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。DNA差異區(qū)域的識別研究可分為兩類：針對芯片測序數(shù)據(jù)的定長區(qū)域研究和亞硫酸氫鹽高通量測序數(shù)據(jù)的不定長區(qū)域研究，后者的研究因其所求區(qū)域精度較高，近年來更受關注。該文給出了基于統(tǒng)計學的一些現(xiàn)有的定長與不定長區(qū)域識別方法，簡述各種方法的原理和步驟，并作出一定的分析。

關鍵詞：DNA甲基化；差異；識別；統(tǒng)計學

中圖分類號：TP18 文獻標識碼：A 文章編號：1009-3044（2014）24-5744-02

1 生物背景

生物信息學（Bioinformatics）是研究生物信息的收集、處理、存儲、分析、解釋等各方面的學科，利用應用數(shù)學、信息學、統(tǒng)計學以及計算機技術等方法研究生物學的問題。當前的生物信息學主要是分子生物學和信息技術（尤其是互聯(lián)網(wǎng)技術）的結合。DNA是組成染色體的主要化學成分，同時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，但基因表達卻發(fā)生了可遺傳的改變。這種改變是細胞內除了遺傳信息以外的其他可遺傳物質發(fā)生的改變，且這種改變在發(fā)育和細胞增殖過程中能穩(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體、組織、細胞中是普遍存在的，但在不同個體、組織、細胞之間，甲基化水平也是具有差異性的。即便是針對同一個體的同一段DNA區(qū)域，不同的組織和細胞間的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：同一個體的同一段DNA堿基序列上，不同樣本（器官、組織、細胞等）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、個體的老化、細胞的分化密切相關。深入研究DNA差異甲基化，與有性生殖、衰老、惡性腫瘤的發(fā)生的關系，不但有助于闡明基因印跡調控的內在機制， 同時也將提高相關疾病的臨床診斷和治療水平。

根據(jù)原始實驗數(shù)據(jù)測序方法的不同，DNA甲基化差異區(qū)域的識別大致可分為針對芯片測序的基于定長區(qū)域的方法和針對二代測序的基于定長區(qū)域的方法。

2 基于定長區(qū)域的方法研究

芯片測序數(shù)據(jù)的特點是出現(xiàn)較早，成本較低，非單堿基精度等。基于定長區(qū)域的方法主要針對芯片測序數(shù)據(jù)，首先將芯片測序數(shù)據(jù)進行預處理為如下形式（圖1） ，再使用下文所述方法進行差異分析。

Hansen等人提出了曲線平滑的方法，其基本原理為對甲基化水平曲線進行平滑，來降低實驗數(shù)據(jù)由測序深度造成的誤差，然后在修正曲線的基礎上進行差異統(tǒng)計量的計算。而平滑的基本思路是取一定比例的局部數(shù)據(jù)，在這部分點中擬合多項式回歸曲線。而局部數(shù)據(jù)的每個點有不同的權值，離要擬合的點越近，權重就越高，相反，權重就越低。

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

通過實際試驗分析，三種方法中，泵獵取和熱點延展的方法表現(xiàn)了更好的統(tǒng)計差異特征，

而利用曲線平滑的過程可以有效地降低測序深度不足帶來的誤差。

4 結束語

通過上面的介紹，我們分析了一些現(xiàn)有的定長與不定長區(qū)域DNA甲基化差異區(qū)域識別方法，明確了DNA甲基化差異區(qū)域的基本研究流程，簡單介紹了各方法分析差異的基本思路和原理。針對現(xiàn)有的方法，仍舊有某些方面可以進行改進，比如如何更有效地降低原始試驗數(shù)據(jù)的誤差，如何對所求得的區(qū)域進行有價值的篩選等等，這值得進一步的探討。

參考文獻：

[1] 薛京倫.表觀遺傳學——原理、技術與實踐[M].上海：上海科學技術出版社， 2006.

[2] 李巍.生物信息學導論[M].鄭州大學出版社，2004：170.

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

[4] 董玉瑋，侯進慧，朱必才，等表觀遺傳學的相關概念和研究進展[J].生物學雜志， 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.