李紅東，洪貴妮，郭政,2

?

外周全血中與老化相關的DNA甲基化標記的來源

李紅東1，洪貴妮1，郭政1,2

1. 電子科技大學生命科學與技術學院，成都610054；2. 福建醫(yī)科大學基礎醫(yī)學院，消化道惡性腫瘤教育部重點實驗室，福州350108

機體老化與癌癥、神經(jīng)退行性疾病等許多復雜疾病相關。目前，研究者已在外周全血中識別了大量的與老化相關的DNA甲基化標記，這些標記可能反映外周血白細胞在機體老化過程中發(fā)生的變化，也可能反映外周血中與年齡相關的細胞構成比例的變化。文章利用3組正常個體外周全血DNA甲基化譜，采用Spearman秩相關分析識別了與老化相關的CpG甲基化位點(age-related DNA methylation CpG sites, arCpGs)并評價了其可重復性；利用去卷積算法估計了各外周血樣本中髓性和淋巴性細胞的比例并分析了其與年齡的相關性；比較了在外周全血、CD4+T細胞和CD14+單核細胞中識別的arCpGs的一致性。結果顯示，在獨立外周全血數(shù)據(jù)中識別的arCpGs具有顯著的可重復性(超幾何檢驗，=1.65×10-11)。外周血髓性和淋巴性細胞的比例分別與年齡顯著正、負相關(Spearman秩相關檢驗，<0.05，≤0.22)，它們間DNA甲基化水平差異較大的CpG位點傾向于在外周全血中被識別為arCpGs。在CD4+T細胞中識別的arCpGs與在外周全血中識別的arCpGs顯著交疊(超幾何檢驗，=6.14×10-12)，且99.1%的交疊位點在CD4+T細胞及外周全血中的DNA甲基化水平與年齡的正、負相關性一致。盡管在CD14+單核細胞中識別的arCpGs與在外周全血中識別的arCpGs并不顯著交疊，但是在交疊的51個arCpGs中，有90.1%的位點在CD14+單核細胞、外周全血以及CD4+T細胞中的DNA甲基化水平與年齡的正、負相關性一致，提示它們可能主要反映細胞間共同的改變。在外周全血中識別的arCpGs主要反映某些白細胞共同或特異的DNA甲基化改變，但是也有一部分反映外周血細胞比例構成的變化。

外周全血；老化；DNA甲基化；CD4+T細胞；CD14+單核細胞

DNA甲基化作為一種重要的表觀遺傳修飾機制與機體老化密切相關[1,2]。在人類正常組織中，全基因組的DNA甲基化水平會隨著年齡增長呈現(xiàn)整體去甲基化的現(xiàn)象，而在某些基因(如與細胞分化相關的梳狀蛋白靶基因等)的特異CpG位點上會呈現(xiàn)高甲基化現(xiàn)象[3~5]。這些與老化相關的DNA甲基化改變能夠增加基因組的不穩(wěn)定性，改變基因表達水平，從而影響各組織的正常生物學功能，提高包括癌癥在內(nèi)的許多衰老相關疾病的發(fā)病風險[1]。在外周血中，人們已經(jīng)觀察到了與組織類似的DNA甲基化改變[6,7]。例如，通過比較百歲老人外周全血和嬰兒臍胎血中的DNA甲基化模式，發(fā)現(xiàn)老人外周全血中的DNA甲基化模式整體上呈現(xiàn)去甲基化趨勢，而與細胞分化相關的梳狀蛋白靶基因卻呈現(xiàn)高甲基化狀態(tài)[6]。因此，許多研究者嘗試在外周血中尋找年齡相關的DNA甲基化改變，并試圖在組織中進行驗證，以期找到可以代替組織分子標記的外周血分子標記[8,9]。

研究發(fā)現(xiàn)，外周血中與天然免疫和適應性免疫相關的細胞會隨著年齡增大而發(fā)生功能變化[10]。例如，巨噬細胞和樹突狀細胞的噬菌作用、自然殺傷細胞的毒性、T細胞的增生能力會隨著年齡增長而減弱[11,12]。外周血細胞的這些功能改變可能與DNA甲基化異常相關，例如T細胞隨年齡發(fā)生的功能改變可能與T細胞內(nèi)DNA整體去甲基化相關[13]。但是，目前尚不清楚在不同白細胞中隨著老化發(fā)生的DNA甲基化改變是否相同以及這些改變能否在全血中得到反映。研究者還發(fā)現(xiàn)，外周血白細胞的構成比例也會隨著年齡增大而發(fā)生變化，例如B細胞和CD8+T細胞的比例會隨著年齡增大而減少[14]。由于來自髓性前體細胞和淋巴性前體細胞的白細胞(分別簡稱為髓性細胞和淋巴性細胞)之間的DNA甲基化模式存在較大差異[15,16]，這種隨年齡變化而產(chǎn)生的細胞構成比例的變化也可能對外周全血中老化相關的DNA甲基化信號產(chǎn)生影響[15]。因此，在外周全血中識別與老化相關DNA甲基化改變時，有必要分析其來源。

本文利用3組正常個體的外周全血DNA甲基化譜，首先證明在獨立數(shù)據(jù)中識別的與老化相關的DNA甲基化CpG位點(age-related DNA methylation CpG sites, arCpGs)具有顯著的可重復性。然后，利用去卷積算法估計了各外周全血樣本中髓性和淋巴性細胞的比例，并分析了這兩類細胞的比例與年齡的相關性及其對外周全血中識別的arCpGs的影響。最后，利用淋巴性細胞亞型CD4+T細胞和髓性細胞亞型CD14+單核細胞的甲基化譜數(shù)據(jù)，分析了不同白細胞亞型的arCpGs與在外周全血中識別的arCpGs的關系。

1 材料和方法

1.1 數(shù)據(jù)

本文所分析的DNA甲基化譜數(shù)據(jù)集均來自GEO(Gene Expression Omnibus)數(shù)據(jù)庫[17]。各數(shù)據(jù)集的詳細信息見表1。數(shù)據(jù)集Set1、Set2與Set3是同一個GEO數(shù)據(jù)系列(GEO檢索號為GSE41037)中的3組獨立數(shù)據(jù)集，分別包含193、105和96個正常的荷蘭人外周全血DNA甲基化譜[8]。這3組數(shù)據(jù)集用來尋找正常人群外周全血中的arCpGs。數(shù)據(jù)集Set4包含正常外周血中NK細胞、B細胞、T細胞、單核細胞和粒細胞的DNA甲基化譜[18]。該數(shù)據(jù)集用作去卷積算法的參考數(shù)據(jù)集。數(shù)據(jù)集Set5和Set6分別包含來自正常個體外周血CD4+T細胞和CD14+單核細胞的DNA甲基化譜，這兩組數(shù)據(jù)集分別用于尋找CD4+T細胞和CD14+單核細胞中的arCpGs[19]。

表1 DNA甲基化譜數(shù)據(jù)集

注：a括號外的數(shù)字是經(jīng)過數(shù)據(jù)質(zhì)量控制后保留下來用作后續(xù)分析的樣本，括號內(nèi)的數(shù)字是經(jīng)數(shù)據(jù)質(zhì)量控制后去掉的樣本數(shù)。bSet4包含的外周白細胞亞型有NK細胞(n=12)、B細胞(n=5)、T細胞(n=16)、單核細胞(n=5)和粒細胞(n=8)。

1.2 數(shù)據(jù)預處理

本文所分析的DNA甲基化譜數(shù)據(jù)集均由Illumina Infinium HumanMethylation27 BeadChip平臺檢測。該平臺共檢測了14 495個基因啟動子和轉錄起始位點附近的27 578個CpG位點的甲基化水平，本文只分析常染色體上的26 486個CpG位點。對于每個CpG位點，其DNA甲基化水平()由該位點的甲基化信號值()和非甲基化信號值()通過公式(1)計算[20]：

由于DNA甲基化水平檢測容易受外界因素的影響，本文采用如下的步驟來控制每組數(shù)據(jù)集的質(zhì)量。首先，在一組數(shù)據(jù)集中，如果某個樣本的DNA甲基化譜中有10%以上的位點的檢測值缺失，則去除這個樣本；對于缺失率低于10%的甲基化譜，其缺失位點的DNA甲基化水平采用k近鄰方法(k=1)補齊。然后，根據(jù)Iancu等[21]介紹的剔除異常樣本方法，對每組數(shù)據(jù)的異常樣本進行剔除。該方法簡介如下：(1)基于每個樣本檢測的所有CpG位點的甲基化水平，計算每兩個樣本間的皮爾森相關系數(shù)；(2)計算每個樣本與其他樣本間的相關系數(shù)的均值即平均相關系數(shù)；(3)將所有樣本的平均相關系數(shù)的均值與每個樣本的平均相關系數(shù)進行比較，如果一個樣本與其他樣本的平均相關系數(shù)處于所有樣本平均相關系數(shù)的兩倍標準差之外，則作為異常樣本剔除。對每組數(shù)據(jù)集重復上述異常樣本剔除過程3次，以確保所有的異常樣本都被去除。每組數(shù)據(jù)集中去除的樣本數(shù)目見表1。

1.3 判定與老化相關的甲基化位點(arCpGs)

本文采用Spearman秩相關的方法計算每個CpG位點的甲基化水平改變和年齡的相關性[22]，并利用BH(Benjamin and Hochberg)方法控制錯誤發(fā)現(xiàn)率(FDR)[23]。當一個位點的值經(jīng)FDR校正后小于0.05時，該位點被定義為老化相關的甲基化位點(arCpGs)。由于統(tǒng)計效能不足，在一組數(shù)據(jù)中通常只能夠找到部分的與老化相關的CpG位點。為了獲得一個較全的arCpGs列表，本文將在Set1、Set2和Set3中分別找到的arCpGs合并在一起，然后再按如下規(guī)則剔除不可靠的arCpGs：(1)如果在一組數(shù)據(jù)集中識別的一個arCpG位點在其他兩組數(shù)據(jù)集中的Spearman秩相關值都大于0.05，則剔除該位點；(2)如果一個位點在不同數(shù)據(jù)集中與年齡的正負相關性不同，亦剔除該位點。

在采用BH等方法控制多次檢驗的總體錯誤發(fā)現(xiàn)率時，通常會導致檢驗效能降低而難以在小樣本數(shù)據(jù)中識別出顯著差異的結果[24]。另一方面，僅以未經(jīng)過校正的Spearman秩相關的值<0.05判斷位點與年齡相關的顯著性，又可能會出現(xiàn)過高的假陽性率。由于Set5和Set6分別只包含21和20個樣本，本文利用“delete-1-jackknife[25]”方法識別這兩組數(shù)據(jù)集中的arCpGs。采用“delete-1-jackknife”方法篩選在樣本構成小幅度改變的條件下顯著性水平(Spearman秩相關值<0.05)相對穩(wěn)定的arCpGs，雖然無法校正多次檢驗的總體FDR，但是可減少由于某個樣本的異常而導致的假陽性位點。該方法簡介如下：每次從數(shù)據(jù)集中去掉一個樣本，在剩下的樣本中利用Spearman秩相關的方法按<0.05顯著性水平尋找arCpGs；當數(shù)據(jù)集中的每個樣本都被去除過一遍之后，即重復了(為該數(shù)據(jù)集的總樣本數(shù))次實驗后，如果一個位點在所有次實驗中都被判定為arCpGs，則該位點定義為該數(shù)據(jù)集的arCpGs。

1.4 在不同數(shù)據(jù)集中識別的arCpGs的重復性和一致性

假設識別自不同數(shù)據(jù)集的兩個arCpGs列表分別包含L和L個CpG位點，且交疊了個位點，那么在這兩個列表中觀察到至少個位點交疊的隨機概率可以用累計超幾何分布來估計，計算公式如下：

其中代表背景位點數(shù)目。當<0.05時，則判定這兩個arCpGs列表具有非隨機的重疊。

如果一個交疊位點的DNA甲基化水平在這兩組數(shù)據(jù)集中與年齡的正負相關性相同，則定義該位點為在兩組數(shù)據(jù)集中與老化相關的一致位點。假設兩個arCpGs列表交疊的個位點中有個一致位點，那么這兩個列表交疊位點的一致性為。一致性的隨機概率利用公式(3)計算。

其中0表示一個CpG位點在兩組數(shù)據(jù)集中正、負相關性相同的隨機概率，即0.5。

1.5 估計外周血中髓性細胞和淋巴性細胞的比例

利用Houseman等[26]開發(fā)的去卷積算法，估計各個外周全血樣本中髓性細胞和淋巴性細胞的比例。Houseman等通過單因素方差分析在Set4中篩選出在各白細胞亞型間DNA甲基化水平方差變異程度最大的500個位點，并證實采用這500個特征位點，通過去卷積算法對DNA甲基化譜進行分解可獲得較準確的結果。因此，本文利用這500個位點作為外周白細胞亞型的特征位點進行去卷積分析。該算法簡單用公式(4)表示：

其中，代表特征位點在外周白細胞亞型中的DNA甲基化水平矩陣，表示每個外周血樣本中各種白細胞亞型的比例，代表外周全血中的DNA甲基化譜數(shù)據(jù)矩陣。去卷積的目標是求得上述方程的解，即求得從而得到外周血各類型白細胞在每個樣本中的比例[26]。然后，將來自髓性與淋巴性前體細胞的各種白細胞的比例分別相加，作為髓性與淋巴性細胞的比例。

1.6 判定髓性和淋巴性細胞間的差異甲基化位點

本文將Set4中的各類細胞按照髓性和淋巴性前體來源分為兩組，再利用秩和檢驗判斷位點在這兩組細胞間的DNA甲基化水平發(fā)生差別的概率，并采用BH(Benjamin and hochberg)方法控制FDR。當一個位點的值經(jīng)FDR校正后小于0.05時，判定該位點在兩組細胞間顯著差異。

1.7 老化相關甲基化位點的功能富集分析

利用Gene Ontology (GO)[27]的生物學過程(Bio-log--ical process)功能注釋體系對老化相關基因進行功能富集分析。首先，利用GEO提供的DNA甲基化芯片平臺Illumina Infinium Human Methylation27 BeadChip的注釋文件GPL8490-65.txt，將DNA甲基化位點注釋到基因上。本文所分析的26 486個CpG位點共注釋到13 890個基因(稱為背景基因)，并將其中與老化相關的位點注釋到的基因稱為老化相關的基因。

如果在個背景基因中，有L個基因與老化相關，其中個被注釋到包含L個基因的GO功能結點中，那么隨機情況下在這個GO功能結點中至少觀察到個與老化相關的基因的概率可以通過累積超幾何分布模型計算(公式2)。判定GO功能結點顯著的標準是該節(jié)點的值經(jīng)FDR校正后小于0.05。

2 結果與分析

2.1 外周全血中與老化相關的DNA甲基化改變的可重復性

利用Spearman秩相關分析，控制FDR<0.05，本文從數(shù)據(jù)集Set1、Set2和Set3中分別找到1239、1481、128個arCpGs，再將這3個arCpGs列表進行兩兩配對比較，結果如表2所示。任意兩個列表的arCpGs都顯著交疊(超幾何檢驗，<1.65×10-11)，且交疊部分的CpG位點的DNA甲基化水平與年齡的正、負相關性在兩個列表中完全一致(二項分布檢驗，<2.2×10-16)，提示在不同數(shù)據(jù)集中找到的與年齡相關的DNA甲基化位點存在顯著的可重復性[28]。因此，本文利用1.3中介紹的方法，將3組數(shù)據(jù)集各自找到的arCpGs整合在一起，形成了一個包含1461個CpG位點的外周全血arCpGs列表，其中860個CpG位點與年齡正相關，601個CpG位點與年齡負相關。

表2 在不同數(shù)據(jù)集中識別的arCpGs比較

2.2 外周血細胞構成比例變化對外周全血中的arCpGs的影響

利用去卷積算法估計數(shù)據(jù)集Set1-3中的各個外周血樣本中髓性和淋巴性細胞比例后，本文采用Spearman秩相關檢驗分析了髓性和淋巴性細胞的比例與年齡的相關性。結果顯示，在這3組數(shù)據(jù)集中，髓性細胞與淋巴性細胞的比例變化與年齡分別呈現(xiàn)顯著的正、負相關關系(Spearman秩相關檢驗，<0.05，表3)，即外周全血中髓性與淋巴性細胞的比例分別隨著年齡增大而增加、減少。在此前提下，若一個CpG位點在髓性細胞中的甲基化水平顯著高于或低于在淋巴性細胞中的甲基化水平，即使該CpG位點在各類細胞中的DNA甲基化水平與年齡不相關，也可在外周全血中觀察到該位點的甲基化水平與年齡顯著地正相關或負相關[16]。在控制FDR<0.05的水平下，本文首先從Set4中識別了7184個DNA甲基化水平在髓性和淋巴性細胞間顯著差異的CpG位點，記為mlCpGs。將外周全血中的arCpGs和mlCpGs比較，發(fā)現(xiàn)在外周全血中識別的1461個arCpGs中有1043(71.4%)個arCpGs與mlCpGs重疊，其中有798個位點(76.5%)的DNA甲基化水平在外周全血中與年齡的正、負相關性和其在髓性細胞中相對于淋巴性細胞的差異高、低甲基化不對應。該結果提示，大部分在外周全血中觀察到的arCpGs并非由髓性與淋巴性細胞構成比例變化決定，而是反映白細胞內(nèi)部的DNA甲基化改變。

另一方面，如圖1所示，當CpG位點的DNA甲基化水平在髓性和淋巴性細胞間的差異程度大于0.3與0.35時，mlCpGs和外周全血中的arCpGs分別交疊了44與27個位點，它們與年齡的正、負相關性和其在髓性相對于淋巴性細胞間的差異甲基化方向的一致性分別提高到81.8%與92.6%，具有顯著的非隨機性(二項分布檢驗顯著水平分別為<1.27×10–5，<2.82×10–6)。該結果提示，在外周全血中觀察到的部分arCpGs主要受髓性和淋巴性細胞比例變化的影響，反映這兩類細胞間的差異DNA甲基化信號。

2.3 外周全血中的arCpGs與CD4+T細胞和CD14+單核細胞中的arCpGs比較

外周全血中大部分的arCpGs可能反映白細胞亞型內(nèi)部的DNA甲基化改變。因此，本文進一步分析外周全血中的arCpGs與在白細胞亞型中識別的arCpGs的關系。受數(shù)據(jù)限制，只能以淋巴性前體細胞來源的CD4+T細胞和髓性前體細胞來源的CD14+單核細胞為例進行初步分析。由于這兩組數(shù)據(jù)集檢測的樣本數(shù)量過少，在FDR<0.05時，本文在檢測CD4+T細胞的數(shù)據(jù)集Set5和檢測CD14+單核細胞的數(shù)據(jù)集Set6中未找到arCpGs。因此，利用類似“delete-1-jackknife”的方法[25]，分別在Set5和Set6數(shù)據(jù)集中找到了901個CD4+T細胞arCpGs和831個CD14+單核細胞arCpGs，這兩個arCpGs列表只隨機交疊了24個位點(超幾何檢驗，=0.822)，其中有21.7%的位點與年齡的正、負相關性在這兩種細胞中不一致，提示這兩種細胞的arCpGs可能不同。

表3 外周血中髓性細胞和淋巴細胞比例與年齡的相關性

注：*代表Spearman相關性的顯著性水平<0.05。

圖1 細胞比例構成變化對外周全血中的arCpGs的影響

圖中橫坐標表示CpG位點的DNA甲基化水平在髓性和淋巴性細胞間的平均差值；左縱坐標表示在橫坐標對應的平均差值下，識別的與年齡相關的CpG位點個數(shù)；右縱坐標表示在橫坐標對應的平均差值下，外周全血arCpGs與年齡正、負相關性與其在髓性和淋巴性細胞間差異方向一致的比例。

分別將CD4+T細胞和CD14+單核細胞的arCpGs與外周全血arCpGs比較。結果顯示，CD4+T細胞arCpGs與外周全血arCpGs非隨機交疊了217個位點(超幾何檢驗，=6.14×10-12)，其中有99.1%的位點的DNA甲基化水平在CD4+T細胞和外周全血中與年齡的正、負相關性相同，呈現(xiàn)非隨機高的一致性(二項分布檢驗，<2.2×10-16)，說明CD4+T細胞中的一部分arCpGs能夠在外周全血中反映。然而，CD14+單核細胞arCpGs只與外周全血arCpGs隨機交疊了51個位點(超幾何檢驗，=0.232)，其中有48個位點的DNA甲基化水平與年齡正、負相關性在CD14+單核細胞和外周全血中一致(二項分布檢驗，=9.83×10-12)。值得注意的是，在這48個位點中，有46個位點在CD14+單核細胞和CD4+T細胞中與年齡的正、負相關性一致，提示這些位點可能是細胞間共同的與年齡相關的甲基化改變[19]。

在FDR<0.05的條件下，分別對在這兩種細胞中識別的arCpGs進行GO功能富集。結果顯示，CD4+T細胞arCpGs注釋到的670個基因顯著富集于20個GO功能結點，主要涉及發(fā)育過程、多細胞過程和細胞分化等相關的功能類(表4)。本文還發(fā)現(xiàn)，這20個GO功能結點也都顯著富集了外周全血中的arCpGs (FDR<0.05)，提示在外周全血中能夠發(fā)現(xiàn)CD4+T細胞中的arCpGs涉及的大部分功能。另一方面，在FDR<0.05的條件下，CD14+單核細胞arCpGs注釋到的610個基因沒有富集到任何GO功能結點，提示在CD14+單核細胞中識別的arCpGs缺乏功能集聚特征。以上結果進一步提示這兩種細胞的arCpGs可能存在差異。

表4 CD4+T細胞中arCpGs所注釋基因富集到的GO功能結點

3 討 論

本文結果顯示在外周全血中存在著穩(wěn)定的與老化相關的DNA甲基化標記。外周全血中髓性細胞和淋巴性細胞的比例分別與年齡顯著地正、負相關，這可能反映了隨著年齡的增長，造血干細胞更趨向于分化為髓性細胞[7]。但是，由于細胞比例與年齡的相關系數(shù)的絕對值較小，僅為0.16~0.22(表3)，在兩類細胞間DNA甲基化水平差異程度較小的arCpGs主要反映白細胞內(nèi)部的DNA甲基化改變。但是，仍然有一部分在髓性細胞和淋巴性細胞間DNA甲基化水平差異較大的位點傾向于在外周全血中被識別為arCpGs(即這部分arCpGs由細胞構成比例改變決定)。雖然Xu等[9]也分析過外周血白細胞比例變化對外周全血中的arCpGs的影響，但是由于他們僅評估了50個位點，未能發(fā)現(xiàn)本文的一個重要的結論，即在這兩類細胞間DNA甲基化水平差異較大的位點傾向于在外周全血中被識別為arCpGs。由于目前尚缺乏伴有年齡信息的外周血各種白細胞亞型的DNA甲基化數(shù)據(jù)，本文只分析了CD4+T細胞和CD14+單核細胞中的arCpGs。值得注意的是，雖然CD4+T細胞只占外周白細胞總量的13%左右，但是許多CD4+T細胞的arCpGs卻能在外周全血中被觀察到。由于淋巴性細胞亞型間DNA甲基化模式相似，而淋巴性和髓性細胞間甲基化模式差異較大[15,16]，對此現(xiàn)象的一種解釋是其他淋巴性細胞上可能發(fā)生了與CD4+T細胞相似的改變。和CD4+T細胞不同，CD14+單核細胞的arCpGs與外周全血中的arCpGs沒有顯著交疊。但是，在這些交疊的arCpGs中，有90.1%的位點在CD14+單核細胞和全血中與老化的相關性一致，并且在CD4+T細胞中與老化的相關性也一致，提示這些位點可能反映了細胞間共同的與年齡相關的變化。Rakyan等[19]僅分析了CD4+T細胞與CD14+單核細胞共同識別的部分arCpGs，也發(fā)現(xiàn)了兩者交疊且一致的arCpGs在外周全血中表現(xiàn)為與老化相關。本文對這兩種細胞的arCpGs的比較分析進一步提示了這兩種細胞可能存在各自特異的arCpGs，同時本文也評估了它們對在外周全血中觀察到的arCpGs的影響。對在CD14+單核細胞中識別的大部分arCpGs未能在全血中反映的現(xiàn)象存在多種可能的解釋：(1)檢測該細胞的樣本太少，導致識別其arCpGs的統(tǒng)計效能不足或假陽性結果過多；(2)該細胞在外周血白細胞中所占比例較小(6%左右)，其大部分arCpGs未在其他(髓性)細胞出現(xiàn)，因此這些arCpGs信號可能被其他細胞上的arCpGs信號所掩蓋；(3)由于相對于淋巴性細胞，髓性細胞在外周血中的存活時間很短[29]，因此髓性前體細胞分化時出現(xiàn)髓性細胞特異的年齡相關的DNA甲基化改變的機會較小。然而，這些推測還需要更多的實驗數(shù)據(jù)來進一步驗證。

老化相關的分子改變與癌癥等老化相關疾病的發(fā)病風險相關[1]。本文的分析結果顯示，外周全血中與老化相關的DNA甲基化改變主要反映白細胞內(nèi)部及細胞比例構成的改變。但是，癌癥外周血中的異常DNA甲基化信號主要由疾病狀態(tài)下外周全血中髓性和淋巴性細胞的比例變化決定[16]。因此，在分析外周全血中的arCpGs和疾病的關系時，應該首先排除外周血細胞構成比例變化對疾病相關標記的影響。

[1] Ahuja N, Issa JP. Aging, methylation and cancer, 2000, 15(3): 835–842.

[2] López-Otín C, Blasco MA, Partridge L, Serrano M, Kroemer G. The hallmarks of aging, 2013, 153(6): 1194–1217.

[3] Vanyushin BF, Nemirovsky LE, Klimenko VV, Vasiliev VK, Belozersky AN. The 5-methylcytosine in DNA of rats. Tissue and age specificity and the changes induced by hyd-rocortisone and other agents, 1973, 19(3): 138–152.

[4] Vanyushin BF, Tkacheva SG, Belozersky AN. Rare bases in animal DNA, 1970, 225(5236): 948–949.

[5] Wilson VL, Smith RA, Ma S, Cutler RG. Genomic 5-met-hyldeoxycytidine decreases with age, 1987, 262(21): 9948–9951.

[6] Heyn H, Li N, Ferreira HJ, Moran S, Pisano DG, Gomez A, Diez J, Sanchez-Mut JV, Setien F, Carmona FJ, Puca AA, Sayols S, Pujana MA, Serra-Musach J, Iglesias-Platas I, Formiga F, Fernandez AF, Fraga MF, Heath SC, Valencia A, Gut IG, Wang J, Esteller M. Distinct DNA methylomes of newborns and centenarians, 2012, 109(26): 10522–10527.

[7] Bocker MT, Hellwig I, Breiling A, Eckstein V, Ho AD, Lyko F. Genome-wide promoter DNA methylation dyna-mics of human hematopoietic progenitor cells during differentiation and aging, 2011, 117(19): 182–189.

[8] Horvath S, Zhang YF, Langfelder P, Kahn RS, Boks MPM, Van Eijk K, Van Den Berg LH, Ophoff RA. Aging effects on DNA methylation modules in human brain and blood tissue, 2012, 13(10): R97.

[9] Xu ZL, Taylor JA. Genome-wide age-related DNA meth-ylation changes in blood and other tissues relate to histone modification, expression and cancer, 2014, 35(2): 356–364.

[10] Castelo-Branco C, Soveral I. The immune system and aging: a review, 2014, 30(1): 16–22.

[11] Djukic M, Nau R, Sieber C. The ageing immune system, 2014, 139(40): 1987–1990.

[12] Panda A, Arjona A, Sapey E, Bai F, Fikrig E, Montgomery RR, Lord JM, Shaw AC. Human innate immunosenes-cence: causes and consequences for immunity in old age, 2009, 30(7): 325–333.

[13] Golbus J, Palella TD, Richardson BC. Quantitative chan-ges in T cell DNA methylation occur during differentiation and ageing, 1990, 20(8): 1869–1872.

[14] Vasson MP, Farges MC, Goncalves-Mendes N, Talvas J, Ribalta J, Winklhofer-Roob B, Rock E, Rossary A. Does aging affect the immune status? A comparative analysis in 300 healthy volunteers from France, Austria and Spain, 2013, 10(1): 38.

[15] Reinius LE, Acevedo N, Joerink M, Pershagen G, Dahlen SE, Greco D, S?derh?ll C, Scheynius A, Kere J. Differential DNA methylation in purified human blood cells: impli-cations for cell lineage and studies on disease susceptibility, 2012, 7(7): e41361.

[16] Li H, Zheng T, Chen B, Hong G, Zhang W, Shi T, Li S, Ao L, Wang C, Guo Z. Similar blood-borne DNA methylation alterations in cancer and inflammatory diseases determ-ined by subpopulation shifts in peripheral leukocytes, 2014, 111(3): 525–531.

[17] Barrett T, Troup DB, Wilhite SE, Ledoux P, Rudnev D, Evangelista C, Kim IF, Soboleva A, Tomashevsky M, Marshall KA, Phillippy KH, Sherman PM, Muertter RN, Edgar R. NCBI GEO: archive for high-throughput fun-ctional genomic data, 2009, 37(S1): D885–D890.

[18] Accomando WP, Wiencke JK, Houseman EA, Butler RA, Zheng S, Nelson HH, Kelsey KT. Decreased NK cells in patients with head and neck cancer determined in archival DNA, 2012, 18(22): 6147–6154.

[19] Rakyan VK, Down TA, Maslau S, Andrew T, Yang TP, Beyan H, Whittaker P, Mccann OT, Finer S, Valdes AM, Leslie RD, Deloukas P, Spector TD. Human aging-asso-ciated DNA hypermethylation occurs preferentially at biv-alent chromatin domains, 2010, 20(4): 434– 439.

[20] Brock MV, Hooker CM, Ota-Machida E, Han Y, Guo MZ, Ames S, Glockner S, Piantadosi S, Gabrielson E, Pridham G, Pelosky K, Belinsky SA, Yang SC, Baylin SB, Herman JG. DNA methylation markers and early recurrence in stage I lung cancer, 2008, 358(11): 1118– 1128.

[21] Iancu OD, Darakjian P, Walter NAR, Malmanger B, Oberbeck D, Belknap J, McWeeney S, Hitzemann R. Genetic diversity and striatal gene networks: focus on the heterogeneous stock-collaborative cross (HS-CC) mouse, 2010, 11: 585.

[22] Alisch RS, Barwick BG, Chopra P, Myrick LK, Satten GA, Conneely KN, Warren ST. Age-associated DNA methyla-tion in pediatric populations, 2012, 22(4): 623–632.

[23] Benjamini Y, Hochberg Y. Controlling the false discovery rate: a practical and powerful approach to multiple testing1995, 57(1): 289–300.

[24] Zhang M, Yao C, Guo Z, Zou JF, Zhang L, Xiao H, Wang D, Yang D, Gong X, Zhu J, Li YH, Li X. Apparently low reproducibility of true differential expression discoveries in microarray studies, 2008, 24(18): 2057– 2063.

[25] [Qiu X, Xiao YH, Gordon A, Yakovlev A. Assessing stability of gene selection in microarray data analysis, 2006, 7: 50.

[26] Houseman EA, Accomando WP, Koestler DC, Christensen BC, Marsit CJ, Nelson HH, Wiencke JK, Kelsey KT. DNA methylation arrays as surrogate measures of cell mixture distribution, 2012, 13: 86.

[27] Ashburner M, Ball CA, Blake JA, Botstein D, Butler H, Cherry JM, Davis AP, Dolinski K, Dwight SS, Eppig JT, Harris MA, Hill DP, Issel-Tarver L, Kasarskis A, Lewis S, Matese JC, Richardson JE, Ringwald M, Rubin GM, Sher-lock G. Gene ontology: tool for the unification of biology. The Gene Ontology Consortium, 2000, 25(1): 25–29.

[28] Zhang M, Zhang L, Zou JF, Yao C, Xiao H, Liu Q, Wang J, Wang D, Wang CG, Guo Z. Evaluating reproducibility of differential expression discoveries in microarray stud-ies by considering correlated molecular changes, 2009, 25(13): 1662–1668.

[29] Yang J, Zhang LX, Yu CJ, Yang XF, Wang H. Monocyte and macrophage differentiation: circulation inflammatory monocyte as biomarker for inflammatory diseases, 2014, 2(1): 1.

(責任編委: 方向東)

Age-related DNA methylation changes in peripheral whole blood

Hongdong Li1, Guini Hong1, Zheng Guo1,2

Aging is associated with many complex diseases such as cancer and neurodegenerative diseases. Recently, many age-related DNA methylation biomarkers in peripheral whole blood have been identified. These biomarkers may reflect DNA methylation changes derived from changes in the number of a specific leukocyte cell type during aging. To clarify the source of these age-related DNA methylation changes, we analysed DNA methylation profile of peripheral whole blood from three independent cohorts of healthy subjects and identified age-related DNA methylation CpG sites (arCpGs) using the Spearman’s rank test with high reproducibility (Hypergeometric test,=1.65×10-11). Using a deconvolution algorithm, we found that the proportion of myeloid lineage cells was increased while that of lymphoid lineage cells was decreased in the peripheral whole blood with age (Spearman’s rank correlation test,<0.05,≤0.22). The CpG sites, whose methylation levels were significantly different in myeloid cells and lymphoid cells, were preferentially recognized as arCpGs in peripheral whole blood.Moreover, the arCpGs in CD4+ T cells significantly overlapped with that in peripheral whole blood (Hypergeometric test,=6.14×10-12) and 99.1% of the overlapping arCpGs had consistent positive or negative correlations with age. Though the arCpGs in CD14+ monocytes did not significantly overlap with that in peripheral whole blood (Hypergeometric test,=0.232), 90.1% of 51 overlapping arCpGs were correlated with age in CD14+ monocytes, peripheral whole blood, and CD4+ T cells consistently. In summary, most of the methylation changes in arCpGs identified in peripheral whole blood come from common or specific DNA methylation changes in leukocyte subtypes, while part of them reflect alterations in the number of specific cell types of leukocytes.

peripheral whole blood; aging; DNA methylation; CD4+ T cells; CD14+ monocytes

2014-11-12;

2014-11-20

國家自然科學基金項目(編號：81372213，81201822)資助

李紅東，博士研究生，研究方向：生物信息學。Tel: 028-83207187；E-mail: biomantis_lhd@163.com

郭政，博士，教授，研究方向：生物信息學。E-mail: guoz@ems.hrbmu.edu.cn

10.16288/j.yczz.14-394

網(wǎng)絡出版時間: 2014-10-15 8:06:17

URL: http://www.cnki.net/kcms/detail/11.1913.R.20141015.0806.002.html