Closed ixxmu closed 1 year ago
孤陋寡闻的我上周五才知道甲基化数据也可以用来做免疫浸润分析,效果甚至更好,赶紧把这个消息分享给大家~
我们的生命原来是由5根音符组成的呀——ATCG & 甲基化胞嘧啶 (methylcytosine, mC),它们是我们生命的脉律,影响着我们的人生。
其中,DNA甲基化是人们深入研究的最重要的表观遗传机制【表观遗传学是在DNA序列不发生改变的情况下,基因表达可遗传性改变的一门遗传分支学科】。
DNA 甲基化是DNA 的一种天然修饰方式,具有多态性、随年龄变化、组织特异性、亲源特异性等特点。其主要是指通过甲基转移酶( DNA methyltransferases,DNMTs) 将 S-腺苷甲硫氨酸 ( SAdenosylmethionine,SAM) 提供的甲基转移到DNA的胞嘧啶( C) 或腺嘌呤( A) 上,对 DNA 进行修饰而发生的一系列表观遗传现象。
基于测序的DNA甲基化分析为描绘比较完整的DNA CpG 图谱奠定了基础。
DNA CpG 图谱,是生物体 DNA 不同 CpG 位点甲基化数量在某一时刻的总和。
而血液游离核酸甲基化谱则是生命的信息子集,是一个高度动态、由不同细胞类型凋亡或死亡细胞碎片化核酸组成的瞬时集合,与之相对应的细胞甲基化图谱,则属于特定细胞类型各自具有的、相对恒定的甲基化组学序列。
人类基因组含有大约 2800 万个 CpG 位点,这些位点的 C 是否甲基化直接关系到相关基因表达与否以及表达水平的高低。
常见的甲基化检测技术包括:
2018年的这篇文献就比较了不同的甲基化芯片数据评估细胞成分的效能⬇
doi: 10.1186/s13059-018-1448-7.
An optimized library for reference-based deconvolution of whole-blood biospecimens assayed using the Illumina HumanMethylationEPIC BeadArray
作者分别用EPIC和450 K芯片数据,进行血细胞比例的反卷积比较,发现Illumina HumanMethylationEPIC BeadArray
芯片数据表现最佳。
同时,作者采用3种deconvolution methods for comparison
,分别是:
以450 K 数据作为参考,用minfi Bioconductor package去明确L-DMR文库[automatic selection]
以EPIC数据作为参考,同样用minfi Bioconductor package去明确L-DMR文库[automatic selection]
以EPIC数据作为参考,用minfi Bioconductor package去明确L-DMR文库[IDOL selection]
注 L-DMR:leukocyte differentially methylated regions【白细胞差异甲基化区域】
然后是2022年,接二连三的nature communicatons
doi: 10.1038/s41467-022-33511-6
The immune factors driving DNA methylation variation in human blood
作者评估了884名成年人的血液DNA甲基化组学如何受到DNA序列变异、年龄、性别以及与生活习惯和免疫相关的139个因素的影响。
结果表明,细胞组成和DNA序列变异是DNA甲基化的最强预测因子,强调了医学表观基因组学研究的关键因素。
doi: 10.1038/s41467-021-27864-7.
Enhanced cell deconvolution of peripheral blood using DNA methylation for high-resolution immune profiling
文章的要点在于,
提供了56个免疫细胞变量。
使用IDOL 算法对当前平台和先前平台的DNA甲基化数据进行去卷积识别建库。
使用人工混合物和已知细胞组成的流式细胞术全血DNA甲基化验证建库得到的去卷积估计的准确性。
将建库应用于反卷积癌症、衰老和自身免疫性疾病数据集。
总之,作者证明,他们的建库只使用DNA就可以详细地表达血液中的免疫细胞谱,并有助于对人类健康和疾病中的免疫谱进行标准化和全面的研究。
很好的一点是,这篇文章涉及的数据已经被存放在GEO数据库(https://www.ncbi.nlm.nih.gov/geo/query/acc.cgi?acc=GSE167998)
而作者的建库数据也被储存在R library中,可以联系Office of Technology Transfer Technology.Transfer@dartmouth.edu 要到免费的学术许可, (参考 https://github.com/immunomethylomics/ FlowSorted.BloodExtended.EPIC).
The extended blood deconvolution can be performed using the
FlowSorted.Blood.EPIC Bioconductor library
and we recommend using the minfi noob background correction for the target dataset.
if (!require("BiocManager", quietly = TRUE))
install.packages("BiocManager")
BiocManager::install("FlowSorted.Blood.EPIC")
感兴趣的同学可以积极探索,同时可以参考➡EpiDISH-根据甲基化信号值推断样品的细胞成分
原来甲基化做免疫浸润分析已经是common sense了,但是以我有限的文献阅读量,接触到的大部分文献还是以转录组数据或者基因表达谱数据进行这方面的分析,但是甲基化数据看起来也是不错的选择啊!
时不我待,在基于转录组学的文章已经接近饱和的时候,是时候学习学习甲基化了~
https://mp.weixin.qq.com/s/GMB5wj9iZcjJRJhQo4Rhew