DNA甲基化研究的測序數(shù)據(jù)挖掘思路分享

大家好，這里是專注表觀組學十余年，領(lǐng)跑多組學科研服務(wù)的易基因。

總體來說，DNA甲基化一般遵循三個步驟進行數(shù)據(jù)挖掘。

首先，進行整體全基因組甲基化變化的分析，包括平均甲基化水平變化、甲基化水平分布變化、降維分析、聚類分析、相關(guān)性分析等。

其次，進行甲基化差異水平分析，篩選具體差異基因，包括DMC/DMR/DMG鑒定、DMC/DMR在基因組元件上的分布、DMC/DMR的TF結(jié)合分析、時序甲基化數(shù)據(jù)的分析策略、DMG的功能分析等。

最后，將甲基化組學&轉(zhuǎn)錄組學關(guān)聯(lián)分析，包括Meta genes整體關(guān)聯(lián)、DMG-DEG對應關(guān)聯(lián)、網(wǎng)絡(luò)關(guān)聯(lián)等。
 
一、甲基化圖譜分析
（1）平均甲基化水平的比較

• 平均甲基化水平能反應樣本整體的甲基化水平。
• 但是平均水平差異不大并不能說明樣本間甲基化圖譜沒有差異。

（2）CG/CHG/CHH甲基化水平分布

• 不同物種中，甲基化修飾可能傾向于發(fā)生在不同類型的C位點上，該分析有助于反應甲基化發(fā)生位點類型的偏好性。
• 甲基化水平分布的組間比較，能夠更進一步了解組間甲基化水平的變化。
• 不同基因組元件（CGI相關(guān)元件、重復序列元件、基因元件等）的甲基化水平分布規(guī)律不同。特別是在不同物種中，基因元件的甲基化水平可能有一定的特點。
• 比較特定元件甲基化水平的組間差異也能發(fā)現(xiàn)潛在的功能差異。

（3）降維分析
降維分析嘗試找到最能反映數(shù)據(jù)點真實分布情況的兩個維度，以方便對數(shù)據(jù)進行直觀把握。一般采用共同覆蓋的5×以上位點進行分析：

• 主成分分析（PCA）
• 非度量多維標度法（NMDS）
• 主坐標分析（PCoA）

PCA可采用統(tǒng)計檢驗分析組間差異的顯著性：
ü  相似性分析（ANOSIM）
ü  置換多元方差分析（ADONIS）
 

（4）聚類分析

• 聚類分析考慮的是各樣本之間的距離，即不相似性。一般采用共同覆蓋的5×以上位點進行分析。
• 與降維分析的差別在于，聚類分析更真實地反映樣本的差距，而非僅考慮兩個代表性維度。

• 相關(guān)性分析考慮的是各樣本之間的相似性。一般采用共同覆蓋的5×以上位點進行分析。
• 一般采用皮爾森相關(guān)系數(shù)

  （1）DMC/DMR鑒定

• 差異甲基化位點：DMC
• 差異甲基化區(qū)域：DMR

（甲基化位點一般是與附近的位點一起起作用的）
ü  鑒定實驗組與對照組甲基化圖譜的具體差異。
ü  如果實驗設(shè)計包括多個時間節(jié)點，也可以比較相鄰時間節(jié)點/感興趣的時間節(jié)點之間的甲基化圖譜的差異。
（2）DMC/DMR轉(zhuǎn)錄因子結(jié)合分析（TF binding motif ）
主要關(guān)注Promoter和Enhancer等調(diào)控區(qū)域DMC/DMR的TF結(jié)合位點。 3）時序甲基化數(shù)據(jù)的分析策略（Time Course）
l  比較相鄰時間點的差異
l  直接篩選時間階段相關(guān)的DMC和DMR
ü  線性模型/混合線性模型
  （可以排除混雜因素干擾，如性別）
l  共甲基化模式分析(階段特異性Cluster篩選)
ü  WGCNA（權(quán)重基因共表達網(wǎng)絡(luò)分析）
ü  MEGENA（多尺度嵌入式基因共表達網(wǎng)絡(luò)分析）
ü  mfuzz
ü  ... ...
 

• TE（轉(zhuǎn)座元件）：影響基因組穩(wěn)定性        
• Promoter：影響基因表達
• Genebody

（5）差異甲基化基因集（DMGs)的功能分析
分析策略：

• 可以分為Hyper-DMG和Hypo-DMG
• 可以分為Promoter-DMG和Genebody-DMG
• Gene Ontology
• KEGG pathway
• Reactome pathway
• DisGeNET disease
• Disease Ontology

三、組學關(guān)聯(lián)分析：甲基化組學&轉(zhuǎn)錄組學
（1）Meta genes整體關(guān)聯(lián)

• 同一樣本/組別內(nèi)，所有基因的表達水平與對應基因的甲基化水平進行關(guān)聯(lián)。
• 研究的是基因甲基化與表達的整體關(guān)系。

TSS位點附近負相關(guān)
Genebody區(qū)正相關(guān) 整體負相關(guān)

（2）DMG-DEG對應關(guān)聯(lián)

• 重疊分析：

特點：簡單粗暴，也適用于樣本量少的情況。
分析結(jié)果：韋恩圖。

• 皮爾森/斯皮爾曼相關(guān)性分析

特點：準確計算相關(guān)性程度（R值），及其顯著性（p值）。
分析結(jié)果：散點圖（+擬合線）；相關(guān)性熱圖
 
（3）網(wǎng)絡(luò)關(guān)聯(lián)
基于基因表達具有功能和通路的富集性。有最低樣本數(shù)量要求。

• 共表達-共甲基化網(wǎng)絡(luò)關(guān)聯(lián)：

ü  WGCNA module correlation
ü  EMDN algorithm

• 融合網(wǎng)絡(luò)關(guān)聯(lián)：

ü  SNF algorithm
以上就是關(guān)于DNA甲基化測序的數(shù)據(jù)挖掘思路分享。