于定長(zhǎng)區(qū)域的方法研究

芯片測(cè)序數(shù)據(jù)的特點(diǎn)是出現(xiàn)較早，成本較低，非單堿基精度等?；诙ㄩL(zhǎng)區(qū)域的方法主要針對(duì)芯片測(cè)序數(shù)據(jù)，首先將芯片測(cè)序數(shù)據(jù)進(jìn)行預(yù)處理為如下形式（圖1） ，再使用下文所述方法進(jìn)行差異分析。

Hansen等人提出了曲線平滑的方法，其基本原理為對(duì)甲基化水平曲線進(jìn)行平滑，來降低實(shí)驗(yàn)數(shù)據(jù)由測(cè)序深度造成的誤差，然后在修正曲線的基礎(chǔ)上進(jìn)行差異統(tǒng)計(jì)量的計(jì)算。而平滑的基本思路是取一定比例的局部數(shù)據(jù)，在這部分點(diǎn)中擬合多項(xiàng)式回歸曲線。而局部數(shù)據(jù)的每個(gè)點(diǎn)有不同的權(quán)值，離要擬合的點(diǎn)越近，權(quán)重就越高，相反，權(quán)重就越低。

蘇建忠等人提出了熱點(diǎn)延展的方法，是利用延展思路針對(duì)計(jì)數(shù)法思想的改進(jìn)?；舅悸肥菍?duì)每個(gè)樣本尋找連續(xù)的高甲基化或低甲基化位點(diǎn)，將甲基化模式相似的那些相鄰位點(diǎn)連接成熱點(diǎn)區(qū)域，并對(duì)熱點(diǎn)區(qū)域進(jìn)行延伸，得到所求的差異區(qū)域。其熱點(diǎn)的尋找方式為尋找長(zhǎng)度至少大于100個(gè)有效CG堿基對(duì)的連續(xù)區(qū)域，區(qū)域內(nèi)所有位點(diǎn)都是屬于高甲基化類或者低甲基化類的。

通過實(shí)際試驗(yàn)分析，三種方法中，泵獵取和熱點(diǎn)延展的方法表現(xiàn)了更好的統(tǒng)計(jì)差異特征，

而利用曲線平滑的過程可以有效地降低測(cè)序深度不足帶來的誤差。

4 結(jié)束語(yǔ)

通過上面的介紹，我們分析了一些現(xiàn)有的定長(zhǎng)與不定長(zhǎng)區(qū)域DNA甲基化差異區(qū)域識(shí)別方法，明確了DNA甲基化差異區(qū)域的基本研究流程，簡(jiǎn)單介紹了各方法分析差異的基本思路和原理。針對(duì)現(xiàn)有的方法，仍舊有某些方面可以進(jìn)行改進(jìn)，比如如何更有效地降低原始試驗(yàn)數(shù)據(jù)的誤差，如何對(duì)所求得的區(qū)域進(jìn)行有價(jià)值的篩選等等，這值得進(jìn)一步的探討。

參考文獻(xiàn)：

[1] 薛京倫.表觀遺傳學(xué)——原理、技術(shù)與實(shí)踐[M].上海：上?？茖W(xué)技術(shù)出版社， 2006.

[2] 李巍.生物信息學(xué)導(dǎo)論[M].鄭州大學(xué)出版社，2004：170.

[3] 王翼飛，史定華.生物信息學(xué)—智能化算法及其應(yīng)用[M].化學(xué)工業(yè)出版社，2006.

[4] 董玉瑋，侯進(jìn)慧，朱必才，等表觀遺傳學(xué)的相關(guān)概念和研究進(jìn)展[J].生物學(xué)雜志， 2005，22（1）：1-3.

[5] Rakyan V K， Down T A， Thorne N P，et al. An integrated resource for genome-wide identification and analysis of human tissue-specific differentially methylated regions （tDMRs）. Genome Res.， 2008（18）：1518—1529.

[6] Fan S， Zhang X. CpG island methylation pattern in different human tissues and its correlation with gene expression.Biochem. Biophys. Res. Commun， 2009（ 383）：421-425.

[7] Eckhardt F， Lewin J， Cortese R. et al.DNA methylation profiling of human chromosomes 6， 20 and 22. Nat. Genet， 2006（38）：1378-1385.

[8] Zhang Y， Liu H， et al. QDMR： a quantitative method for identification of differentially methylated regions by entropy. Nucleic Acids Res ， 2011，39（9）： 58.

[9] Lister R， Pelizzola M， Dowen R H，et al.Human DNA methylomes at base resolution show widespread epigenomic differences.Nature， 2009（462）：315-322.

[10] Serre D， Lee B H， Ting A H.MBD-isolated Genome sequencing provides a high-throughput and comprehensive survey of DNA methylation in the human genome. Nucleic Acids Res.， 2010（38）：391-399.