数据收集与预处理
获取并整理哺乳动物甲基化芯片数据。
从Mammalian Methylation Consortium获取13,245个个体样本，覆盖348种物种和59种组织，共746个物种-组织组合数据（GSE223748）。
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
CMImpute：跨物种和组织层面的哺乳动物物种DNA甲基化样本插补
CMImpute: cross-species and tissue imputation of species-level DNA methylation samples across mammalian species
实验完整度
中方法为计算插补，通过交叉验证（样本相关0.920、探针相关0.623等）和下游寿命预测评估，但缺乏湿实验验证。
主要模型
哺乳动物甲基化芯片数据集（348种物种、59种组织） 物种-组织组合均值样本
重点核对
数据来源：GSE223748，13,245个个体样本，348种物种，59种组织，746个组合 交叉验证：五折，465个组合均值样本 基线：物种基线、组织基线、全局基线、逻辑回归 性能评估：样本和探针水平Pearson相关、MSE 超参数：两层1024和512，TanH，潜空间维度8，学习率0.001，epsilon 0.0001
摘要
哺乳动物甲基化芯片的大规模应用显著扩展了哺乳动物物种中DNA甲基化数据的可用性。然而，这些数据仅捕获了物种-组织组合的一小部分。为了解决这个问题，我们开发了CMImpute（跨物种甲基化插补），一种基于条件变分自编码器的方法，用于插补代表物种-组织组合的DNA甲基化。我们证明CMImpute在插补值和观测值之间实现了强的样本水平相关性。使用CMImpute和来自348个物种和59种组织类型的数据，我们插补了19,786个新的物种-组织组合的甲基化数据。我们期望CMImpute将成为DNA甲基化分析的有用资源。
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
- 如何在未观测的物种-组织组合中准确插补DNA甲基化样本？
- 核心机制
- CMImpute是一种条件变分自编码器，通过物种和组织标签进行条件化，学习跨物种和跨组织的甲基化模式，以生成缺失组合的平均甲基化。
- 主要证据
- 通过五折交叉验证，CMImpute在样本水平上与观测值的平均Pearson相关为0.920，显著高于基线；在最高覆盖度探针上探针相关为0.623，优于其他基线。
- 研究意义
- CMImpute填补了物种-组织组合覆盖缺失的空白，可扩展比较表观遗传学研究，并可预测物种最大寿命，但需注意其为计算预测。
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。
模型训练与超参数选择
训练CMImpute模型并确定最优超参数。
使用CVAE架构，采用网格搜索选择超参数，基于验证集样本相关最大化。
交叉验证评估
评估插补性能。
在五折交叉验证中，CMImpute对465个组合均值样本进行插补，并与观测数据比较，使用Pearson相关和MSE等指标。
全数据集插补
生成所有未观测物种-组织组合的插补样本。
使用所有746个组合数据训练最终模型（超参数：两层1024和512，TanH，潜空间8，学习率0.001，epsilon 0.0001），并插补19,786个未见组合。
下游分析验证
验证插补样本的实用性。
使用插补样本预测物种最大寿命，通过LOSO线性回归评估。
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
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 模型实现 | Keras | -- | 2.10.0 |
| TensorFlow | -- | 2.10.0 | |
| Numpy | -- | 1.23.4 | |
| scikit-learn | -- | 0.24.2 | |
| 数据来源 | 哺乳动物甲基化芯片 | -- | -- |
| SeSaMe | -- | -- |
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 |
|---|---|
| 数据收集 | 数据集：GSE223748，13,245个样本，348种物种，59种组织，746个组合 阅读提示：Methods: Mammalian methylation array data |
| 超参数选择 | 最终超参数：两层1024和512，TanH，潜空间8，学习率0.001，epsilon 0.0001 阅读提示：Methods: Prediction of non-observed species-tissue combinations |
| 交叉验证评估 | 五折交叉验证，465个组合 阅读提示：Methods: Cross-validation datasets to compare imputed species-tissue combination mean samples with held-out observed data |
| 插补过程 | 随机标准正态抽样，输入标签到解码器 阅读提示：Methods: Species-tissue combination mean imputation |