DNA甲基化研究的測序數(shù)據(jù)挖掘思路

總體來說，DNA甲基化一般遵循三個步驟進(jìn)行數(shù)據(jù)挖掘。

首先，進(jìn)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(jìn)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。

將甲基化組學(xué)&轉(zhuǎn)錄組學(xué)關(guān)聯(lián)分析，包括me[x]ta genes整體關(guān)聯(lián)、DMG-DEG對應(yīng)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(yīng)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(diǎn)上，該分析有助于反應(yīng)甲基化發(fā)生位點(diǎn)類型的偏好性。

甲基化水平分布的組間比較，能夠更進(jìn)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(fù)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(diǎn)。

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

降維分析嘗試找到能反映數(shù)據(jù)點(diǎn)真實(shí)分布情況的兩個維度，以方便對數(shù)據(jù)進(jìn)行直觀把握。一般采用共同覆蓋的5×以上位點(diǎn)進(jìn)行分析：

主成分分析（PCA）

非度量多維標(biāo)度法（NMDS）

主坐標(biāo)分析（PCoA）

可采用統(tǒng)計檢驗(yàn)分析組間差異：

相似性分析（ANOSIM）

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(diǎn)進(jìn)行分析。

與降維分析的差別在于，聚類分析更真實(shí)地反映樣本的差距，而非僅考慮兩個代表性維度。

（5）相關(guān)性分析

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(diǎn)進(jìn)行分析。

一般采用皮爾森相關(guān)系數(shù)

·

二、差異甲基化位點(diǎn)/區(qū)域分析DMC/DMR分析）

（1）DMC/DMR鑒定

差異甲基化位點(diǎn)：DMC

差異甲基化區(qū)域：DMR

（甲基化位點(diǎn)一般是與附近的位點(diǎn)一起起作用的）

鑒定實(shí)驗(yàn)組與對照組甲基化圖譜的具體差異。

如果實(shí)驗(yàn)設(shè)計包括多個時間節(jié)點(diǎn)，也可以比較相鄰時間節(jié)點(diǎn)/感興趣的時間節(jié)點(diǎn)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(diǎn)。

（3）時序甲基化數(shù)據(jù)的分析策略（Time Course）

比較相鄰時間點(diǎn)的差異

直接篩選時間階段相關(guān)的DMC和DMR

線性模型/混合線性模型

（可以排除混雜因素干擾，如性別）

共甲基化模式分析(階段特異性Cluster篩選)

WGCNA（權(quán)重基因共表達(dá)網(wǎng)絡(luò)分析）

MEGENA（多尺度嵌入式基因共表達(dá)網(wǎng)絡(luò)分析）

mfuzz

（4）DMC/DMR在基因元件上的分布

TE（轉(zhuǎn)座元件）：影響基因組穩(wěn)定性

Promoter：影響基因表達(dá)

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(xué)關(guān)聯(lián)分析：甲基化組學(xué)&轉(zhuǎn)錄組學(xué)

（1）me[x]ta genes整體關(guān)聯(lián)

同一樣本/組別內(nèi)，所有基因的表達(dá)水平與對應(yīng)基因的甲基化水平進(jìn)行關(guān)聯(lián)。

研究的是基因甲基化與表達(dá)的整體關(guān)系。

（2）DMG-DEG對應(yīng)關(guān)聯(lián)

重疊分析： 特點(diǎn)：簡單粗暴，也適用于樣本量少的情況。

（3）網(wǎng)絡(luò)關(guān)聯(lián) 基于基因表達(dá)具有功能和通路的富集性。有低樣本數(shù)量要求。

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

WGCNA module correlation

EMDN algorithm

融合網(wǎng)絡(luò)關(guān)聯(lián)：

SNF algorithm