队列选择与数据预处理
建立可比较的跨队列DNA甲基化数据集
从13个已发表AD EWAS队列获取450K或EPIC阵列数据，进行质量控制和归一化
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
一项细胞类型解析的荟萃分析揭示与衰老和阿尔茨海默病相关的胶质细胞DNA甲基化变化
A cell-type-resolved meta-analysis reveals glial DNA methylation changes associated with aging and Alzheimer's disease
实验完整度
中基于13个队列、约3812份样本的存档DNA甲基化数据进行计算解卷积和荟萃分析，属观察性/计算分析，无湿实验功能验证。
主要模型
13个已发表AD EWAS队列（共3812份脑组织样本） 前额叶皮层（PFC） 内嗅皮层（EC） 颞叶皮层（TC）
重点核对
队列纳入标准：至少30名供体、至少两个队列、每个区域至少100份样本、至少5名个体贡献每个表型结局组 年龄关联模型：年龄为连续变量，控制性别和诊断 AD关联模型：AD诊断为二分类变量，控制年龄和性别 Braak分期关联模型：Braak分期为连续变量，控制年龄和性别 显著性阈值：FDR < 0.05，多重检验校正选用Benjamini-Hochberg和Bonferroni
摘要
引言：全表观基因组关联研究提示DNA甲基化参与阿尔茨海默病（AD）病理。尽管近期研究在非神经元细胞类型中发现了疾病风险的 epigenet ic 特征，但胶质细胞类型（即星形胶质细胞、少突胶质细胞）的甲基化组在生物学衰老和AD发病机制中的作用尚不清楚。方法：在本研究中，我们检查了13个队列的存档DNA甲基化数据，并进行计算机细胞类型解卷积，以识别与胶质细胞衰老和AD相关的新表观遗传特征。结果：我们在前额叶皮层（PFC）的星形胶质细胞中观察到显著的年龄相关甲基化特征，在内嗅皮层的少突胶质细胞中观察到AD相关甲基化特征。PFC内的星形胶质细胞和神经元成为Braak分期相关甲基化特征的关键参与者。在少突胶质细胞中，我们观察到年龄相关DNA甲基化特征的AD效应放大。讨论：我们的研究扩展了先前的发现，并揭示了与表观遗传衰老和AD相关的胶质特异性甲基化模式。
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
- 在生物学衰老和阿尔茨海默病发病机制中，胶质细胞类型（星形胶质细胞、少突胶质细胞）的DNA甲基化发挥何种细胞类型特异性作用？
- 核心机制
- 在PFC星形胶质细胞中年龄相关甲基化特征显著，在EC少突胶质细胞中AD相关甲基化特征显著；少突胶质细胞的年龄相关甲基化效应随AD而放大，而星形胶质细胞的年龄相关特征与疾病状态解耦。
- 主要证据
- 13个队列3812份样本的细胞类型解卷积与区域分层荟萃分析；PFC星形胶质细胞669个DMP和224个DMR；EC少突胶质细胞AD相关DMP（含ABCA1、SHF等）；Braak分期效应量秩富集分析显示PFC星形胶质细胞和神经元显著富集。
- 研究意义
- 研究扩展了先前的发现，揭示了与表观遗传衰老和AD相关的胶质特异性甲基化模式，强调在疾病相关性状中评估细胞特异性DNA甲基化模式的重要性。
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。
细胞类型解卷积
估计每个队列中脑细胞类型比例
使用EpiSCORE脑组织参考矩阵，通过加权稳健偏相关方法估计细胞比例
细胞类型特异性差异甲基化关联分析
识别与年龄、AD状态和Braak分期相关的细胞类型特异性DMP
使用CellDMC框架，建模估计细胞类型比例与表型变量的交互作用
区域分层细胞特异性荟萃分析
整合各队列细胞类型特异性关联结果
使用固定效应逆方差加权（IVW）框架，在CpG × 区域 × 细胞类型水平进行荟萃分析
差异甲基化区域（DMR）分析
识别细胞类型特异性差异甲基化区域
使用comb-p方法从荟萃分析结果中识别DMR
效应量秩富集分析
评估细胞类型对组织水平Braak分期DMP的贡献
对Smith等人报道的Braak相关CpG进行基于秩的ES富集分析
细胞特异性年龄-疾病轨迹分析
评估年龄相关DMPs在AD中的效应方向和大小变化
比较年龄相关DMPs（p<0.05）在细胞类型特异性年龄和AD关联中的方向和效应大小
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 |
|---|---|---|---|
| 数据分析 | R | -- | version 4.5.1 |
| DNA甲基化数据导入 | minfi | -- | version 1.56.0 |
| 探针水平质量控制 | ewastools | -- | version 1.8.0 |
| 质量控制 | ChAMP | -- | version 2.21.1 |
| 细胞类型解卷积 | EpiSCORE | -- | version 0.9.6 |
| 细胞类型特异性差异甲基化分析 | EPIDISH | -- | version 2.28.0 |
| 替代变量分析 | sva | -- | version 3.58.0 |
| 荟萃分析 | meta | -- | version 8.2.1 |
| DMR分析 | comb-p | -- | -- |
| 基因组可视化 | Gviz | -- | version 1.54.0 |
| 功能富集分析 | missMethyl | -- | version 1.44.0 |
| 数据可视化 | ggplot2 | -- | version 4.0.2 |
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 |
|---|---|
| 队列纳入 | 13个队列的具体纳入标准：至少30名供体、至少两个队列、每个区域至少100份样本、至少5名个体贡献每个表型结局组 阅读提示：Methods 2.1 Cohorts及表1 |
| 数据预处理 | QC标准：亚硫酸氢盐转化效率≥80%、阴性探针背景强度≥1000、甲基化/非甲基化强度均值在3SD内、检测p值>0.01去除、beadcount<3去除、BMIQ归一化 阅读提示：Methods 2.2 Data preprocessing |
| 细胞类型解卷积 | EpiSCORE版本0.9.6、脑组织参考矩阵、Oligo_OPC合并策略、微胶质细胞去除阈值<0.5% 阅读提示：Methods 2.3 Cell-type deconvolution and differential methylation analysis |
| 差异甲基化关联分析 | CellDMC模型协变量（年龄模型控制性别和诊断；AD模型控制年龄和性别；Braak分期模型控制年龄和性别）、SVs选择标准（λ≤1.2）、FDR<0.05 阅读提示：Methods 2.3及2.4 Region-stratified cell-specific meta-analysis |
| 荟萃分析 | 固定效应IVW、至少两个独立队列支持、BACON校正、基因组膨胀阈值（校正前>2.0或校正后>1.5排除） 阅读提示：Methods 2.4 Region-stratified cell-specific meta-analysis |
| DMR分析 | comb-p方法、500-bp窗口、种子p值0.05、Sidak校正、hg19注释 阅读提示：Methods 2.5 Differentially methylated region (DMR) analysis |
| 效应量秩富集分析 | 约400,000个CpG位点排序、Smith-CpGs参考集、Wilcoxon检验、1×10^4次置换、前缘方向一致性分析参数 阅读提示：Methods 2.6 ES rank enrichment analysis |
| 年龄-疾病轨迹分析 | 年龄相关DMPs定义（p<0.05）、ES放大回归斜率、Pearson相关 阅读提示：Methods 2.7 Cell-specific age-to-disease trajectory analysis |