人類胚胎干細(xì)胞中表觀遺傳修飾與基因表達(dá)的相關(guān)研究.pdf

1、真核生物基因的表達(dá)是生物學(xué)中一個復(fù)雜的過程，受到來自于包括經(jīng)典遺傳學(xué)和表觀遺傳學(xué)多種因素的共同調(diào)控作用。表觀遺傳學(xué)在生物體的生長、發(fā)育以及疾病過程中所發(fā)揮的作用越來越多的被了解，并得到了人們更多的關(guān)注。高通量測序技術(shù)使生物組學(xué)相關(guān)的研究進(jìn)入生物大數(shù)據(jù)時代。那么，對表觀遺傳學(xué)大數(shù)據(jù)的分析和研究，離不開生物信息學(xué)的方法。本論文選用人類胚胎干細(xì)胞的表觀遺傳修飾以及表達(dá)量的高通量測序數(shù)據(jù)，進(jìn)行兩者之間相關(guān)性的分析。構(gòu)建了組蛋白修飾與基因表達(dá)之間

2、的相互作用網(wǎng)絡(luò);對高、低表達(dá)基因不同功能區(qū)內(nèi)組蛋白修飾譜進(jìn)行詳細(xì)地比較分析;研究了CG含量對于組蛋白修飾譜的影響;以組蛋白修飾、DNA甲基化等表觀修飾信息和序列信息為輸入?yún)?shù)，結(jié)合支持向量機(jī)方法對基因進(jìn)行高、低表達(dá)的分類預(yù)測。論文主要的研究內(nèi)容如下:
　　1.研究了16種組蛋白修飾和基因表達(dá)之間的定量關(guān)系。結(jié)果表明，組蛋白修飾大部分促進(jìn)基因的表達(dá)，少量抑制基因的表達(dá)。并基于偏相關(guān)系數(shù)的計算，構(gòu)建了兩者之間的相互作用網(wǎng)絡(luò)。該網(wǎng)絡(luò)存在

3、11條相關(guān)性較強(qiáng)的邊，16種組蛋白修飾中，有7種是對基因表達(dá)起直接調(diào)控作用，剩余修飾則是通過和這7種修飾發(fā)生相互作用來間接地影響基因的表達(dá)。
　　2.轉(zhuǎn)錄起始位點(diǎn)側(cè)翼區(qū)域、基因啟動子、5'UTR、外顯子、內(nèi)含子和3'UTR是染色體上調(diào)控基因表達(dá)的重要區(qū)域。因此，分別對這些區(qū)域內(nèi)組蛋白修飾在高、低表達(dá)兩類基因中的分布類型進(jìn)行了研究。結(jié)果表明，在轉(zhuǎn)錄起始位點(diǎn)側(cè)翼區(qū)域內(nèi)組蛋白修飾共有四種分布類型，不同的組蛋白修飾在兩類基因中的分布存在明

4、顯的差異;組蛋白修飾在高表達(dá)基因中主要定位于啟動子區(qū)域，在低表達(dá)基因中則主要定位于內(nèi)含子區(qū)域。而且組蛋白修飾在高表達(dá)基因的啟動子區(qū)域與低表達(dá)基因的外顯子區(qū)域內(nèi)的相關(guān)性差異較大。五個功能區(qū)域內(nèi)組蛋白修飾的分布箱線圖對比結(jié)果表明，染色體結(jié)構(gòu)較為穩(wěn)定的外顯子區(qū)域，組蛋白修飾值的變化范圍較小。
　　3.組蛋白修飾密碼即組蛋白修飾之間相互作用的研究是另外一種了解組蛋白修飾調(diào)控基因表達(dá)機(jī)制的重要方法。因此，高、低表達(dá)基因轉(zhuǎn)錄起始位點(diǎn)側(cè)翼區(qū)域內(nèi)

5、的組蛋白修飾密碼分別被研究。結(jié)果共得到5個組蛋白修飾功能簇，并且兩類基因的組蛋白修飾簇類型不同。對同種組蛋白修飾在染色體上不同位置間的相關(guān)性也進(jìn)行了分析。結(jié)果表明，組蛋白修飾在染色體上分布峰區(qū)域內(nèi)的相關(guān)性比其他區(qū)域內(nèi)的相關(guān)性高。因此，染色體上同種組蛋白修飾相關(guān)性較高的區(qū)域可以被識別為該修飾的峰區(qū)域。
　　4.研究了胚胎干細(xì)胞自我更新密切相關(guān)的11個轉(zhuǎn)錄因子基因上的組蛋白修飾的類型特異性和位置偏好性。結(jié)果表明，不同的基因上所發(fā)生的主

6、要的組蛋白修飾類型不同，并且該組蛋白修飾所偏好定位的功能區(qū)域也不同。其中，較為重要的兩種組蛋白修飾是H3K4me2和H3K4me3，且主要偏好基因的啟動子區(qū)域。
　　5.CG含量對組蛋白修飾分布也有一定的影響。首先，對啟動子進(jìn)行了不同CG含量的劃分，并統(tǒng)計分析了高、低CG含量兩類啟動子中組蛋白修飾分布的差異。結(jié)果表明絕大部分組蛋白修飾都是在高CG啟動子有更多的分布。同樣，對兩類啟動子的組蛋白修飾密碼進(jìn)行了分析。結(jié)果表明，兩類啟動子

7、中各有兩個不同的組蛋白修飾簇，并且在兩類啟動子中存在一個包含7種組蛋白修飾的保守簇。通過對胚胎干細(xì)胞中編碼自我更新特異的關(guān)鍵轉(zhuǎn)錄因子的基因啟動子CG含量的劃分以及組蛋白修飾的分布分析發(fā)現(xiàn)，這些基因的啟動子大部分都屬于高CG含量啟動子。組蛋白修飾H3K4me2、H3K4me3和H3K36me3是這些基因啟動子區(qū)域比較重要的三種修飾類型。
　　6.以組蛋白修飾、DNA甲基化、染色體可及性、轉(zhuǎn)錄因子以及DNA序列信息為輸入?yún)?shù)，結(jié)合支持

8、向量機(jī)算法對基因的高、低表達(dá)進(jìn)行分類預(yù)測。通過將所有特征依次添加來構(gòu)成不同的組合模型，選用10交叉檢驗(yàn)和獨(dú)立檢驗(yàn)評價模型的預(yù)測能力。結(jié)果表明，隨著輸入信息的增加，模型的預(yù)測能力都有不同程度的提升，預(yù)測能力最好的模型是所有特征的組合模型。最好模型的預(yù)測精度和馬修相關(guān)系數(shù)可達(dá)95.96％和0.92(10交叉檢驗(yàn))、95.58％和0.92(獨(dú)立檢驗(yàn))。這說明，結(jié)合表觀修飾信息以及DNA序列信息所構(gòu)建的模型能夠很好地將基因的高、低表達(dá)進(jìn)行分類。