高通量DNA甲基化數(shù)據(jù)的特征挖掘算法開(kāi)發(fā)及分析.pdf

1、哺乳動(dòng)物基因組上, DNA甲基化在基因轉(zhuǎn)錄、細(xì)胞分化、衰老和腫瘤的發(fā)生中發(fā)揮著重要作用。新一代測(cè)序技術(shù)和重亞硫酸鹽轉(zhuǎn)換法結(jié)合形成的重亞硫酸鹽測(cè)序技術(shù)(BS-seq)是目前可精確檢測(cè)胞嘧啶甲基化的“金標(biāo)準(zhǔn)”方法,該技術(shù)打開(kāi)了在基因組水平上系統(tǒng)研究DNA甲基化模式的大門。然而從數(shù)以千萬(wàn)個(gè)CpG位點(diǎn)構(gòu)成的 DNA甲基化譜中識(shí)別出具有顯著生物學(xué)功能的區(qū)域?qū)τ趯?shí)驗(yàn)科學(xué)家是難以實(shí)現(xiàn)的,高通量數(shù)據(jù)的處理和分析已成為生物數(shù)學(xué)家和生物信息學(xué)家關(guān)注的熱點(diǎn)問(wèn)

2、題。本研究通過(guò)開(kāi)發(fā)新算法從高通量的BS-seq數(shù)據(jù)中識(shí)別和分析基因組區(qū)域的甲基化模式,結(jié)合人類基因組注釋信息和蛋白質(zhì)互作信息,構(gòu)建數(shù)學(xué)模型研究在細(xì)胞分化及癌癥的發(fā)生過(guò)程中DNA甲基化模式的動(dòng)態(tài)改變及識(shí)別相關(guān)生物學(xué)標(biāo)記。主要結(jié)果如下:
　　1)本研究開(kāi)發(fā)一個(gè)處理和分析高通量BS-seq數(shù)據(jù)的新方法CpG_MPs,它包括以下四個(gè)主要功能。I)開(kāi)發(fā)數(shù)據(jù)標(biāo)準(zhǔn)化算法,把高通量的BS-seq數(shù)據(jù)轉(zhuǎn)化成標(biāo)準(zhǔn)化的CpG甲基化水平數(shù)據(jù);II)基于單

3、堿基通量的DNA甲基化標(biāo)準(zhǔn)譜,開(kāi)發(fā)新的搜索算法(熱點(diǎn)擴(kuò)增法)來(lái)精確地識(shí)別基因組范圍內(nèi)(非)甲基化區(qū)域,它突破了傳統(tǒng)窗口移動(dòng)法依賴窗口大小和步長(zhǎng)等缺點(diǎn),可以精確識(shí)別不同甲基化模式區(qū)域的邊界。III)基于組合算法和原始信息熵,開(kāi)發(fā)定性識(shí)別和定量評(píng)估相結(jié)合的算法來(lái)識(shí)別和分析成對(duì)或多樣本間保守或差異的甲基化區(qū)域,此算法與基于窗口移動(dòng)的Fisher精確檢驗(yàn)法相比,可以識(shí)別大量新的、短的差異甲基化區(qū)域。IV)提供了一個(gè)功能模塊用于基因組區(qū)域的序列特

4、征挖掘和可視化。CpG_MPs應(yīng)用于人類胚胎干細(xì)胞分化過(guò)程中五種細(xì)胞系的DNA甲基化測(cè)序數(shù)據(jù),發(fā)現(xiàn)它可精確識(shí)別每種細(xì)胞系的基因組區(qū)域的DNA甲基化模式及細(xì)胞系間保守和差異的DNA甲基化區(qū)域。CpG_MPs提供了一個(gè)系統(tǒng)的軟件,從BS-seq測(cè)序數(shù)據(jù)中精確地、高效地識(shí)別和分析基因組范圍內(nèi)DNA甲基化模式。
　　2)人類重復(fù)序列占人類基因組DNA序列的一半以上,重復(fù)元件的DNA甲基化模式在細(xì)胞分化過(guò)程中發(fā)揮著重要的作用。本研究基于Cp

5、G_MPs處理的人類胚胎干細(xì)胞和胎兒成纖維細(xì)胞的DNA甲基化譜,通過(guò)比較基因組學(xué)方法對(duì)九種重復(fù)類型的甲基化譜進(jìn)行了系統(tǒng)的研究。在兩個(gè)細(xì)胞系間,發(fā)現(xiàn)DNA甲基化動(dòng)態(tài)改變的潛能在重復(fù)類型間、基因組不同區(qū)域間都有顯著不同,且具有顯著的序列偏好性。從胚胎干細(xì)胞到成體細(xì)胞的轉(zhuǎn)變過(guò)程,大約25％的重復(fù)元件的甲基化模式發(fā)生重編程,差異甲基化重復(fù)元件的靶基因與基因沉默顯著相關(guān),重新甲基化的靶基因主要富集在與細(xì)胞分化和發(fā)育相關(guān)的生物學(xué)功能上。
　　

6、3)癌癥是嚴(yán)重影響人類健康的復(fù)雜疾病,癌基因的識(shí)別和分析對(duì)癌癥早期診斷和治療都有著重要的意義。本研究整合了人類基因組范圍內(nèi)的蛋白質(zhì)互作數(shù)據(jù)和四種癌癥細(xì)胞上高通量DNA甲基化數(shù)據(jù),重構(gòu)了人類蛋白質(zhì)加權(quán)互作網(wǎng)絡(luò)(WHPN)。從網(wǎng)絡(luò)WHPN中通過(guò)種子基因進(jìn)行網(wǎng)絡(luò)優(yōu)化,挖掘出癌癥顯著相關(guān)的子網(wǎng)絡(luò)(CASN)。網(wǎng)絡(luò)拓?fù)湫再|(zhì)的分析表明子網(wǎng)絡(luò)CASN比WHPN有更顯著的連通性、模塊性。通過(guò)臨界權(quán)重決策函數(shù)對(duì)子網(wǎng)CASN中基因進(jìn)行優(yōu)化,篩選出154個(gè)甲