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

1、哺乳動物基因組上, DNA甲基化在基因轉(zhuǎn)錄、細胞分化、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序技術(shù)(BS-seq)是目前可精確檢測胞嘧啶甲基化的“金標(biāo)準(zhǔn)”方法,該技術(shù)打開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)以千萬個CpG位點構(gòu)成的 DNA甲基化譜中識別出具有顯著生物學(xué)功能的區(qū)域?qū)τ趯嶒灴茖W(xué)家是難以實現(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)注的熱點問

2、題。本研究通過開發(fā)新算法從高通量的BS-seq數(shù)據(jù)中識別和分析基因組區(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)模型研究在細胞分化及癌癥的發(fā)生過程中DNA甲基化模式的動態(tài)改變及識別相關(guān)生物學(xué)標(biāo)記。主要結(jié)果如下:
　　1)本研究開發(fā)一個處理和分析高通量BS-seq數(shù)據(jù)的新方法CpG_MPs,它包括以下四個主要功能。I)開發(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,開發(fā)新的搜索算法(熱點擴增法)來精確地識別基因組范圍內(nèi)(非)甲基化區(qū)域,它突破了傳統(tǒng)窗口移動法依賴窗口大小和步長等缺點,可以精確識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,開發(fā)定性識別和定量評估相結(jié)合的算法來識別和分析成對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的Fisher精確檢驗法相比,可以識別大量新的、短的差異甲基化區(qū)域。IV)提供了一個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)用于人類胚胎干細胞分化過程中五種細胞系的DNA甲基化測序數(shù)據(jù),發(fā)現(xiàn)它可精確識別每種細胞系的基因組區(qū)域的DNA甲基化模式及細胞系間保守和差異的DNA甲基化區(qū)域。CpG_MPs提供了一個系統(tǒng)的軟件,從BS-seq測序數(shù)據(jù)中精確地、高效地識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甲基化模式在細胞分化過程中發(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胞和胎兒成纖維細胞的DNA甲基化譜,通過比較基因組學(xué)方法對九種重復(fù)類型的甲基化譜進行了系統(tǒng)的研究。在兩個細胞系間,發(fā)現(xiàn)DNA甲基化動態(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。從胚胎干細胞到成體細胞的轉(zhuǎn)變過程,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,癌基因的識別和分析對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中通過種子基因進行網(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。通過臨界權(quán)重決策函數(shù)對子網(wǎng)CASN中基因進行優(yōu)化,篩選出154個甲