DNA甲基化研究的测序数据挖掘思路

总体来说，DNA甲基化一般遵循三个步骤进行数据挖掘。

首先，进行整体全基因组甲基化变化的分析，包括平均甲基化水平变化、甲基化水平分布变化、降维分析、聚类分析、相关性分析等。

其次，进行甲基化差异水平分析，筛选具体差异基因，包括DMC/DMR/DMG鉴定、DMC/DMR在基因组元件上的分布、DMC/DMR的TF结合分析、时序甲基化数据的分析策略、DMG的功能分析等。

将甲基化组学&转录组学关联分析，包括me[x]ta genes整体关联、DMG-DEG对应关联、网络关联等。

一、甲基化图谱分析

（1）平均甲基化水平的比较

平均甲基化水平能反应样本整体的甲基化水平。

但是平均水平差异不大并不能说明样本间甲基化图谱没有差异。

（2）CG/CHG/CHH甲基化水平分布

不同物种中，甲基化修饰可能倾向于发生在不同类型的C位点上，该分析有助于反应甲基化发生位点类型的偏好性。

甲基化水平分布的组间比较，能够更进一步了解组间甲基化水平的变化。

不同基因组元件（CGI相关元件、重复序列元件、基因元件等）的甲基化水平分布规律不同。特别是在不同物种中，基因元件的甲基化水平可能有一定的特点。

比较特定元件甲基化水平的组间差异也能发现潜在的功能差异。

（3）降维分析

降维分析尝试找到能反映数据点真实分布情况的两个维度，以方便对数据进行直观把握。一般采用共同覆盖的5×以上位点进行分析：

主成分分析（PCA）

非度量多维标度法（NMDS）

主坐标分析（PCoA）

可采用统计检验分析组间差异：

相似性分析（ANOSIM）

置换多元方差分析（ADONIS）

（4）聚类分析

聚类分析考虑的是各样本之间的距离，即不相似性。一般采用共同覆盖的5×以上位点进行分析。

与降维分析的差别在于，聚类分析更真实地反映样本的差距，而非仅考虑两个代表性维度。

（5）相关性分析

相关性分析考虑的是各样本之间的相似性。一般采用共同覆盖的5×以上位点进行分析。

一般采用皮尔森相关系数

·

二、差异甲基化位点/区域分析DMC/DMR分析）

（1）DMC/DMR鉴定

差异甲基化位点：DMC

差异甲基化区域：DMR

（甲基化位点一般是与附近的位点一起起作用的）

鉴定实验组与对照组甲基化图谱的具体差异。

如果实验设计包括多个时间节点，也可以比较相邻时间节点/感兴趣的时间节点之间的甲基化图谱的差异。

（2）DMC/DMR转录因子结合分析（TF binding motif ）

主要关注Promoter和Enhancer等调控区域DMC/DMR的TF结合位点。

（3）时序甲基化数据的分析策略（Time Course）

比较相邻时间点的差异

直接筛选时间阶段相关的DMC和DMR

线性模型/混合线性模型

（可以排除混杂因素干扰，如性别）

共甲基化模式分析(阶段特异性Cluster筛选)

WGCNA（权重基因共表达网络分析）

MEGENA（多尺度嵌入式基因共表达网络分析）

mfuzz

（4）DMC/DMR在基因元件上的分布

TE（转座元件）：影响基因组稳定性

Promoter：影响基因表达

Genebody

（5）差异甲基化基因集（DMGs)的功能分析

分析策略：

可以分为Hyper-DMG和Hypo-DMG

可以分为Promoter-DMG和Genebody-DMG

Gene Ontology

KEGG pathway

Reactome pathway

DisGeNET disease

Disease Ontology

三、组学关联分析：甲基化组学&转录组学

（1）me[x]ta genes整体关联

同一样本/组别内，所有基因的表达水平与对应基因的甲基化水平进行关联。

研究的是基因甲基化与表达的整体关系。

（2）DMG-DEG对应关联

重叠分析： 特点：简单粗暴，也适用于样本量少的情况。

（3）网络关联 基于基因表达具有功能和通路的富集性。有低样本数量要求。

共表达-共甲基化网络关联：

WGCNA module correlation

EMDN algorithm

融合网络关联：

SNF algorithm