如何进行WGBS的数据挖掘——从甲基化水平到功能通路

DNA甲基化作为最重要的表观遗传修饰之一，在基因表达调控、细胞分化、疾病发生发展（特别是癌症）中扮演着核心角色。WGBS（全基因组重亚硫酸氢盐测序）凭借其单碱基分辨率和全基因组覆盖的优势，成为了绘制DNA甲基化图谱的金标准。

然而，获得原始数据只是第一步，如何从海量的WGBS数据中提炼出有价值的生物学信息，是许多科研人员面临的挑战。今天，我们将为您深度解读WGBS数据分析的三个核心指标：甲基化水平、差异甲基化区域（DMR）鉴定以及功能富集分析，助您轻松驾驭WGBS报告，解锁科研新发现！

甲基化水平是WGBS数据分析最基础也是最关键的指标，它反映了DNA特定位点上甲基化修饰的程度。

• 定义： 指全基因组所有CpG位点（通常指CpG，部分物种也会考虑CpH，即CHG和CHH）的平均甲基化率。

• 意义： 提供一个宏观视角。例如，肿瘤细胞常表现出全基因组范围的低甲基化，而特定基因的启动子区域却可能发生异常高甲基化。

• 如何呈现： 通常通过箱线图、密度分布图或柱状图来展示不同样本组间的整体甲基化差异。

图1. 样品平均甲基化水平

• 定义：聚焦于特定基因组区域（如启动子、基因体、增强子、CpG岛等）的甲基化状态。

• 意义：这是表观遗传调控的核心。

• CpG岛 (CpG Islands, CGIs)：位于启动子区域的CGI，其甲基化状态与基因表达密切相关。通常，CGI高甲基化会导致基因沉默；而未甲基化CGI则与基因的开放表达相关。

• CpG岛岸 (CpG Shores)：紧邻CGI的区域，其甲基化水平变化往往比CGI本身更为动态和特异，可能与疾病特异性相关。

• 基因体 (Gene Body)：基因体内的甲基化通常与活跃转录相关，但在某些情况下也可能抑制基因表达。

• 增强子/启动子：这些调控元件的甲基化状态直接影响转录因子的结合，从而精密调控基因的表达。

• 如何呈现：通常通过热图（heatmap）展示多个样本在特定基因区域的甲基化模式，或利用基因组浏览器（如IGV）可视化单个基因或区域的甲基化覆盖度。

图2. CG、CHG和CHH甲基化率对比

仅仅知道甲基化水平是不够的，找到在不同生物学条件下（如疾病与健康、处理组与对照组）发生显著改变的区域，才是揭示生物学机制的关键。

• DML (Differentially Methylated Loci)： 指在不同样本组间，单个CpG位点甲基化水平存在显著统计学差异。

• DMR (Differentially Methylated Regions)： 指由多个相邻的DML组成的区域，这些区域的甲基化水平在不同样本组间存在一致且显著的差异。DMR比DML具有更强的生物学稳定性。

• 为什么重要： DMR是表观遗传学研究的核心产出。它们常常位于重要的基因调控区域，如启动子、增强子、或基因体内部，直接影响目标基因的表达，是疾病诊断生物标志物和治疗靶点的潜在来源。

• 统计学模型：需采用针对甲基化数据特点的统计方法（如DSS、methylKit、bumphunter等），考虑二项分布、覆盖度等因素。

• P值与FDR校正：高通量数据分析必须进行多重检验校正，确保结果的统计学严谨性。

• 效应量：除了统计学显著性，我们还会关注甲基化差异的幅度（如差异甲基化率 > 10% 或 20%），确保结果具有生物学意义。

• 区域长度与CpG密度：DMR的长度和CpG密度也是重要的参数，通常DMR会包含一定数量的DML。

• 火山图（Volcano Plot）展示DML/DMR的统计显著性与效应量。

• 热图（Heatmap）展示不同样本在鉴定出的DMR上的甲基化模式。

• 基因组浏览器（如IGV）可视化具体的DMR位置及甲基化状态。

• DMR在基因组功能区域（启动子、基因体、增强子等）的分布图。

图3. 差异甲基化区域分析

DMR鉴定后，我们会得到一个差异甲基化区域列表，这些区域往往与特定的基因相关联。但仅仅列出基因名称，并不能直接告诉我们它们在生物学上扮演了什么角色。功能富集分析正是将这些基因转化为生物学意义的桥梁。

通过将DMR关联的基因与已知的基因功能数据库（如Gene Ontology, GO；Kyoto Encyclopedia of Genes and Genomes, KEGG）进行比对，找出在这些基因列表中，哪些生物学过程、分子功能、细胞组分或信号通路被显著地“富集”了。

为什么重要：它能帮助您从基因层面上升到系统层面，揭示表观遗传改变背后所调控的细胞功能、代谢途径、疾病机制等，为后续的实验验证和机制探索指明方向。

• GO富集分析：将基因分为三大类：

• 生物学过程 (Biological Process, BP)：如细胞增殖、凋亡、免疫反应。

• 分子功能 (Molecular Function, MF)：如DNA结合、酶活性、受体活性。

• 细胞组分 (Cellular Component, CC)：如线粒体、细胞核、细胞膜。

• KEGG通路富集分析：识别与疾病相关的信号通路和代谢通路，如癌症通路、Wnt信号通路、免疫相关通路等。

• 富集气泡图或条形图：展示富集通路的P值、富集倍数和关联基因数量。

• 通路网络图：直观地展示基因在特定通路中的位置和相互作用。

图4. 差异甲基化区域关联基因GO富集

通过本文，您已掌握WGBS数据分析的三大核心：甲基化水平、差异甲基化区域（DMR）和功能富集分析。这些关键指标将助您精准定位表观遗传变化，揭示其生物学意义，驱动新的科研发现。WGBS数据潜力巨大，无论是疾病研究还是生命科学探索，都将助您一臂之力。

如需开展WGBS技术服务，欢迎随时联系我们，我们将为您提供一站式技术支持与解决方案！

项目咨询