-
850K甲基化芯片
背景介紹
表觀基因組學修飾可以通過調(diào)控基因表達，參與細胞和組織分化、發(fā)育、衰老、環(huán)境適應等一系列過程。大量的研究表明，表觀遺傳修飾的異常也會引起細胞、組織、器官，乃至整個機體的結(jié)構(gòu)和功能改變，甚至導致疾病的發(fā)生，尤其是 DNA 甲基化（DNA methylation）變化會伴隨著許多復雜疾?。ㄈ缒[瘤、精神類疾病、心血管疾病等）的早期發(fā)生到后期發(fā)展，并可作為臨床疾病全過程管理（包括早期診斷、個性化醫(yī)療、復發(fā)檢測、慢性疾病的風險評估等）的生物標志物。因此，對DNA甲基化的深入研究有助于了解疾病發(fā)病機制，發(fā)現(xiàn)疾病相關的分子標志物，為精準醫(yī)學發(fā)展奠定基礎。
DNA甲基化與腫瘤風險預測
產(chǎn)品簡介
Illumina公司推出的Infinium Methylation EPIC（簡稱：850K甲基化芯片）芯片保留了其前身Infinium Human Methylation 450K芯片大于90%的CpG位點，并額外添加了增強子區(qū)域的35萬個CpG位點，每張芯片可檢測8個樣本，每個樣本可檢測85萬個標記。 850K甲基化芯片能檢測組織、細胞、FFPE等樣本在單個CpG水平上的甲基化變化，是一個經(jīng)濟、有效的甲基化高通量篩選技術平臺。該方法為表觀遺傳研究提供了強有力的解決方案，不僅是腫瘤、呼吸系統(tǒng)、心血管、精神類等復雜疾病研究的有力工具，更是目前最適合表觀基因組關聯(lián)分析（EWAS）研究的高通量檢測技術平臺。
Illumina Infinium Methylation EPIC BeadChip（850K）
技術原理
850K甲基化芯片采用了Infinium I和Infinium II兩種微珠設計方法加強甲基化分析的覆蓋深度。尤其Infinium II僅提供一種微珠類型，經(jīng)探針雜交后，通過是否發(fā)生單堿基延伸即可判定是否甲基化。
探針一： 對于每個甲基化位點， 都對應設計有兩種探針： M 型磁珠、 U 型磁珠。 M 型磁珠尾部為 G，用來檢測甲基化位點。 U 型磁珠尾部為 A， 用來檢測未甲基化位點。
基因組上的某一位點， 如果被甲基化了， 那么在亞硫酸氫鹽的處理下， GC 仍為 GC， 與 M 型磁珠配對， 熒光標記的核苷酸摻入后能被檢測到熒光信號。 M 型磁珠發(fā)光。 反之， 如果沒有被甲基化， 那么在亞硫酸氫鹽的處理下， GC 變?yōu)?GT， 與 U 型磁珠配對， 延伸后 U 型磁珠發(fā)光。
探針二： Infinium Ⅱ 探針只使用一種磁珠， 探針末端為 C。 配對后只摻入單個堿基（ ddNTP-BioT，ddNTP-DNP） 。 根據(jù)熒光類型判斷摻入的堿基類型， 從而判斷是否被甲基化。
infinium探針檢測原理
結(jié)果展示
相關性分析（左）； 甲基化程度熱力圖（中）； 聚類熱圖（右）
差異位點分布circos（左）； 無監(jiān)督聚類樹狀圖（中）； 富集分析氣泡圖（右）
產(chǎn)品優(yōu)勢
廣泛應用
發(fā)表科研論文最多的甲基化技術平臺，美國癌癥基因組圖譜（TCGA）計劃檢測樣本量達 10,181 個，國際癌癥基因組聯(lián)盟（ICGC）檢測樣本量達 9,246 個
性價比高
>850,000 個甲基化位點，單堿基分辨，可以直接檢測到發(fā)生甲基化的確切位點
重復性高
自身技術重復相關性 R2>0.98，與 450K 交集探針間（850K vs 450K）相關性 R2>0.98
經(jīng)驗豐富
團隊服務項目經(jīng)驗>100項，樣本數(shù)>6000例。應用包括：腫瘤、精神疾病、免疫疾病、藥物表觀基因組、生殖和發(fā)育、干細胞、中醫(yī)體質(zhì)等
送樣要求
應用方向
應用案例
區(qū)分原發(fā)性肺鱗狀細胞癌與轉(zhuǎn)移癌的甲基化標志物研究
Machine learning analysis of DNA methylation profiles distinguishes primary lung squamous cell carcinomas from head and neck metastases
發(fā)表雜志：Science Translational Medicine（IF：17.956）； 發(fā)表時間： 2019年 9月； 應用技術：850K甲基化芯片
頭頸部鱗狀細胞癌（HMSC）患者有可能同時發(fā)生肺轉(zhuǎn)移或二次肺鱗狀細胞癌（LUSC）。區(qū)分原發(fā)性肺癌和肺轉(zhuǎn)移癌具有重要的臨床意義，但目前多數(shù)情況下無法對兩種癌癥進行區(qū)分。研究人員首先對原發(fā)性肺鱗癌、頭頸部鱗癌肺轉(zhuǎn)移和正常對照樣本共計 1071 例樣本的 DNA 甲基化數(shù)據(jù)進行分析，利用差異最為顯著的2,000 個 CpG 位點構(gòu)建分類器，通過比較隨機森林，支持向量機和神經(jīng)網(wǎng)絡三種不同機器學習算法，發(fā)現(xiàn)神經(jīng)網(wǎng)絡算法在判別原發(fā)性肺鱗癌樣本的準確率達到 96.4%。進一步提高亞組患者的分類結(jié)果概率分數(shù)，發(fā)現(xiàn)該算法能夠?qū)Υ蠖鄶?shù)病例診斷準確度超過 99%。
訓練隊列的 t-SNE 圖（左）； 神經(jīng)網(wǎng)絡、支持向量機和隨機森林的分類結(jié)果熱圖（右）
