13计算表观遗传学教学讲义.ppt

第十三章 计算表观遗传学 ;第一节 引言 ;第二节 基因组的DNA甲基化 ;（一） DNA甲基化与CpG岛;DNA甲基化;CpG岛与DNA甲基化的关系 ;（二） 甲基化对转录的调控;（三） DNA甲基化的意义;(一）CpG岛的定义及预测;常见的CpG岛预测算法; 3.排除重复元件对CpG岛预测算法的干扰;4. 基于窗口滑动法的CpG岛预测算法;如果扫描窗中的序列片段不满足CpG岛的定义，扫描窗右移一个窗口的长度。如果扫描得到的CpG岛区域有重叠，则将重叠部分合并。 这种依赖于长度，GC含量和CpG o/e值的一个或全部阈值的CpG岛识别算法有显而易见的缺陷：（1）由于这三个阈值的使用使得参数空间变得很大。（2）预测的CpG岛的长度和数目取决于窗口的长度和步长的预设值，存在主观任意性。（3）CpG岛的起始点一般不是CpG双核苷酸。（4）预测和筛选过程依赖于相同的参数。（5）方法经常需要针对特定物种进行调整。（6）运行时间长。 ;窗口法;And again.;Repeat as needed, until the new window does not meet the CpG island criteria;Then slide the window back toward the island.;Keep sliding until the window meets CpG island criteria. ;If it doesn’t meet the criteria, try trimming a base pair off each end and analyzing again. ;5. 基于相邻CpG二核苷酸距离的CpG岛预测算法;(1)假设有如下一条序列：TTGCGGGTCCTAGAAGTCGCCTCCCCGCCTTGCCGGCCGCCCTTGCAGCCCCGAGCCGAGCAGC (2) CpGcluster首先找到所有的CpG双核苷酸的位置（粗体）：TTGCGGGTCCTAGAAGTCGCCTCCCCGCCTTGCCGGCCGCCCTTGCAGCCCCGAGCCGAGCAGC (3) 然后得到CpG双核苷酸的位置的列表：4;18;26;34;38;52;57 ;(4) 通过公式 计算相邻二核苷酸之间的算术距离：13;7;7;3;13;4 (5)考虑到假设：CpG是伯努利实验的结果，这里设成功为CpG，失败为non-CpG。伯努利实验的概率p可以通过大量的序列算出。令序列的长度为L，N为CpG的数目，则 。（伯努利实验，例如投掷硬币N次，最后一次正面朝上的概率，满足几何分布 ）。所以临近的CpG双核苷酸的距离满足几何分布，距离d等于失败的次数。(6) 绘制长度（d）分布和几何分布的直方分布图（图13-4）。从中，我们可以发现观测值分布和理论分布差别很大。短距离出现的概率较大。中位数值恰好可以作为CpG二核苷酸富集的阈值。(7) 为了计算之前步骤找到的CpG簇是CpG岛的概率，需要给出统计学p值，该p值可由负二项分布给出（伯努利实验，例如投掷硬币N次，r次正面朝上的概率，满足负二项分布 ）。通过描述CpGcluster的算法原理，我们知道：存在比随机出现CpG二核苷酸之间距离距离更短的CpG簇，通过合并重合的簇，最终得到的簇就被认为是CpG岛。 ;人类基因组1号染色体的邻接CpG二核苷酸之间距离的概率密度函数。观察值的分布以空心圆圈表示，而理论分布即几何分布则用实线表示。中位数值恰好和理论值吻合。距离小于中位数值的两个CpG二核苷酸则被纳入CpG岛的一部分。X轴为距离d，Y轴为概率p。Median为中位数，Mean为均值，带圈实线代表观测值的连线，实线代表几何分布的概率密度曲线。(来自于CpGcluster: a distance-based algorithm for CpG-island detection);算法;表格展示的是LRRMT1的上游序列的预测结果;6. 结合功能基因组数据的CpG定位方法;(二) 实验方法寻找CpG岛;实验方法确定的基因组范围CpG岛图谱;(三) CpG岛的定位有助于发现新基因;三、实验检测技术测定DNA甲基化状态 （一）DNA甲基化的检测方法 （二）基因组范围的DNA甲基化检测方法 （三）基于高通量测序的DNA甲基化检测方法 （四）高通量检测技术的选??策略;（一）DNA甲基化的检测方法;1. 限制性内切酶法;2. 重亚硫酸钠法;重亚硫酸钠（sodium bisulfite）法;（二）基因组范围的DNA甲基化检测方法;高通量测序是必威体育精装版发展起来的但却