建立表观遗传修饰和转录因子结合位点的关系模型
作者：互联网
摘要
在基因表达调控中，TFs和表观遗传修饰起到关键作用，已经发现了两者间的相关性。然而，定量研究相关性的方法有限。本文提出了一种计算机方法，系统研究染色质体系结构或DNA序列中的表观遗传改变如何与TF结合相关，采用统计学分析去阐明表观遗传修饰可以预测TF结合亲和力，而不需要序列信息。结果显示，预测TF结合亲和力的表观遗传修饰模型是细胞系特异性的，表观遗传修饰和TF结合亲和力间的关系是高协调的，基因组位置特异的，细胞类型特异的。
1 数据集
1、ENCODE 数据库，细胞系中大于120 个TFs和不同表观遗传修饰类型的数据
2、ChIP-Seq方法生成组蛋白修饰的全基因组描述（包括H3K9ac, H3K27ac, H3K4me3, H3K4me2,H3K4me1, H3k79me2, H3K9me3, H3K27me3, H3K36me3 和H4K20me1，和组带白变体，H2az）。
3、筛选K562（红细胞白血病细胞）,GM12878(B-淋巴母细胞)，H1-hESC（胚胎干细胞），HepG2（肝癌细胞）这四种细胞系的数据集。
4、使用ChIP-Seq方法描述全基因组TF结合数据，从K562, GM12878, H1-hESC 和 HepG2细胞系中获得75, 69, 42 和41 个TFs的数据。
5、使用RRBS方法（覆盖大于1M（百万）个CpG位点，Ininium Human Methylation450 BeadChip array测量485577个CpG位点的甲基化水平。每个CpG的甲基化水平是RRBS重复实验数据的平均值或Human Methylation450 BeadChip 数据的平均值。
6、从RefSeq数据库（中获得有全部信息的47321个蛋白编码基因和10214个非蛋白编码基因的基因组位置，包括TSSs和TTSs。排除序列长度（TSSs到TTSs）小于4k bps的基因，确保每个基因有足够的下游区域，最终筛选得到33292个基因。
7、FANTOM5数据库提供49199个增强子的信息。
1 方法
一：分离TSSs和增强子中心点周围的基因组区域
1、将TSSs周围的8K-bp基因组区域（-4到+4 Kb）划分为80个滑窗，每个滑窗大小为100bps。增强子中心点类似。
2、基于TF或组蛋白的ChIP-Seq数据，我们计算每个核苷酸的覆盖范围，作为覆盖该核苷酸的Reads的数目。平均核苷酸的覆盖范围。计算每百万Reads（RPM）的值，进一步标准化每个滑窗的覆盖范围，取重复实验的平均值。
3、log2转化（log 2(RPM + 1)）.如果没有ChIP-Seq reads映射到每个滑窗，分配一个伪计数-1作为结合亲和力，取代0去与其他非0但低覆盖范围的滑窗区分开来。
4、筛选映射到每个滑窗的CpG位点的甲基化水平，计算滑窗的甲基化水平。对于有多个CpG位点的滑窗，取映射到这个滑窗的CpG位点的甲基化水平的平均值来作为这个滑窗的甲基化水平。
二：预测TF结合亲和力
1、 RefSeq 基因，随机选择三分之二的基因（22194）作为训练数据集，剩下的三分之一的基因作为测试数据集。
2、在每个滑窗中，构建训练数据集中每个TF的MLR模型（多元线性回归模型（‘mlr’R包））和RF模型（随机森林模型（‘randomForest’R包）），表观遗传修饰水平作为输入，TF结合亲和力是输出，且随后应用到测试数据集中，相应的表观遗传修饰水平作为输入去预测同一TF的结合亲和力
3、计算预测的TF结合亲和力和实验测量值间皮尔森相关系数（PCC）。测定系数（R^2）作为且表示预测精确度，代表该模型中可以解释其TF结合亲和力的基因所占的比例。
4、使用交叉验证去估算预测精确度，上述步骤重复50次
5 、计算预测的和实验测量的TF结合亲和力的PCC和R^2的平均值，去作为每个滑窗中的表观遗传修饰模型的预测精确度。
1 结果
1、TF结合亲和力和表观遗传修饰的相关性不具有偶然性，表观遗传修饰和TF结合亲和力的强相关性。
2、表观遗传修饰和TF结合间的位置特异性关系。
3、预测TF结合的表观遗传修饰模型是细胞系特异性的。
4、表观遗传修饰可以全基因组地预测TF结合亲和力。
1 讨论
本文提出的模型可以用一种定量方法对TF结合和表观遗传修饰间的相关性进行系统性分析。通过将基因组区域划分为滑窗，模型可以研究TF结合和表观遗传修饰间的全基因组相关性，且能定量发现他们的位置关联的关系。分析了在TF结合峰和非峰基因组区域上都有的TF结合和表观遗传修饰间的相关性。本文方法有利于研究组蛋白修饰和DNA甲基化状态，和他们与TF结合的相关性。可以研究DNA甲基化与TF结合的正相关性。不依赖于序列信息，表观遗传修饰可以预测TF结合亲和力。分析表明，表观遗传修饰和TF 结合亲和力间有强相关性。这些相关性不是偶然发生的，是由自然生物机制引发的。预测模型对有相似预测精确度的所有基因普遍有效，尽管基因的表达水平不同。表观遗传修饰可能根据基因组位置和细胞系或细胞状态改变，这表明了位置特异性和细胞系特异性关联。分析说明，表观遗传特征通过一个组合非线性方法去反映TF结合亲和力，这意味着在每个基因组区域上的对TF结合的准确模拟只需要几个组蛋白修饰。DNA甲基化在建立TF结合模型方面不起主要作用。
参考文献：
Liu, L., G. Jin, and X. Zhou, Modeling the relationship of epigeneticmodifications to transcription factor binding. Nucleic Acids Res, 2015. 43(8): p. 3873-85.
往期「精彩内容」，点击回顾
DNA测序历史 | CircRNA数据库 | Epigenie表观综合 | 癌症定位
BWA介绍 | 源码安装R包 | CancerLocator | lme4 | 450K分析
乳腺癌异质性 | BS-Seq | 隐马模型 | Circos安装 | Circos画图
KEGG标记基因 | GDSC | Meta分析 | R线性回归和相关矩阵
精彩会议及课程，点击回顾
标签：遗传,结合,TF,转录,亲和力,表观,位点,修饰 来源： https://blog.51cto.com/15127592/2672905