开发CluBCpG并进行细胞类型比较
评估在批量WGBS数据中，读取水平CpG甲基化模式是否能区分不同细胞类型。
开发CluBCpG，将基因组分为100-bp非重叠bin，分析覆盖所有CpG的读取，按甲基化模式聚类。对ENCODE B细胞/单核细胞和Rizzardi神经元/胶质细胞数据进行自我比较和交叉比较，验证聚类特异性。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
在批量全基因组亚硫酸盐测序数据中识别细胞类型特异性甲基化信号
Identification of cell type-specific methylation signals in bulk whole genome bisulfite sequencing data
实验完整度
高涉及人B细胞/单核细胞、神经元/胶质细胞及小鼠神经元/胶质细胞WGBS数据，包含细胞类型比较、合成混合物去卷积、基因表达预测、DMR验证和焦磷酸测序等功能验证。
主要模型
人B细胞和单核细胞（ENCODE WGBS数据） 人神经元和胶质细胞（Rizzardi等WGBS数据） 小鼠神经元和胶质细胞（Lister等WGBS数据） 体外合成细胞混合物（B细胞和单核细胞WGBS reads混合）
重点核对
CluBCpG分析时每个文库至少10条信息读取覆盖的100-bp bin，且聚类需至少4条相同甲基化模式读取（P<0.01，χ2检验） PReLIM训练数据来自小鼠神经元和胶质细胞，采用5折交叉验证，并设置置信度>0.6以保持95%准确性 DSS分析DMR时最小长度≥50bp、至少2个CpG，显著性阈值P<10^-8 合成混合物比例范围10:90至90:10，每个比例重复10-15次，使用不同随机种子 基因表达预测使用随机森林模型，100次随机训练测试分割，80%训练，20%测试
摘要
背景：研究组织样本中表观遗传机制CpG甲基化的传统方法是识别跨越多个CpG位点的协调差异甲基化区域（差异甲基化区域）。仅限于单个或少量CpG的变异被认为反映了随机过程。为了验证这一点，我们开发了软件Cluster-Based analysis of CpG methylation（CluBCpG），并探索了全基因组亚硫酸盐测序数据中读取水平CpG甲基化模式的变异。结果：对人类和小鼠全基因组亚硫酸盐测序数据集的分析揭示了与细胞类型和细胞类型特异性生物过程相关的读取水平特征。这些特征大多与经典的差异甲基化区域正交，富集于细胞类型特异性增强子，并能够估计合成混合物中的细胞组成比例以及改善基因表达的预测。同时，我们开发了一种机器学习算法Precise Read-Level Imputation of Methylation（PReLIM），通过插补单个测序读取上的CpG甲基化状态来增加现有全基因组亚硫酸盐测序数据集的覆盖率。PReLIM不仅提高了CluBCpG的覆盖率和性能，还使得识别新的差异甲基化区域成为可能，我们对此进行了独立验证。结论：我们的数据表明，组织全基因组亚硫酸盐测序文库中的读取水平CpG甲基化模式反映了细胞类型，而非随机变异。因此，这些新的计算工具应能促进对DNA甲基化表观遗传调控的理解。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 批量WGBS数据中的读取水平CpG甲基化模式是否包含细胞类型特异性信息，而非仅反映随机过程？
- 核心机制
- 读取水平CpG甲基化模式与细胞类型相关，可能通过影响转录因子结合等机制调控基因表达，而非仅限于传统DMR的转录沉默。
- 主要证据
- CluBCpG在人B细胞/单核细胞和神经元/胶质细胞中识别出大量细胞类型特异性读取聚类，这些聚类富集于细胞类型特异性增强子，与DMR重叠低，并能估计合成混合物中细胞比例和改善基因表达预测；PReLIM插补后覆盖率提升，新发现的DMR经焦磷酸测序验证。
- 研究意义
- 表明读取水平CpG甲基化模式携带细胞类型信息，为理解DNA甲基化调控提供新视角，并可应用于细胞去卷积和增强WGBS数据分析。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
评估CluBCpG聚类与DMR和增强子的关系
探究细胞类型特异性聚类是否与经典DMR重叠，以及是否富集于增强子区域。
使用DSS识别B细胞/单核细胞DMR，与CluBCpG聚类bin重叠比较。使用GREAT进行GO分析，并检查与活性增强子的重叠。
开发PReLIM并进行性能评估
开发一种机器学习算法，在读取水平上插补缺失的CpG甲基化值，以提高CluBCpG的覆盖率。
使用随机森林模型，基于小鼠神经元和胶质细胞WGBS数据训练，对每个CpG位点编码特征，并评估插补准确性。
PReLIM插补后重新分析并验证新DMR
检验PReLIM插补是否能提高DMR的检出能力，并验证新发现的DMR的真实性。
对小鼠神经元和胶质细胞WGBS数据进行PReLIM插补，使用DSS识别DMR，与未插补比较。对部分新DMR进行焦磷酸测序验证。
使用CluBCpG聚类估计细胞组成比例
验证CluBCpG聚类是否可用于估计合成混合物中的细胞类型比例。
通过计算混合B细胞和单核细胞WGBS reads创建不同比例的合成混合物，使用CluBCpG识别聚类，然后使用线性回归模型基于聚类特征预测比例。
评估聚类信息对基因表达预测的改善
验证CluBCpG聚类信息是否能改善基于启动子甲基化的基因表达预测。
使用ENCODE B细胞和单核细胞的差异表达基因，构建包含启动子平均甲基化和聚类信息的随机森林模型，比较AUC。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| WGBS数据预处理 | TrimGalore默认参数进行质量修剪，Bismark比对参考基因组（人类hg38、小鼠mm10），Picard去重，Samtools排序。 阅读提示：Methods: WGBS preprocessing and analysis pipeline |
| CluBCpG分析 | 基因组分为100-bp非重叠bin，仅分析包含≥2 CpG的bin，每个bin至少10条信息读取，聚类需至少4条相同模式读取（P<0.01，χ2检验）。 阅读提示：Results: A new approach...; Methods: CluBCpG analytical approach |
| PReLIM训练与插补 | 使用小鼠神经元和胶质细胞WGBS数据，随机森林模型，输入特征包含相邻CpG状态、该CpG位点的平均甲基化、读取上CpG数量以及bin中所有CpG模式的相对比例。5折交叉验证，置信度C=|2(y-0.5)|>0.6用于插补。 阅读提示：Methods: PReLIM training and validation |
| DSS分析 | 最小DMR长度≥50 bp，≥2 CpGs，显著性阈值P<10^-8（除非特别说明）。 阅读提示：Methods: DSS analysis |
| 合成混合物比例估计 | B细胞和单核细胞WGBS reads按比例10:90至90:10混合，每个比例重复10-15次。使用CluBCpG聚类作为特征，PCA降维至20个主成分，线性回归模型，5折交叉验证。 阅读提示：Methods: Proportion estimation of in silico cell mixtures |
| 基因表达预测 | ENCODE B细胞和单核细胞表达数据，启动子窗口TSS±3kb，3750个差异表达基因，随机森林模型，超参数网格搜索和10折交叉验证。 阅读提示：Methods: Random forest prediction of gene expression |
| 焦磷酸测序验证 | 使用NeuN免疫标记和FACS分选神经元和非神经元DNA，对10个DMR进行焦磷酸测序验证。 阅读提示：Results: PReLIM improves power...; Methods: Pyrosequencing |