新闻媒体-尊龙在线登录
发稿时间:2017-12-21来源:天昊生物
这个圣诞,不要问天昊小伙伴想要什么礼物。
因为“圣诞老人”已经提前来过天昊啦!
近日,天昊生物合作客户--上海复旦大学生科院王久存教授课题组有2篇dna甲基化研究角度的文章分别见刊the journal of investigative dermatology (if=6.287) 和clinical epigenetics(if=4.98)。天昊生物methyltarget®目的区域甲基化检测技术,结合目的区域扩增和高通量二代测序平台,为这2篇文章提供了精准的目的基因甲基化水平检测和验证结果(客户在2种细胞中的研究结果表明,450k甲基化检测芯片和methyltarget®技术检测结果pearson相关性高达86%和90%)。此外,天昊的三位同事还作为文章作者,参与发表了clinical epigenetics杂志的这篇文章哦!
是不是已经迫不及待啦?下面就和小编一起来看个究竟吧!
文章(一)
文章题目:genome-wide dna methylation analysis in systemic sclerosis reveals hypomethylation of interferon-associated genes in cd4 and cd8 t cells 全基因组dna甲基化研究发现系统性硬化症患者cd4 和cd8 t细胞的干扰素相关基因表现低甲基化状态
发表时间:2017-12-05
影响因子:if=6.287
发表杂志:the journal of investigative dermatology
研究背景:
-
系统性硬化症(ssc)也称为硬皮病,是一种基因,表观遗传和环境共同参与并相互作用的多系统自身免疫疾病 。
-
参与系统硬化症的免疫细胞的整体甲基化状态尚无深入的研究。
研究方法:
研究结果:
-
全基因组甲基化检测确定差异甲基化位点后的go富集分析,发现干扰素相关通路基因在2种t细胞的dmr中都显著富集。
-
目的区域甲基化技术检测第一阶段的部分样本,表明450k甲基化检测芯片和目的区域甲基化技术结果的一致性非常好,pearson相关性高达86%和90%。
-
目的区域甲基化技术在独立扩大样本中验证第一阶段获得的干扰素信号通路基因(16个基因;62个位点),其中5个基因的差异甲基化得到验证。
-
通过检测干扰素信号通路基因的表达量,部分基因的表达量与甲基化程度表现显著的负相关。
-
通过检测血液 ifn-a、ifn-b水平,发现部分干扰素信号通路基因高表达与高ifn-a、ifn-b水平相关。
研究结论:
文章(二)
文章题目:targeted bisulfite sequencing identified a panel of dna methylation-based
biomarkers for esophageal squamous cell carcinoma (escc)
靶向亚硫酸氢盐测序鉴定了一组基于基因dna甲基化程度的食管鳞状细胞癌(escc)生物标志物
发表时间:2017-11-29
影响因子:if=4.98
发表杂志:clinical epigenetics
研究背景:
dna甲基化已被认为是精准癌症诊断的一种潜在生物标志物。然而,在escc中基于dna甲基化的生物标志物研究十分有限。
研究方法:
研究结果:
-
tcga数据库来源的84例 escc肿瘤组织和16例癌旁组织甲基化检测数据作为发现阶段,来源于geo的4例escc肿瘤组织和8例对照的甲基化芯片检测数据作为验证阶段,确定了5个潜在dna甲基化biomarker--cg15830431 (p = 2.20 × 10-4),
cg19396867 (p = 3.60 × 10-4), cg20655070 (p = 1.71 × 10-3),cg26671652 (p = 5.77 × 10-4), and cg27062795 (p = 3.60 ×10-4)。这5个区域在escc肿瘤组织中表现高甲基化,且在正常人的外周血单核白细胞和外周血白细胞中表现低甲基化。
-
依据这5个区域甲基化程度建立的预测模型,对肿瘤和癌旁具有良好的区分特性(sensitivity = 0.89, specificity = 0.81, auc = 0.87)
-
在本实验收集的94对癌和癌旁组织中,采用methyltarget®目的区域甲基化检测技术检测甲基化程度,进一步验证该模型的效力。结果表明,癌和癌旁的亚硫酸氢盐转化率没有差异(下图a),5个区域的甲基化差异均得到验证(下图b-f),且5个区域的预测模型对肿瘤和癌旁具有良好的区分特性(图g)
-
为了进一步确定5个甲基化区域的诊断效力,研究者采用logistic regression, random forest(rf), supporting vector machine (svm), neural network(nn), naïve bayes (nb), linear discriminant analysis(lda), mixture discriminant analysis (mda), flexible discriminant analysis (fda)数种机器学习方法,判断biomarker的诊断效力。下表结果,展示了该模型具有较高的敏感性和特异性,并且结果稳定性较佳。
研究结论:
整合来自tcga项目和geo数据库的escc高通量甲基化数据集鉴定出5个高甲基化的cpg位点,可以作为escc诊断的候选生物标志物;通过目标亚硫酸氢盐测序甲基化检测方法,在94对escc样本中对5个标志物进行验证。cg15830431(stk3),cg19396867,cg20655070,cg26671652(znf418)和cg27062795(znf542)5个区域的甲基化概况可能是用于escc诊断的潜在标志物。