在多平台上对人类线粒体DNA甲基化现象重新进行评估后发现,某些信号与技术误差(即非生物学意义上的变化)相关

《iScience》:Multi-platform reassessment of human mitochondrial DNA methylation reveals signals consistent with technical artifacts

【字体: 大 中 小 】 时间:2026年11月20日 来源:iScience 4.5

编辑推荐:

  亮点 - 跨平台、跨组织的线粒体DNA信号与技术背景相符 - 核线粒体DNA片段可能混淆线粒体DNA的5mC和5hmC测量结果 - 链覆盖率和序列上下文偏差会夸大线粒体DNA的甲基化程度 摘要 线粒体DNA甲基化的存在及其功能相关性仍存在争议。在这里,我们使用避免在文库制备过程

亮点
- 跨平台、跨组织的线粒体DNA信号与技术背景相符
- 核线粒体DNA片段可能混淆线粒体DNA的5mC和5hmC测量结果
- 链覆盖率和序列上下文偏差会夸大线粒体DNA的甲基化程度

摘要
线粒体DNA甲基化的存在及其功能相关性仍存在争议。在这里,我们使用避免在文库制备过程中发生化学转化的测序方法,研究了健康和恶性状态下人脑和血液组织中的胞嘧啶甲基化和羟甲基化情况。虽然核DNA表现出典型的甲基化模式,但线粒体DNA始终显示出可忽略的信号,与背景技术噪声难以区分。通过在线粒体DNA和嵌入核中的线粒体序列之间映射胞嘧啶-鸟嘌呤位点,我们证明了这些核对应物不仅可能混淆胞嘧啶甲基化的测量结果,还可能混淆羟甲基化的测量结果,这证实并扩展了之前的研究结果,即核污染可能是线粒体表观遗传信号的潜在来源。还发现了其他会夸大线粒体DNA甲基化信号的技术因素,包括序列上下文偏差、流式细胞仪化学性质以及重链和轻链之间的覆盖率差异。总体而言,这些发现提醒我们在没有严格正交验证和全面考虑技术和分析混杂因素的情况下,不要解释线粒体DNA的甲基化信号。

图形摘要

引言
人类线粒体DNA(mtDNA)是一种紧凑的环状基因组,对细胞能量产生至关重要。历史上认为胞嘧啶甲基化(一种调节核基因表达和基因组稳定性的关键表观遗传修饰)不存在于mtDNA中。这种观点源于核基因组和线粒体基因组之间的本质差异,包括它们不同的结构、独立的细胞区室以及线粒体基因组中缺乏典型的表观遗传调节基因。这些区别还扩展到序列上下文:核DNA甲基化主要发生在CpG二核苷酸上,而mtDNA中的大多数胞嘧啶(约88%)位于非CpG(CpH)上下文中。鉴于大多数分化组织中CpH甲基化的相对较低频率以及DNA甲基化机制主要位于核内,这些观察进一步支持了在生理条件下成人体细胞中mtDNA甲基化不普遍存在的观点。与此观点一致的是,早期的半定量研究未能在mtDNA中检测到5-甲基胞嘧啶(5mC),进一步强化了mtDNA甲基化极少或不存在的观点。

这一长期存在的范式受到了越来越多的报告的挑战,这些报告表明人类mtDNA可能携带胞嘧啶修饰。全基因组和基于富集的检测技术(包括甲基化DNA免疫沉淀(MeDIP)和亚硫酸氢盐测序)的进步,在多种组织和细胞类型中检测到了低水平的甲基化样信号。这些研究表明mtDNA中存在5mC,在某些情况下还存在5-羟甲基胞嘧啶(5hmC),并提出了这些修饰与线粒体功能和疾病状态之间的关联。多项研究还提出了DNA甲基转移酶(DNMTs)和十-十一易位(TET)异构体的线粒体定位和导入,从而提出了酶活性可能在线粒体DNA中催化5mC和5hmC修饰的可能性。文献综述和越来越多的报告继续描述mtDNA中动态和位点特异性的5mC和5hmC模式,并提出其生物学相关性和作为生物标志物和探索性治疗靶点的潜力。

然而,一个主要的争议点仍然是缺乏可重复、独立和正交的证据来将所提出的mtDNA甲基化与生理或病理条件下的明确功能后果联系起来。还对潜在的技术伪影提出了担忧,包括亚硫酸氢盐转化不完全、核DNA的污染以及技术或生物学控制不足。因此,mtDNA甲基化的存在、程度和生物学意义仍然存在很大争议。这项争论或许最好通过两项研究来体现:它们分析了相同的人类DNA甲基化数据集,但得出了相反的结论,突显了该领域持续的不确定性。

确定mtDNA甲基化是否以显著且功能相关的水平存在至关重要。如果得到证实,mtDNA甲基化可能代表一个独特的表观遗传调控层,可能调节线粒体基因表达和功能,影响细胞代谢,并参与多种疾病的发病机制。否则,该领域的大部分研究仍然容易受到质疑,这强调了未来科学文献中mtDNA甲基化声明的验证和解释需要特别严格的证据标准。

为了解决该领域持续的争议和技术不确定性,我们进行了多平台调查,采用了不同的文库制备方法和测序技术。使用了三种平台:结合Illumina测序的酶促多组学文库制备(Biomodal平台)、使用Oxford Nanopore技术对原始DNA进行测序(提供直接的资金平级推断),以及结合Ultima Genomics专有测序的酶促甲基化测序(EM-seq)文库制备。这些方法结合了短读长和长读长测序、原始DNA测序以及基于酶促转化的甲基化分析,以检测5mC和5hmC。

为了研究组织特异性变异并确定升高的核DNA甲基化是否也反映在稳健的mtDNA甲基化信号中,我们分析了人脑组织,并使用了具有高甲基化水平的血液干细胞。

最后,为了将mtDNA甲基化置于病理条件下进行情境化分析,我们分析了胶质母细胞瘤(GBM)和急性髓系白血病(AML)患者的样本,后者是一种以表观遗传调节基因频繁突变和明确的表观遗传失调为特征的血液系统癌症。

结果
大脑和血液之间的广泛核表观遗传差异并未在线粒体DNA中体现

为了评估分析流程的灵敏度和动态范围,我们首先分析了来自单个大脑和血液样本的Biomodal测序数据。我们量化了核基因组上158,823个不重叠的16,569 bp窗口中的甲基化情况,每个窗口的长度与mtDNA的长度相匹配。在比较大脑和血液时,62,389个窗口(39.28%)的5mC水平至少增加了2倍,而7,561个窗口(4.76%)的5hmC水平至少增加了2倍。此外,400个窗口(0.25%)同时显示出5mC和5hmC标记的增加。相比之下,只有8个窗口在血液中的甲基化富集程度高于大脑(表S1)。全基因组可视化显示,不同的5mC分布广泛,通常在组织间显示出中等的变化倍数。相比之下,不同的5hmC主要局限于开放染色质区域,并且经常与较高的变化倍数相关(图S1和S2)。这些模式与已知的大脑组织中核DNA甲基化的富集以及5mC和5hmC在染色质结构和基因调控中的功能作用一致,从而为所采用的分析框架提供了内部支持。

与这种基于窗口的铺砌分析揭示的不同核甲基化景观形成鲜明对比的是,线粒体基因组在大脑和血液样本之间的全局DNA甲基化水平没有明显差异。这一发现在不同分析分辨率下都是一致的,因为不受固定窗口限制的不同甲基化分析同样未能识别出任何差异甲基化区域。

在碱基分辨率下,样本间的mtDNA谱型高度一致,表现为5mC和5hmC的水平都普遍较低(图1;表S2),这与Biomodal方法的技术背景水平一致。在血液和大脑样本中,绝大多数甲基化信号(≥98.42%)低于从对照组中得到的5mC和5hmC的信号阈值(表S3),只有少数超出这些阈值的样本。在任一样本中超过阈值的位点中,最大超过背景的水平都非常低(血液5mC:0.0028,5hmC:0.0021;大脑5mC:0.0028,5hmC:0.0023)。超过阈值的5mC信号主要存在于CHH上下文中(分别在大脑和血液中占98.1%和100%)。

图1 人类线粒体DNA(mtDNA)中低水平5mC和5hmC信号的分布

显示完整说明
图像顶部显示大脑mtDNA甲基化谱型(正y轴),底部显示血液谱型(负y轴)。甲基化频率(%)表示在给定基因组位置支持甲基化胞嘧啶的测序读数比例。底部轨道标注了mtDNA特征,包括蛋白质编码基因(红色)、rRNA基因(蓝色)、tRNA基因(绿色)和D环(紫色),特征名称垂直显示。右侧标签指示组织分配和特征轨道位置。空隙对应于mtDNA参考序列的软屏蔽区域,代表低复杂性或重复元素。

三核苷酸序列上下文揭示了低水平mtDNA CpH甲基化信号的假象来源
据报道,mtDNA甲基化在非CpG(CpH)上下文中富集。然而,深度测序数据中的碱基替换错误高度依赖于上下文。

基于我们之前对测序错误谱型的表征,我们评估了在大脑和血液线粒体基因组中检测到的明显信号。具体来说,我们检查了三核苷酸上下文中的甲基化模式,并在CpH位点识别出一种独特的特征(图2)。为了评估这种模式是否可能源于技术伪影,我们进行了一个计算模拟,其中预期不含显著CpH甲基化的核基因组读数被随机抽取,以匹配mtDNA中观察到的覆盖率和序列上下文分布。这些结果表明,所得到的模式与明显的低水平mtDNA CpH信号非常相似,表明推断的甲基化反映了测序方法和分析框架固有的背景噪声,而不是真实的生物修饰。

图2 CpH甲基化模式和基于模拟的评估

比较大脑、血液(每个样本n = 1)和模拟mtDNA(从核读数中提取的数据,序列上下文和覆盖率匹配)中的5mC频率。每个蓝点代表单个CpH位点的甲基化频率(n = 4,641)。黑线连接每个样本中每个CpH上下文的平均5mC频率。x轴标签表示CpH三核苷酸上下文。图表共享一个共同的y轴。

长读长测序表明,核整合的线粒体序列可能是mtDNA 5mC和5hmC信号的潜在来源,同时揭示了具有表观遗传调节基因突变的癌症中不存在显著的线粒体甲基化

认识到表观遗传失调可能是癌症的特征,可能会扩展到线粒体中,我们使用Nanopore测序研究了大脑和血液恶性肿瘤中的mtDNA甲基化。该平台能够直接检测DNA修饰,而无需化学或酶促胞嘧啶转化,从而避免了与基于转化的甲基化分析方法相关的技术偏差。

我们的分析重点量化了CpG二核苷酸上下文中的5mC和5hmC,因为目前的信噪比限制了Nanopore测序可靠检测CpH甲基化的能力。我们对两种不同恶性肿瘤(GBM和AML)的样本进行了长读长测序。选择GBM是因为之前的亚硫酸氢盐测序报告表明其mtDNA甲基化升高。选择AML病例是为了代表常见的表观遗传亚型,每个患者携带主要的表观遗传调节基因突变:一个样本有两个TET2的无义突变,另一个样本有两个DNMT3A的错义突变,第三个样本有一个已知可驱动广泛DNA甲基化变化的IDH2热点突变(表S4;图S3)。

作为甲基化检测的阴性对照,我们还分析了全基因组扩增的DNA,这个过程会去除现有的表观遗传标记。为了建立稳健的5mC和5hmC检测阳性内对照,我们利用了核整合的线粒体序列(NUMTs),这些是进化过程中整合到核基因组中的线粒体来源的DNA片段,因此受到典型的核DNA甲基化的影响。NUMTs和mtDNA之间的高序列同源性确保了可比较的电信号谱型,从而在比较来自核基因组和线粒体基因组的读数之间的CpG修饰调用时最小化了序列上下文偏差。

在分析的所有患者样本中,无论组织起源或潜在的基因组改变如何,mtDNA甲基化都显示出可忽略的水平,与背景信号一致(表S5)。在阴性对照样本中,5mC的比率——计算为修饰胞嘧啶的比例与总测序胞嘧啶数量之比——为零。相比之下,同一样本中的5 hmC比例为0.0117%,相当于每10,000个测序位点中大约有一个发生了修饰的胞嘧啶,这是所有样本中第二高的比例。对796个在NUMTs中准确定位的线粒体CpG位点(占所有870个mtDNA CpG位点的91.49%)的分析显示,在核基因组中,每位患者的甲基化水平显著高于相应的线粒体位点,无论是5 mC还是5 hmC(双侧配对Wilcoxon符号秩检验;p = 0.036),这与预期的核DNA较高的甲基化状态一致(图3和S4;表S6)。图3显示了mtDNA和核嵌入线粒体DNA序列(NUMTs)之间甲基化频率的位点匹配比较。

总体而言,这些发现反对人类癌症组织中存在显著的mtDNA甲基化,并指出生殖细胞NUMTs可能是大多数线粒体CpG位点上错误地检测到mtDNA 5 mC和5 hmC信号的潜在来源。

纳米孔流动池版本对推断的mtDNA甲基化水平有影响。为了评估技术进步对mtDNA甲基化水平的影响,我们比较了使用两种不同流动池版本生成的3个GM样本的Nanopore测序数据(图3和S5;表S5)。较早的R9.4.1版本产生的mtDNA CpG甲基化率明显高于较新的R10.4.1版本。对于5 mC,3名患者的平均修饰率为0.16%(范围:0.15%–0.18%),而R10.4.1版本的平均修饰率为0.01%(范围:0.008%–0.019%)。同样,对于5hmC,R9.4.1流动池显示的平均率为3.8%(范围:3.5%–4.2%),而R10.4.1化学条件的平均率为0.006%(范围:0.005%–0.007%)。这些发现比我们在主要研究中使用的更高精度平台的检测水平高出1到近3个数量级。鉴于纳米孔平台上孔化学和碱基修饰调用方面的已知进展,这种差异突显了早期测序工作流程中的技术变异性可能如何导致先前报告的可检测mtDNA甲基化结果——这些发现可能不适用于最先进的方法。

我们使用Ultima Genomics测序作为一种正交方法来评估mtDNA胞嘧啶修饰水平。鉴于先前有报道称造血干细胞和前体细胞中的CpG和非CpG核DNA甲基化水平高于分化细胞群体,我们选取了动员的外周血干细胞样本来评估是否也能在富含干细胞的细胞环境中检测到类似的胞嘧啶修饰信号。EM-seq用于量化CpG、CHG和CHH序列背景下的5 mC频率。在所有序列背景下,甲基化频率随着覆盖率的增加而显著下降(图4:指数衰减拟合,3个样本的平均值:CpG:R2 = 0.726 [范围:0.624–0.791],CHG:R2 = 0.732 [范围:0.719–0.757],CHH:R2 = 0.762 [范围:0.739–0.780])。这种强烈的反比关系表明,明显的甲基化信号受到技术偏差的显著影响。为了区分潜在的生物甲基化和检测背景,我们分析了未甲基化的Lambda NEB噬菌体DNA作为负对照。每个样本测序的3个Lambda对照显示了低的全球胞嘧啶错误率(平均值 = 0.39% [范围:0.33%–0.46%;表S3)。值得注意的是,高覆盖率下估计的mtDNA甲基化频率趋于与lambda对照中观察到的全球错误率相当(图4),表明由检测内在错误特性定义的背景具有相似的下限。甲基化信号和覆盖率在重链和轻链之间有所不同,轻链的覆盖率显著较低(p < 0.001),并且明显较高的甲基化水平(p < 0.001),这是通过以样本为随机效应的混合效应模型确定的。

通过对轻链的集中分析,我们发现无论序列背景如何,甲基化信号都与覆盖率成反比(表S7;图5)。散点图描绘了在Ultima平台上测序的3个动员干细胞样本的mtDNA和lambda DNA负对照的测序覆盖率与明显甲基化频率之间的关系。每个点代表一个单独的胞嘧啶。Lambda对照数据(浅橙色)定义了技术误差范围,95%置信区间用阴影表示,超出该区间的异常值用深橙色突出显示。线粒体数据按DNA链分层:重链(绿色)和轻链(蓝色)。黑色曲线代表拟合mtDNA数据的指数衰减模型,捕捉了覆盖率深度与明显甲基化之间的反比关系。渐近参数(“chrM Asym”)代表在无限覆盖率下的残余背景甲基化频率,这是根据未甲基化的Lambda NEB噬菌体DNA对照的全球错误率(虚线红色)进行评估的。使用决定系数(R2)评估拟合优度,该系数为每个背景报告。甲基化值限于覆盖率≥100×的位点,以最小化低覆盖率随机噪声的影响。混合效应模型(样本作为随机效应)估计轻链的平均甲基化频率显著高于重链(0.028 vs. 0.0035;p < 0.001)。相应的统计数据基于轻链和重链的13,968和6,507个汇总观测值。轻链的平均覆盖率显著较低(908× vs. 8,525×;p < 0.001)。

对轻链的集中分析显示,无论序列背景如何,甲基化信号都与覆盖率成反比(表S7;图5)。测序覆盖率追踪了序列复杂性的局部减少,突出了与难以映射区域相关的潜在偏差。为了评估平台特定的技术偏差,使用Biomodal平台测序的血液样本与从同一样本生成的Ultima测序数据进行了比较。计算了每个平台和背景下甲基化/覆盖率与序列复杂度之间关系的皮尔逊相关性和p值(图S6)。Biomodal数据显示了较低的甲基化信号、更均匀的覆盖率以及覆盖率与序列复杂性之间的较低相关性,而Ultima数据则显示出较高的甲基化信号、相对较高的覆盖率变异性以及所有背景下覆盖率与序列复杂性之间的强正相关。

讨论中提到,人类线粒体DNA中胞嘧啶甲基化的存在和功能相关性仍然存在高度争议。在这里,我们提供了来自不同测序平台的共识证据,表明mtDNA甲基化和羟甲基化信号与技术背景水平一致,并受到平台特定和方法学混淆因素的影响。通过系统地使用酶促、原生长读长和短读长测序方法评估mtDNA甲基化,我们的发现挑战了将mtDNA甲基化解释为真实存在的观点。利用这些独立的方法,我们在具有升高或失调的核DNA甲基化状态的多种生理和病理背景下对mtDNA进行了研究。这些包括表现出高核DNA甲基化水平和广泛表观遗传调控的脑组织、以前报道称与分化细胞类型相比具有较高核甲基化的富集干细胞/前体细胞群体,以及携带影响表观遗传调控机制突变的血液系统恶性肿瘤。尽管这些甲基化环境各不相同,我们的发现表明,在所检查的条件下,改变的核表观遗传状态并未转化为稳健或功能上显著的mtDNA胞嘧啶修饰。

已经有多项研究报告和解释了线粒体基因组轻链上明显的甲基化信号。使用Ultima Genomics测序和EM-seq,我们观察到了表面上相似的链和位点相关模式;然而,这些信号伴随着与局部序列复杂性相关的明显覆盖率依赖效应,这表明是技术上的而不是生物学上的信号富集。在序列复杂性降低的区域,轻链上的明显甲基化水平优先升高,这可能挑战短读长比对,并导致相对于平均线粒体深度的覆盖率降低。重要的是,一些受影响的位点仍位于通常被认为是高覆盖率的范围内(例如,>100×),这强调了在mtDNA甲基化分析中依赖固定覆盖率阈值的局限性。至关重要的是,这些观察结果并不意味着短读长测序本质上不适合用于线粒体甲基化分析。在整个线粒体基因组中,Biomodal测序一致显示了低水平的5 mC和5 hmC,没有证据表明有位点特异性的富集。这种方法使用配对末端读长和一个懂得化学性质的模型来分配胞嘧啶修饰状态,这些状态与序列是分开编码的。这使得能够重建带有明确修饰注释的标准四碱基读长,并将其与四碱基参考基因组对齐,而不是许多替代策略中使用的低复杂性(即三碱基)基因组表示。通过将NUMT衍生的CpG位点明确映射到其相应的线粒体位点,我们证明了核线粒体序列可能在相当部分的线粒体基因组中贡献类似甲基化的信号。这种效应在基于抗体的5 mC/5 hmC富集工作流程中尤为重要,这些流程在在线粒体分离后应用,其中残留的核DNA——包括NUMTs——可能会持续存在并在免疫捕获过程中被富集。当这样的富集策略与依赖于三碱基基因组的短读长测序和对齐方法结合使用时,读长来源的歧义可能会进一步放大,增加将核来源的甲基化信号错误归因于线粒体位点的可能性。

长读长测序提供了改进的线粒体和NUMT衍生读长之间的区分能力;然而,推断的mtDNA修饰水平仍然受到流动池化学和相关错误结构的影响。值得注意的是,在我们的研究中,早期的纳米孔流动池化学(R9.4.1)产生的明显修饰水平高于较新的化学(R10.4.1),这可能部分解释了使用早期纳米孔流动池的研究中报告的低水平mtDNA修饰信号。总体而言,这些发现表明,在所检查的成人组织和中条件下,胞嘧啶5 mC和5 hmC修饰不是mtDNA的可检测特征。这里呈现的综合证据,以及先前报告缺乏对广泛mtDNA甲基化的支持,表明在人类组织中应默认解释为mtDNA胞嘧啶甲基化的缺失。因此,未来研究潜在的线粒体表观遗传修饰将需要严格的方法学和分析框架,以区分低丰度的生物信号和技术及计算混淆。这包括对可重复位点信号的交叉验证、系统评估链偏差、局部序列复杂性、覆盖率依赖效应以及核和NUMT衍生读长的严格去卷积。特别是,胚胎组织会经历广泛的代谢和表观遗传重编程,因此仍然是暂时性或低丰度修饰的理想环境。除了生理条件之外,实验诱导或工程化的线粒体DNA(mtDNA)胞嘧啶修饰也是可能的,并且可以为研究线粒体基因调控的潜在机制提供一个有用的框架。

资源可用性
主要联系人:如需进一步的信息和资源,请联系Sagi Abelson(sabelson@oicr.on.ca),她将为您满足需求。

材料可用性
本研究没有生成新的独特试剂。

数据和代码可用性
• 生物模态测序数据已存放在GEO(GSE342363)中,并在出版日公开可用。
• 图表的甲基化总结和源数据已存放在Zenodo(https://doi.org/10.5281/zenodo.15801168)中。
• 用于Ultima Genomics测序的“Genome in a Bottle”(GIAB)参考血液样本的原始测序读段来自托管在AWS S3公共桶中的公开可用Ultima Genomics基准数据集(s3://ultima-public-data/Methylation/)。
• 所有分析和图生成代码均可在https://github.com/abelson-lab/mtDNA-Methylation-Revisited获取。

致谢
我们感谢患者为这项研究所做的宝贵贡献。同时,我们也感谢安大略癌症研究所信息技术核心设施提供的必要的高性能计算资源。本研究得到了安大略癌症研究所的研究员奖励计划的支持,该计划由安大略省政府资助(资助对象为S.A.、J.R.和J.T.S.)。此外,Genome Canada和Ontario Genomics(OGI-136和OGI-201)以及国家人类基因组研究所(5R01HG009190)也提供了支持(资助对象为J.T.S.)。S.B.还获得了加拿大卫生研究院的研究生奖学金和Sona Naran Pancha白血病研究研究生奖。图形摘要使用BioRender创建。Tan, D.(2026)https://BioRender.com/99g6f30。

作者贡献
S.B.进行了计算分析,开发了自定义代码,管理了伴随的GitHub仓库,并协助撰写了手稿。P.C.Z.在J.T.S.的监督下进行了GBM组织的样本制备和纳米孔测序。D.T.参与了使用Biomodal和Ultima Genomics测序生成的数据的下游分析,并协助撰写了手稿。A.T.B.在J.R.的监督下参与了GBM数据的处理和分析。J.R.和J.R.协调了GBM样本的采集及相关数据收集。J.T.S.和A.T.B.分析了GBM数据集。J.T.S.提供了纳米孔测序分析方面的专业知识。A.B.、T.C.和K.N.在B.L.的监督下进行了样本制备,并生成了酶促甲基化测序数据。A.A.和M.D.M.协调了AML患者样本的采集和处理。B.L.协调了正常脑组织和血液样本的采集。S.A.构思并监督了整个研究,开发了自定义代码,领导了分析,并撰写了手稿。所有作者都参与了结果的解释并审查了手稿。

利益声明
J.T.S.从Oxford Nanopore Technologies(ONT)获得了研究资助,并获得了参加和在ONT组织的会议上发言的旅行支持。

STAR★ 方法
关键资源表

试剂或资源
来源标识符
生物样本
健康脑组织样本:BioChain Institute Inc.(D1234035)
急性髓系白血病样本:University Health Network Hematologic Malignancy Tissue Bank(https://www.uhn.ca/PrincessMargaret/Biobanks/Leukemia_Tissue_Bank/Pages/research.aspx)
胶质母细胞瘤样本:St. Michael’s Hospital Brain tissue biobank(N/)

存档数据
生物模态测序数据:GEO: GSE342363
常染色体和chrM的甲基化总结:Zenodo: https://doi.org/10.5281/zenodo.15801168
“Genome in a Bottle”(GIAB)参考血液样本的Ultima Genomics测序:Ultima Genomics AWS S3公共桶(s3://ultima-public-data/Methylation/)

实验模型:细胞系
淋巴细胞系NA12878(gDNA):Coriell Institute(NA12878)

软件和算法
SAMtools(v.1.23):Li等人(samtools.sourceforge.net/)
Minimap2(v.2.30):Li等人(https://github.com/lh3/minimap2)
Metilene(v3.1):Jühling等人(https://legacy.bioinf.uni-leipzig.de/Software/metilene/)
DSS(v2.58.0):Feng & Wu(https://www.bioconductor.org.packages/devel/bioc/vignettes/DSS/inst/doc/DSS.html)
karyoploteR(v1.8.4):Gel & Serra(https://www.bioconductor.org/packages/release/bioc/html/karyoploteR.html)
BEDtools(v2.31.1):Quinlan & Hall(https://github.com/arq5x/bedtools)
Dorado(v0.9.1):Oxford Nanopore的Basecaller(https://github.com/nanoporetech/dorado)
Modkit(v0.6.0):Oxford Nanopore用于处理修饰碱基的生物信息学工具(https://github.com/nanoporetech/modkit)
MethylDackel(v0.6.1):用于提取每个碱基的甲基化指标的工具(https://github.com/dpryan79/MethylDackel)
Ultima Aligner(v2.1.2):Ultima Genomics的读段比对工具(https://github.com/Ultimagen/healthomics-workflows/tree/main)
IGV(v2.19.7):整合基因组可视化工具(https://igv.org)

实验模型和研究参与者详情
急性髓系白血病样本(n = 3)是在初次诊断时获得的,同时还有三个用作非恶性参考的动员外周血干细胞样本。所有样本均来自University Health Network Hematologic Malignancy Tissue Bank,并获得了所有参与者的书面知情同意(REB 01–0573)。所有胶质母细胞瘤样本(n = 3)均对应于原发性肿瘤,详情见表S4。在St. Michael’s Hospital Brain tissue biobank(Unity Health REB 13–141;University of Toronto REB 39640)获得了知情同意。所有患者的年龄、生物学性别和突变状态均列在表S4中。由于样本量有限,且观察到的信号被认为是技术伪影而非生物学变异,因此没有进行性别特异性分析。

方法细节
生物模态测序文库制备和读段处理
使用Biomodal试剂盒根据制造商的协议,从脑组织(BioChain,目录号D1234035)和血液(淋巴细胞系NA12878 gDNA;Coriell Institute)制备了代表正常(非恶性)样本的基因组DNA文库。全基因组测序在Illumina NovaSeq平台上进行,生成了150 bp的双端读段。原始的双端测序读段经过修剪,以去除每个读段中的接头污染。每个修剪后的读段的首个碱基(代表文库制备过程中的残留悬突)被去除。随后,读段被解析为包含相关胞嘧啶修饰注释的规范序列表示,从而能够区分CpG和非CpG背景下的5-甲基胞嘧啶(5 mC)以及CpG位点上的5-羟甲基胞嘧啶(5hmC)。使用先前描述的分析原理,排除了过短、含有过多模糊碱基或低质量碱基调用比例过高的读段。后续没有进行额外的明确过滤步骤。解析后的单链读段使用BWA-mem与人类参考基因组(GRCh38/hg38组装)进行了比对。两个样本的核基因组平均覆盖度约为34×。线粒体DNA(mtDNA)的读段覆盖度在脑样本中约为51,000×,在血细胞系中约为20,000×。

Oxford纳米孔测序和数据分析
从三个GBM肿瘤组织和三个AML样本中各提取2 μg的天然基因组DNA,并按照SQK-LSK114协议(Oxford Nanopore Technologies)进行了文库制备。测序使用R10.4.1流式细胞仪进行。包括同时检测5 mC和5hmC的碱基调用使用Dorado软件[https://github.com/nanoporetech/dorado]通过wf-basecalling工作流(版本v1.4.5)进行,其中碱基调用模型设置为dna_r10.4.1_e8.2_400bps_hac@v5.0.0,修改模型设置为5mCG_5hmCG@v1。此工作流使用minimap2将读段与GRCh38/hg38参考基因组进行比对,并强制使用软剪切(-Y参数),以便对可能超出线性线粒体基因组表示边界的读段进行后续的甲基化分析。然后使用Modkit pileup [https://github.com/nanoporetech/modkit]按CpG位点汇总甲基化信号。分析仅限于CpG二核苷酸。修改调用的最大置信阈值要求为:5 mC(--mod-thresholds m:0.99)和5hmC(--mod-thresholds h:0.99)。只有当碱基正确称为胞嘧啶的概率大于0.8时才被考虑(--filter-threshold C:0.8)。此外,GBM患者的DNA也使用R9.4.1流式细胞仪进行了测序,并使用保留相同修改调用严格性的调整后工作流进行分析。

Ultima Genomics测序和数据分析
从动员的干细胞中提取的基因组DNA使用NEBNext EM-seq Kit(New England Biolabs)根据制造商的协议进行了酶促甲基化测序(EM-seq),并在Ultima Genomics UG-100平台上进行测序。原始测序数据通过供应商提供的自动化分析流程进行处理,包括碱基调用和质量控制、接头修剪。比对在仪器上使用供应商的Ultima Aligner(UA)进行,将读段映射到从GRCh38/hg38参考组装派生的三字母基因组。作为此工作流程的一部分,生成了标准比对指标和测序质量统计信息,报告的平均比对读段长度为197 bp。使用MethylDackel(https://github.com/dpryan79/MethylDackel)从比对的CRAM文件中提取了胞嘧啶甲基化频率,涵盖了CpG、CHG和CHH序列背景。甲基化频率计算为每个胞嘧啶位点的甲基化读段数量除以覆盖该位点的总读段数量。MethylDackel使用默认过滤参数,排除了标记为次要的比对、质量控制失败的比对、PCR/光学重复的比对以及映射质量得分<10的比对。为了解析链特异性线粒体甲基化,每个胞嘧啶位置根据参考线粒体基因组序列进行了标注。与分析管道中实施的位置映射一致,bedGraph文件中对应于参考序列中的鸟嘌呤(G)残基的基因组坐标被分配到重链,而对应于胞嘧啶(C)残基的坐标被分配到轻链。使用线性混合效应模型(statsmodels v0.14.6,Python v3.11.15;REML估计)测试了甲基化频率和覆盖度的链级比较,其中链作为固定效应,每个生物样本有一个随机截距以解释样本内胞嘧啶水平的非独立性(假复制)。

量化和统计分析
差异甲基化区域(DMR)调用和数据可视化
使用Samtools从比对的BAM文件中提取了编码在自定义质量字符串中的每个碱基的甲基化信息。然后将mpileup输出传递给专门设计用于解析这种编码的定制AWK脚本。自定义Python脚本用于:i) 将基因组分割成mtDNA大小的窗口;ii) 计算每个窗口内5 mC和5hmC的窗口平均甲基化水平;iii) 对比每个窗口中脑和血液样本之间的甲基化水平;iv) 计算倍数变化。使用双侧Wilcoxon秩和检验和Bonferroni校正的p < 0.05阈值。对应于mtDNA的窗口没有差异甲基化。使用karyoploteR包生成了全基因组的差异甲基化可视化。甲基化信号最初编码在读段质量字符串中,然后使用自定义Bash脚本转换为SAM碱基修饰格式。这个过程生成的比对文件包含MM:Z:(修饰状态)和ML:B:C:(可能性)标签,适用于在IGV中可视化甲基化。此外,还应用了两种DMR调用工具:Metilene和Dispersion Shrinkage for Sequencing(DSS)到mtDNA数据。分析分别或联合对CpG和非CpG位点的5 mC进行了处理。对于5hmC,只包括CpG位点,因为在这种背景下5hmC的调用仅限于CpG二核苷酸。两种工具都使用相同的参数进行了DMR调用,包括要求每个DMR至少有10个胞嘧啶和组间平均甲基化差异至少10%。对于Metilene,允许在DMR内的连续位置之间有最多300 bp的间隙。对于DSS,将相邻胞嘧啶位置的差异甲基化合并为单个DMR。

mtDNA甲基化与匹配的核三核苷酸序列背景的比较
为了评估mtDNA甲基化相对于可比的核背景,我们实施了一种采样策略,控制了序列背景和测序深度。对于mtDNA中非软屏蔽区域的7,162个胞嘧啶中的每一个,在脑组织的重链和轻链上都进行了分析,确定了三核苷酸背景(5′-NCN-3′),得到了16个不同的序列特征。然后,我们在血样本的核基因组中找到了具有相同三核苷酸背景的相应位点。由于mtDNA的覆盖度显著高于核基因组(约51,000×对比约34×),直接比较甲基化水平是不合适的。因此,为了匹配每个mtDNA位点的高覆盖度,我们随机采样了多个具有相同三核苷酸背景的核位点,直到采样核位点的累积读段覆盖度接近脑样本中单个mtDNA位点的覆盖度。然后通过总结所有采样核位置的甲基化碱基计数并除以这些位置的总碱基计数来计算这个采样核背景的聚合甲基化水平。

高度同源的NUMTs与线粒体DNA的分析
为了识别保留祖先线粒体CpG模式且序列相似性非常高的NUMTs,我们将Wei W等人的NUMT序列与人类线粒体参考基因组(chrM,hg38构建)进行了比对。对于每个NUMT,其正向序列及其反向互补序列分别使用全局比对(pairwiseAlignment函数,Biostrings R包)进行了独立比对,并设置了仿射间隙惩罚(间隙开放=10,间隙扩展=1)。在选择比对方向(正向或反向互补)时,优先考虑能够产生较少或较长连续比对片段的方案,前提是最长的连续片段长度超过原始NUMT长度的50%或大于100个碱基对(bp)。在优选的比对结果中,识别出了chrM与NUMT之间保守的CpG二核苷酸对。只有那些至少包含10个保守CpG二核苷酸对的NUMT才会被保留下来。通过这种方法,最终筛选出了93个NUMT,它们与796个线粒体DNA(mtDNA)中的胞嘧啶碱基具有高置信度的匹配。使用BEDtools工具从参考基因组中提取了匹配的NUMT和mtDNA序列。为了比较mtDNA与NUMT之间的甲基化水平,我们将站点级别的数据汇总到了样本级别。对于每个患者,我们计算了mtDNA和NUMT中所有保守CpG位点的整体甲基化率。随后使用Wilcoxon符号秩检验对这些样本级别的统计结果(N=6)进行了统计分析。

**覆盖度分层衰减模型与误差阈值处理**
测序深度与表观甲基化频率之间的关系通过非线性指数衰减函数来建模:y = a·e?bx+c,其中x表示覆盖度,y表示甲基化频率,a、b和c是拟合参数。该模型被限制在生物学上合理的范围内(0 ≤ a, b, c ≤ 1),并使用最小二乘法进行拟合。渐近参数(c)代表无限覆盖度下的残余背景水平。通过将这一渐近值与未甲基化Lambda DNA对照组的误差率进行比较,以区分技术噪声和潜在的生物学信号。模型拟合优度通过决定系数(R2)来评估。

**序列复杂性**
基因组序列复杂性是通过在参考线粒体基因组上使用单碱基滑动窗口方法计算得出的。窗口大小设定为200 bp,以近似真实的测序读取长度。为了准确反映EM-seq后的序列复杂性,在计算之前,基于胞嘧啶的碱基被转换为胸腺嘧啶碱基,从而得到一个由A、T、G三种碱基组成的系统。每个窗口的归一化香农熵计算公式为H = ?∑pi log2(pi),其中pi表示每种碱基的出现频率。熵值通过三碱基系统的最大理论熵(log2(3)≈1.585)进行归一化,得到的复杂性分数范围从0(同聚序列)到1(最大复杂性)。

**相关性分析与覆盖度均匀性**
为了评估技术偏差,计算了线粒体Light链的皮尔逊相关系数(r)。对于每个样本和序列类型(CpG、CHG、CHH),我们分别评估了(i)测序覆盖度与局部序列复杂性以及(ii)甲基化频率与局部序列复杂性之间的相关性。相关性分析采用双尾p值来确定统计显著性。为了在考虑不同平均测序深度的情况下比较覆盖度均匀性,我们计算了变异系数(CV = σ/μ),从而可以直接比较不同样本之间的覆盖度不均匀性。

**补充信息(8)**
- 下载全部内容:PDF格式(4.56 MB)
- 文档S1:图S1–S6
- 电子表格(2.49 MB):表S1:脑组织和血液样本中差异性5 mC和5hmC富集的基因组窗口列表
- 电子表格(639.16 KB):表S2:从血液和脑组织Biomodal测序样本中检测到的线粒体染色体甲基化信号
- 电子表格(815.22 KB):表S3:在Biomodal和Ultima测序数据集中添加的对照组中检测到的甲基化信号
- 电子表格(19.73 KB):表S4:GBM和AML患者样本的临床和遗传特征
- 电子表格(10.59 KB):使用纳米孔平台测序的mtDNA 5 mC和5hmC数据总结
- 电子表格(3.19 MB):表S6:关于线粒体CpG位点与其对应的核整合线粒体序列的甲基化详细信息
- 电子表格(823.14 KB):表S7:使用Ultima Genomics平台测序的移动性血液样本中重链和轻链的碱基甲基化水平及测序覆盖度

订阅生物通快讯

订阅快讯:

最新文章

限时促销

会展信息

关注订阅号/掌握最新资讯

今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

版权所有 生物通

Copyright© eBiotrade.com, All Rights Reserved

联系信箱:

粤ICP备09063491号