Skip to content

基因體學 › 定序技術 › DNA 甲基化定序

DNA 甲基化定序 (DNA Methylation Sequencing) ​

DNA 甲基化(哺乳類主要是 CpG 上的 5-甲基胞嘧啶,5mC)是最穩定、最常被量測的表觀遺傳標記,與基因沉默、印記 (imprinting)、X 染色體失活、細胞分化與癌症有關。量測的核心是:把「有沒有甲基」轉換成序列上看得到的差異,再在每個 CpG 計算甲基化比例。

量測原理 ​

方法原理優點限制
亞硫酸鹽轉換 (bisulfite)未甲基化 C → U(PCR 後讀成 T);5mC / 5hmC 不變金標準、工具成熟DNA 嚴重斷裂與損失;GC 偏差;無法區分 5mC 與 5hmC
酶轉換(EM-seq)TET2 + APOBEC 酶反應,達到與 bisulfite 相同的 C → T 結果DNA 損傷少、低起始量、覆蓋更均勻試劑較貴;分析流程與 bisulfite 相同
oxBS / TAB-seq額外化學步驟區分 5mC 與 5hmC能分出 5hmC(腦組織重要)需兩組定序相減,雜訊大
長讀直接偵測PacBio(聚合酶動力學)、ONT(電流訊號);不需轉換同時得到單倍型與甲基化、重複區準確度依模型與版本;結果存在 BAM 的 MM / ML tag
甲基化陣列bisulfite 轉換後以探針雜交(Illumina EPIC 系列)便宜、大樣本、標準化流程成熟只涵蓋預先設計的 CpG;探針交叉雜交、SNP 干擾

長讀平台的特性見 定序平台。

實驗設計 ​

方法範圍典型深度適用
WGBS / 全基因組 EM-seq全部約 2800 萬個 CpG每股約 10–30×探索性研究、參考圖譜、DMR
RRBSMspI(CCGG)酶切富集 CpG island、啟動子;約數百萬 CpG高成本低;遠端調控區涵蓋差
標靶甲基化定序雜交捕捉或 amplicon很高臨床檢測、cfDNA 甲基化(見 液態切片)
甲基化陣列預選的數十萬 CpG—流行病學、EWAS、表觀遺傳時鐘

生物重複比單一樣本的深度重要;組織樣本的細胞組成差異常是最大的變異來源(例如血液中嗜中性球比例),設計時就要記錄或估計。

分析流程(bisulfite / EM-seq) ​

text
FASTQ ──修剪(Trim Galore;RRBS 加 --rrbs)
  ──► 比對到「轉換後」的參考基因組(Bismark / bwa-meth)
  ──► 去重複(WGBS 要;RRBS 不要:酶切片段本來就同起點)
  ──► 甲基化呼叫:每個 CpG 的 甲基化 reads / 總 reads
  ──► QC:轉換率、M-bias、CpG 覆蓋度
  ──► 差異甲基化:DMC(單一 CpG)/ DMR(區域)──► 註解與富集
bash
# Bismark:以 Bowtie2 比對到 C→T 與 G→A 轉換後的基因組
bismark_genome_preparation --parallel 4 genome/
bismark --genome genome/ -1 s1_R1_val_1.fq.gz -2 s1_R2_val_2.fq.gz --parallel 4 -o align/
deduplicate_bismark --paired --bam align/s1_R1_val_1_bismark_bt2_pe.bam
bismark_methylation_extractor --paired-end --gzip --bedGraph --cytosine_report \
  --genome_folder genome/ align/s1_R1_val_1_bismark_bt2_pe.deduplicated.bam
bismark2report && bismark2summary                    # HTML 報告:比對率、轉換率、M-bias
# 輸出 *.bismark.cov.gz:chr  start  end  甲基化%  甲基化 reads 數  未甲基化 reads 數

替代流程:bwa-meth + MethylDackel(較快);標準化 pipeline:nf-core/methylseq。

品質指標 ​

指標意義參考值 / 判讀
轉換率 (conversion rate)未甲基化 C 被轉換的比例;用非 CpG 情境(CHH)甲基化或 lambda DNA spike-in 估計> 99%;不足會高估甲基化
M-bias 圖甲基化比例沿 read 位置的變化平坦為佳;兩端偏移要在 extractor 中忽略(--ignore、--ignore_r2)
比對率轉換後序列複雜度降低,比對率比一般 DNA-seq 低WGBS 常見 60–80%
CpG 覆蓋度每個 CpG 的 reads 數單一 CpG 分析通常要求 ≥ 10×;低覆蓋改用區域分析
C>T SNP真正的 C>T 變異會被誤判為未甲基化用另一股(G>A)資訊或排除已知 SNP 位置

Beta 值與 M 值 ​

指標定義用途
Beta (β)甲基化 / (甲基化 + 未甲基化);陣列加常數 α = 100 穩定分母解讀與報告(0–1,即甲基化比例)
M-valuelog₂(β / (1 − β))陣列資料的統計檢定(較接近常態、變異較穩定)

Beta 值與 M 值的關係及變異

左:M 值把接近 0 或 1 的 β 拉開。右:以 30× 覆蓋、4 個重複模擬,β 的標準差在中間最大、兩端被壓縮;M 值在兩端反而被放大。兩種尺度的變異都與甲基化程度有關,所以定序資料通常直接對甲基化 / 未甲基化 reads 計數建模(beta-binomial),而不是對 β 做 t 檢定。(模擬資料)

差異甲基化 ​

資料工具模型
定序(WGBS / RRBS / EM-seq)methylKit、DSS、dmrseq、bsseqlogistic / beta-binomial;DSS 用經驗貝氏收縮離散度;dmrseq 以區域為單位控制 FDR
陣列minfi、sesame(前處理);limma(對 M 值)線性模型 + 經驗貝氏,見 limma
細胞組成校正EpiDISH、Houseman 法(參考甲基化圖譜去卷積)把估計的細胞比例當共變數
r
library(methylKit)
files <- list("ctrl1.bismark.cov.gz", "ctrl2.bismark.cov.gz", "trt1.bismark.cov.gz", "trt2.bismark.cov.gz")
obj <- methRead(files, sample.id = list("c1", "c2", "t1", "t2"), assembly = "hg38",
                treatment = c(0, 0, 1, 1), context = "CpG", pipeline = "bismarkCoverage")
obj  <- filterByCoverage(obj, lo.count = 10, hi.perc = 99.9)   # 去掉低覆蓋與極端高覆蓋(PCR 重複)
obj  <- normalizeCoverage(obj)
meth <- unite(obj, destrand = TRUE)                             # 合併兩股、保留所有樣本都有覆蓋的 CpG
diff <- calculateDiffMeth(meth, covariates = NULL, mc.cores = 4) # logistic 回歸 + 過度離散校正(overdispersion = "MN" 可選)
sig  <- getMethylDiff(diff, difference = 25, qvalue = 0.01)      # |Δ甲基化| ≥ 25% 且 q < 0.01

常見陷阱 ​

陷阱說明
細胞組成混淆疾病組的細胞比例不同,就會出現「差異甲基化」;先估計並校正
只看單一 CpG相鄰 CpG 高度相關,DMR 比 DMC 更穩健也更容易解讀
效應量太小統計顯著但 Δβ < 5% 的差異生物意義常有限;同時報告效應量
陣列探針問題交叉雜交探針、含 SNP 探針、性染色體探針要過濾;批次(晶片、位置)明顯
5hmC 被當成 5mCbisulfite 與 EM-seq 都無法區分;腦組織尤其重要
多重檢定數百萬 CpG 同時檢定,必須控制 FDR,見 多重檢定

應用 ​

應用例子
癌症腫瘤抑制基因啟動子高甲基化(MGMT 甲基化預測 temozolomide 反應)、甲基化分類器(中樞神經腫瘤分型)
液態切片cfDNA 甲基化判斷組織來源、早期多癌篩檢
表觀遺傳時鐘Horvath、GrimAge 等以數百個 CpG 預測年齡 / 生物年齡
印記疾病Prader–Willi / Angelman(15q11-13 甲基化分析)
重複擴增FMR1 全突變伴隨甲基化,見 Southern blot