|
面向全基因组5mC甲基化图谱构建与上下文依赖型变异效应预测的深度学习框架DNA甲基化（DNA methylation）在转录调控、基因组印迹、染色体维持、基因组稳定性及发育等众多基本生物学过程中发挥关键作用，并具有表型与疾病层面影响。然而，跨细胞类型与组织实现甲基化模式的基因组尺度系统性表征仍具重大挑战。本研究提出一套计算框架，可对任意遗传变异在特定上下文（context）中影响甲基化的效应进行序列驱动的预测。研究人员通过数据驱动方式发现具有上下文依赖功能的甲基化类别（methylation classes, MeCs），揭示了甲基化在多种组织、细胞类型及基因组区域中的条件特异性角色。该框架包含Wreath：一种专门设计的基于深度学习的序列模型，可准确预测任意遗传变异对甲基化的上下文依赖型影响。研究人员利用统一整理的甲基化谱汇编（compendium），整合来自不同研究的超过90种组织与细胞类型剖面，借助Wreath系统刻画非编码致病性变异对组织特异性甲基化的扰动，并为单个调控变异提供机制性假设。完整框架、汇编数据、甲基化类别与模型均向学界开放。 研究背景与问题提出 DNA甲基化主要以CpG二核苷酸上的5-甲基胞嘧啶（5-methylcytosine, 5mC）形式存在，是表观遗传调控的核心标志。传统研究依赖CpG岛、shores、shelves与open sea等基于密度的注释，且多使用探针芯片，仅覆盖全基因组约3%的CpG位点，集中于转录起始位点附近。全基因组亚硫酸氢盐测序（whole-genome bisulfite sequencing, WGBS）虽可提供单碱基分辨率甲基化图谱，但不同联盟、不同平台数据缺乏统一标准，难以跨组织整合；同时，既有序列模型只能预测少量位点和少数条件，无法在基因组尺度上给出连续、组织特异的甲基化水平及变异效应。因此，亟需一套统一数据资源、新型功能注释体系与序列模型，将甲基化真正纳入基因组解读。 研究人员在《Nature Genetics》发表的研究中，构建了迄今最大规模的统一5mC甲基化汇编：从696个原始WGBS剖面经标准化与跨剖面比对，合并为296个剖面，覆盖90余种组织与细胞类型及约2800万个CpG位点；在此基础上定义基因组尺度的甲基化类别（methylation classes, MeCs），并开发深度学习模型Wreath，实现单CpG分辨率、连续值、多组织并行的甲基化与变异效应预测。 主要关键技术方法 研究整合多来源公开WGBS队列，统一至hg38参考基因组并校准CpG坐标；以100 bp平铺窗口构建甲基化矩阵，经主成分分析与Leiden社区发现算法聚类得到MeCs；采用分层连锁不平衡评分回归（stratified linkage disequilibrium score regression, LDSR）将MeCs与60项GWAS性状遗传力分区关联；构建多任务卷积神经网络Wreath，以2048 bp序列为一热编码输入，迁移自染色质模型Sei权重初始化，输出296个剖面的连续甲基化值，并通过参考序列与突变序列差值预测变异效应，外部以GTEx甲基化数量性状位点（mQTL）和HGMD非编码致病突变做验证。 研究结果 创建统一5mC甲基化汇编 通过对696个WGBS剖面做单剖面清洗与跨剖面对齐，保留全部CpG位点不填补，形成296个统一格式剖面，首次提供全基因组完整CpG覆盖的AI就绪资源。 基因组尺度5mC甲基化景观注释 以100 bp窗口和Leiden聚类得到43个簇，其中23个为具组织特异性的MeCs。UMAP可视化显示相似甲基化特征区域聚团，胃肠道、上皮、血细胞、脑相关类别各自成组；传统CpG岛注释被重新映射到MeCs，获得序列与调控层面的解释。 甲基化类别组成区分具不同生物学功能的启动子 C17为可变低甲基化类，C41为持续低甲基化类。仅含C17的启动子对应突触传递、细胞黏附等专业功能基因；含C17+C41的启动子富集翻译、DNA修复等看家过程，且转录起始更强、负选择压力更高，说明MeCs可细化启动子功能注释。 用MeCs界定GWAS性状的遗传贡献 对60个GWAS性状做LDSR，17个MeCs显著富集于51个性状。免疫性状关联免疫细胞MeCs，神经精神性状关联脑特异MeCs，阿尔茨海默病关联单核/巨噬MeC，长寿性状关联脑、肌肉、脂肪及着丝粒相关MeCs，证明甲基化类别承载组织特异遗传信号。 Wreath深度学习模型准确预测组织特异5mC水平 Wreath以多任务卷积架构从序列预测296个剖面甲基化值，测试集平均Spearman相关0.640、Pearson相关0.825；迁移学习显著提升精度与收敛速度。模型可输出任意CpG位点、任意组织的连续甲基化水平。 解析5mC与染色质修饰的共有序列决定因素 联合Wreath与Sei在11种组织中比较基序，识别出66个甲基化基序与大量染色质基序。CTCF、NFIC::TLX1为跨组织共有，Spi1呈组织特异；部分核心转录因子基序在甲基化与染色质模态中存在序列细微差异，提示调控语法不完全重叠。 Wreath预测细胞类型特异mQTL效应 与GTEx mQTL比对，Wreath对组织匹配剖面的方向预测准确，高影响变异中方向准确率超90%，血液前20%高影响变异接近98%，且匹配组织相关性显著高于非匹配组织。 致病非编码突变扰乱甲基化类别活性 对1121个HGMD非编码致病突变，Wreath预测效应显著强于普通变异，并在对应疾病组织中呈现高或低甲基化改变。例如NAGS增强子变异预测在肝与胆囊高甲基化，HBG2位点变异预测在血液中低甲基化，为致病机制提供表观解释。 讨论与结论 通过跨大型甲基化研究的标准化整合，研究人员创建了含296个全基因组WGBS剖面的统一汇编，覆盖90余种组织与细胞类型，支持5mC景观的跨上下文研究，并可随单细胞甲基化数据扩展。基于该汇编定义的MeCs实现了基因组尺度甲基化调控注释，将启动子进一步划分为具不同功能与表达特征的亚型，并可用于GWAS遗传力分区。Wreath首次以连续值、单碱基分辨率、跨组织预测甲基化与变异效应，揭示序列对5mC的上下文依赖决定因素。Wreath仅基于参考基因组训练，可对未见变异给出量化甲基化效应，未来结合配对WGBS与全基因组数据可进一步提升个体化预测能力。 |
