科學家開發新的表觀遺傳通路統計算法

　　11月30日，國際學術期刊Nature Methods 發表了中國科學院上海營養與健康研究院計算生物學研究所Andrew Teschendorff組的研究論文“Identification of differentially methylated cell types in epigenome-wide association studies”，報道了一種新的有助于識別與疾病相關的表觀遺傳通路的“CellDMC”統計算法，“破解”了表觀全基因組關聯分析中的關鍵難點。

　　DNA甲基化（DNAm）是DNA的共價修飾，其可以調節基因活性，并且易受到疾病風險因子的影響。表觀全基因組關聯分析（EWAS）的主要目標是測量大量個體中全基因組DNA甲基化，鑒定與疾病風險相關的DNA甲基化變化。然而，這一過程的主要障礙之一是細胞類型異質性：EWAS所使用的組織是不同細胞類型的復雜混合物，每種細胞類型具有其特有的DNA甲基化譜，因此可能產生錯誤的分析結論。到目前為止，尚無有效手段來確定驅使DNA甲基化發生變化的細胞類型和表觀遺傳通路。

　　在研究員Andrew Teschendorff指導下，博士生鄭世杰等人開發了一種名為“CellDMC”的新型統計算法，該算法不僅能夠確定特定基因組位點的變化，而且能夠確定導致這些DNA甲基化變化的細胞類型。相較于當前無法識別DNA甲基化變化的通用方法，這種算法對于DNA甲基化變化的識別靈敏度超過90% 。隨后研究人員利用幾個真實EWAS數據進行算法測試，結果表明類風濕性關節炎相關的大量DNA甲基化變化發生于一種特定的血細胞亞型（B細胞），這種B細胞的改變在該疾病的發生機制中特別重要。在另一個測試中，該算法識別了暴露于煙霧致癌物質的正常細胞和肺癌祖源細胞中的DNA甲基化變化，從而有助于將吸煙有關的表觀遺傳通路與肺癌進行關聯。

　　值得一提的是，EWAS中有一些昂貴且難以實現的技術，如細胞分選技術、單細胞甲基化組測序技術。CellDMC可幫助EWAS的研究人員識別疾病相關細胞類型的改變，而無需使用這些技術。檢測疾病相關和疾病風險相關的細胞類型改變的能力，對于鑒定和開發表觀遺傳疾病風險生物標志物，以及實現P4醫學目標具有重要意義。

　　上述研究得到國家自然科學基金委員會（31571359；31771464； 31401120）和中科院的資助。

圖：CellDMC 識別差異化甲基化的細胞類型