当前位置: 首页 > news >正文

易基因: cfMeDIP-seq揭示cfDNA甲基化高效区分原发性和转移性前列腺|Nat Commun

大家好,这里是专注表观组学十余年,领跑多组学科研服务的易基因。

前列腺癌(Prostate cancer,PCa)是男性中第二常见的恶性肿瘤,也是全球癌症相关死亡的第三大原因。虽然大多数原发性前列腺癌可以治愈,但转移性前列腺癌患者的5年生存率仍低至30%。大多数患者很快就会发展成转移性去势抵抗性前列腺癌(metastatic castration-resistant prostate cancer,mCRPC),最终导致死亡。因此转移性前列腺癌仍是一个主要的临床挑战,转移性病变高度异质性且难以活检,而液体活检提供了深入了解潜在生物学的机会。循环肿瘤DNA(ctDNA)在液体活检中的分析已显示出作为微创且准确的疾病监测工具潜力。在mCRPC中,ctDNA已被证明可以反映肿瘤或转移性病变的基因组特征、甲基化状态等表观遗传特征可以反映肿瘤负担和亚型。但在大规模临床队列中仍然缺乏mCRPC的全基因组cfDNA甲基化研究。最近,细胞游离甲基化DNA免疫沉淀与下一代测序(cfMeDIP-seq)的发展为分析cfDNA甲基化组提供了一种有效的方法。这种方法可以从微量cfDNA中敏感地检测ctDNA,并且与全基因组亚硫酸盐测序方法相比更具成本效益。

近日,厦门大学健康医疗大数据国家研究院吉国力教授团队和加拿大多伦多大学玛格丽特公主癌症中心何厚胜(Housheng Hansen He)教授团队等合作在Nature子刊《nature communications》发表题为“The cell-free DNA methylome captures distinctions between localized and metastatic prostate tumors”的科研成果,研究利用cfMeDIP-seq技术分析了60个原发和175个转移性前列腺癌样本的细胞游离DNA(cfDNA)甲基化组,全基因组甲基化组高效捕获了反映疾病异质性变异。进一步研究表明,cfDNA甲基化组可以以高准确率区分不同的疾病状态,突出其作为疾病监测和预后的微创策略潜力。

标题:The cell-free DNA methylome captures distinctions between localized and metastatic prostate tumors(cfDNA甲基化组捕获区分原发和转移性前列腺癌)

期刊:nature communications

影响因子: IF 14.7 / 1区

技术平台:cfMeDIP-seq(易基因优势技术)

作者利用高度敏感的富集型测序技术cfMeDIP-seq,分别对4个研究队列中60名原发前列腺癌患者和175名转移性前列腺癌患者的cfDNA甲基化组进行了分析。分析结果揭示cfDNA甲基化组可以捕获肿瘤变化。在转移性样本中观察到全基因组高甲基化,同时着丝粒周围区域出现低甲基化。糖皮质激素受体(glucocorticoid receptor,GR)基因NR3C1的启动子区域高甲基化与免疫信号减少有关。cfDNA甲基化组反映了临床结果,并且可以以98.9%高精度准确率预测区分不同的疾病类型(转移性和原发样本),表现出了强大的疾病监测和预测的微创策略潜力。最后,研究从数据中预测拷贝数变化的能力,为有限的生物样本提供了联合遗传和表观遗传分析的机会。

研究设计

样本收集:4个研究队列(原发性肿瘤患者来自CPC-Gene,转移性前列腺癌来自VPC、Barrier、WCDT)。分析方法:使用高灵敏度的基于富集测序技术cfMeDIP-seq,分析了60个局部前列腺癌和175个转移性前列腺癌患者的血浆DNA甲基化组,将所有血浆样本中的甲基化DNA片段沉淀并进行配对末端DNA测序。

结果图形

(1)对原发和转移性前列腺癌(PCa)的血浆游离DNA甲基化组进行全基因组范围分析。

图1:cfMeDIP数据捕获原发与转移性去势抵抗性前列腺癌(mCRPC)患者血浆样本中cfDNA甲基化和片段化变化。

  1. 三个mCRPC队列的抽样示意图。括号中数字表示给定队列中的样本总数。

B-D. WCDT队列,组织WGBS和cfMeDIP数据的样本配对相关性,比较匹配样本与非匹配样本的差异。

E. %ctDNA、LDH以及与不依赖%ctDNA的LDH解释的不同基因组位点富集情况。

F. 前10,000个变异区间的主成分分析(PCA)对四个队列样本进行三维表示。

G. 各队列中较长cfDNA片段比例。

H. VPC队列中mCRPC样本的较长片段比例与ctDNA比例(%ctDNA)的皮尔逊相关性。

I-J. 片段大小与总生存期(OS)和无进展生存期(PFS)的相关性。

K. 样本内片段比例标准差分布。

(2)cfDNA甲基化分析显示转移性前列腺癌样本中广泛高甲基化和着丝粒周围区域低甲基化

图2:cfMeDIP揭示转移样本中广泛的高甲基化和着丝粒区域低甲基化。

  1. 通过比较转移性和原发前列腺癌,鉴定差异性甲基化区域(DMRs)火山图。分别鉴定出2493个低甲基化和19048个高甲基化DMRs。

B-C. 高甲基化(Hyper)和低甲基化(Hypo)DMRs平均甲基化水平与%ctDNA之间的皮尔逊相关性。

D-E. 高甲基化和低甲基化DMRs的基因组分布。

F. 与低甲基化峰重叠的重复类型分布的列联表。

G. 与下调峰重叠的重复类型频率。

H. 位于着丝粒周围1 Mb区域内的差异性甲基化峰。

  1. 染色体2中着丝粒附近区域信号分布示例。

J-K. 分别展示了cfMeDIP-seq和WGBS数据中H中显示的差异峰的平均甲基化水平。

(3)NR3C1启动子甲基化水平与不同疾病结局相关

图3:GR基因甲基化差异与mCRPC改变相关。

  1. GR基因(NR2C1)及其不同异构体示意图。蓝色条表示已鉴定的异常DMR。
  2. VPC队列中GR位点甲基化水平与%ctDNA之间的皮尔逊相关性。

C-E. 癌症基因组图谱(TCGA)、中国前列腺癌基因组和表观基因组图谱(CPGEA)和WCDT队列中GR位点甲基化与疾病结果之间的相关性。

F-H. TCGA(F)、CPGEA(G)和WCDT(H)队列中高GR-DMR甲基化组中下调基因的生物学过程(BP)的基因本体(GO)富集分析。

(4)cfDNA甲基化组可高精度区分转移性和原发性样本

图4:甲基化谱以高准确率区分原发和转移性样本。

  1. 使用甲基化配置文件构建随机森林预测因子工作流程。
  2. 测试数据集上,基于甲基化谱预测因子的预测准确性和接收者操作特征曲线下面积(AUROC)。VPC-V验证样本来自VPC队列,OHS为安大略省健康研究队列,DMR为差异甲基化区域。
  3. 对于转移样本,正确或错误分类的样本中%ctDNA分布。

(5)游离DNA甲基化组可以预测大规模遗传变异

图5:使用cfDNA甲基化组预测样本拷贝数变异(CNA)。

  1. 预测来自CPC队列的原发样本和VPC队列的mCRPC样本的CNA覆盖度。
  2. VPC队列中mCRPC样本预测的CNA覆盖度与%ctDNA之间的相关性。
  3. 比较先前panel测序获得的标准状态和cfMeDIP-seq数据预测结果的基因CNA,针对CNA覆盖度最高的前10个样本。

表1:VPC队列中mCRPC样本中CNA预测的性能和准确性

关于易基因甲基化游离DNA免疫共沉淀测序(cfMeDIP-seq)

由于血浆cfDNA的丰度低且碎片化程度高,片段大小常在150bp左右,限制了大部分血浆甲基化特异性PCR检测方法的应用,相关检测研究也存在较大的挑战。虽然有科学家尝试利用全基因组甲基化测序(WGBS)进行甲基化检测,但WGBS技术在亚硫酸盐转化过程中存在DNA容易降解、检测成本高等特点。

为突破现有检测技术限制,易基因推出灵敏、可分离、检测和分析低水平甲基化DNA的甲基化游离DNA免疫共沉淀测序(cfMeDIP-seq)方法。该方法将免疫共沉淀技术与高通量测序结合,通过对cfDNA中的甲基化DNA片段(富含CpG区域)进行特异性富集,提高检测效率。

技术优势:

  • 检测范围广:全基因组范围鉴定甲基化修饰区域
  • 起始量低:起始量低至5ng
  • 富集倍数高:CpG富集倍数可达到上样前的2倍
  • 针对性强:针对性检测基因组内具有甲基化修饰的区域
  • 成本低:大大降低了测序数据量,测序成本低

应用场景:

  • 癌前病变的癌变预警标志物检测
  • 肿瘤早期筛查标志物检测
  • 肿瘤预后标志物检测
  • 药物疗效预测标志物检测

易基因提供全面的表观基因组学(DNA甲基化、DNA羟甲基化)和表观转录组学(m6A、m5C、m1A、m7G、ac4C)、染色质结构与功能组学技术方案(ChIP-seq、ATAC-seq),详询易基因:0755-28317900。

参考文献:

Chen S, et al. The cell-free DNA methylome captures distinctions between localized and metastatic prostate tumors. Nat Commun. 2022 Oct 29;13(1):6467. pii: 10.1038/s41467-022-34012-2. doi: 10.1038/s41467-022-34012-2. PubMed PMID: 36309516.

相关阅读:

基于cfDNA甲基化的肿瘤液体活检如何开展?

干货:cfDNA甲基化测序实验怎么做,看完你就知道了

技术推介 | 微量cfDNA简化基因组甲基化测序(cfDNA-RBS)

技术推介|羟甲基化DNA免疫共沉淀测序(hMeDIP-Seq)

相关文章:

易基因: cfMeDIP-seq揭示cfDNA甲基化高效区分原发性和转移性前列腺|Nat Commun

大家好,这里是专注表观组学十余年,领跑多组学科研服务的易基因。 前列腺癌(Prostate cancer,PCa)是男性中第二常见的恶性肿瘤,也是全球癌症相关死亡的第三大原因。虽然大多数原发性前列腺癌可以治愈&#…...

CMake 教程跟做与翻译 4

目录 添加一个option! 添加一个option! option,正如其意,就是选项的意思。我们这里需要演示一下option的做法。 option对于大型的工程必然是非常常见的:一些模块会被要求编译,另一些客户不准备需要这些模块。option就是将这种需…...

MySQL面试题分享

慢日志(了解) 慢日志开启的变量:slow_query_logON; 如果值为 OFF ,那就是没有开启慢日志 耗时: long_query_time,默认是10秒 redis 和 mysql 慢日志的区别 redis 慢日志默认是没有开启的 mysql 慢日志默认是开启的…...

vue路由缓存问题

什么是路由缓存问题 解决方案&#xff1a; 让组件实例不再复用&#xff0c;强制销毁重建监听路由变化&#xff0c;变化之后执行数据更新操作 方法一 给 routerv-view 添加key属性&#xff0c;强制不添加缓存&#xff0c;破坏缓存&#xff0c;所以这个方法性能会比较差 <Ro…...

RabbitMQ中如何解决消息堆积问题,如何保证消息有序性

RabbitMQ中如何解决消息堆积问题 如何保证消息有序性 只需要让一个消息队列只对应一个消费者即可...

python爬虫案例——selenium爬取淘宝商品信息,实现翻页抓取(14)

文章目录 1、任务目标2、网页分析3、代码编写3.1 代码分析3.2 完整代码1、任务目标 目标网站:淘宝(https://www.taobao.com/) 任务要求:通过selenium实现自动化抓取 淘宝美食 板块下的所有商品信息,并实现翻页抓取,最后以csv格式将数据保存至本地;如: 2、网页分析 首先…...

在VSCode中使用Excalidraw

概述 Excalidraw是一款非常不错的示意图绘制软件&#xff0c;没想到在VSCode中有其扩展&#xff0c;可以在VScode中直接使用。 安装扩展 使用 需要创建.excalidraw.svg、.excalidraw或.excalidraw.png等名称的文件。 搭配手写版使用 自由画笔工具可以配合手写板&#xff0c…...

25中国投资中投笔试测评秋招校招SHL笔试题型分享

✅中投公司不必过多介绍&#xff0c;和建总都位于金融央企第一档&#xff0c;但是招人更少&#xff0c;竞争更为激烈&#xff0c;看公示录用名单都是清北的金融硕士&#xff0c;投资岗难度更大。 ✅中投公司的笔试往年都是shl系统&#xff0c;但考察范围非常广&#xff0c;包含…...

【LeetCode热题100】分治-快排

本篇博客记录分治快排的4道题目&#xff1a;颜色分类、排序数组、数组中的第K个最大元素、数组中最小的N个元素&#xff08;库存管理&#xff09;。 class Solution { public:void sortColors(vector<int>& nums) {int n nums.size();int left -1,right n;for(int…...

Docker 教程四 (Docker 镜像加速)

Docker 镜像加速 国内从 DockerHub 拉取镜像有时会遇到困难&#xff0c;此时可以配置镜像加速器。 目前国内 Docker 镜像源出现了一些问题&#xff0c;基本不能用了&#xff0c;后期能用我再更新下。* Docker 官方和国内很多云服务商都提供了国内加速器服务&#xff0c;例如…...

各类排序详解

前言 本篇博客将为大家介绍各类排序算法&#xff0c;大家知道&#xff0c;在我们生活中&#xff0c;排序其实是一件很重要的事&#xff0c;我们在网上购物&#xff0c;需要根据不同的需求进行排序&#xff0c;异或是我们在高考完报志愿时&#xff0c;需要看看院校的排名&#…...

【c语言——指针详解(4)】

文章目录 一、回调函数是什么&#xff1f;二、qsort的使⽤1、使⽤qsort函数排序整型数据2、使⽤qsort排序结构数据 三、qsort函数的模拟实现 作者主页 一、回调函数是什么&#xff1f; 回调函数就是⼀个通过函数指针调⽤的函数。 如果你把函数的指针&#xff08;地址&#xf…...

C# (.net6)实现Redis发布和订阅简单案例

概念&#xff1a; 在 .NET 6 中使用 Redis 的/订发布阅模式。发布/订阅&#xff08;Pub/Sub&#xff09;是 Redis 支持的一种消息传递模式&#xff0c;其中一个或多个发布者向一个或多个订阅者发送消息,Redis 客户端可以订阅任意数量的频道。 多个客户端可以订阅一个相同的频道…...

【golang】gorm 使用map实现in 条件查询用法

当 where 字典的值为数组时 gorm 会自动转换为条件 IN 查询 where : map[string]interface{}{} where["id"] [1,2,3] where["name"] "zhangsan"type userList struct {Id int "gorm:id"Name string "gorm:name" } Table.…...

理论篇| 移动端爬虫

移动应用的快速发展和广泛普及带来了海量的数据,这些数据对于市场分析、用户行为洞察和业务优化具有重要价值。然而,由于移动应用的特殊性和防护措施,传统的爬虫技术在采集移动应用数据方面面临许多挑战。因此,App爬虫采集与逆向在爬虫领域的重要性不可低估 然而,App采集…...

systemd实现seatunnel自动化启停

在 systemd 中,您可以通过配置服务单元文件来设置服务在失败或退出后自动重启。这对于确保关键服务在意外退出时能够自动恢复运行非常有用。下面是实现 systemd 自动重启服务的步骤: 通用操作 1. 创建或编辑服务单元文件 假设服务单元文件位于 /etc/systemd/system/my-ser…...

MySQL-08.DDL-表结构操作-创建-案例

一.MySQL创建表的方式 1.首先根据需求文档定义出原型字段&#xff0c;即从需求文档中可以直接设计出来的字段 2.再在原型字段的基础上加上一些基础字段&#xff0c;构成整个表结构的设计 我们采用基于图形化界面的方式来创建表结构 二.案例 原型字段 各字段设计如下&…...

完成Sentinel-Dashboard控制台数据的持久化-同步到Nacos

本次案例采用的是Sentinel1.8.8版本 一、Sentinel源码环境搭建 1、下载Sentinel源码工程 git clone https://github.com/alibaba/Sentinel.git 2、导入到idea 这里可以先运行DashboardApplication.java试一下是否运行成功&#xff0c;若成功&#xff0c;源码环境搭建完毕&a…...

RocketMq详解:三、RocketMq通用生产和消费方法改造

文章目录 1.背景2.通用方法改造2.1添加maven依赖2.2 RocketMq基础配置2.3 配置类2.5 消息传输的对象和结果2.4 消息生产者2.5 消息消费者2.6 功能测试 1.背景 在第二章&#xff1a;《RocketMq详解&#xff1a;二、SpringBoot集成RocketMq》中我们已经实现了消费基本生产和消费…...

基于SpringBoot+Vue+Uniapp的仓库点单小程序的详细设计和实现

2. 详细视频演示 文章底部名片&#xff0c;联系我获取更详细的演示视频 3. 论文参考 4. 项目运行截图 代码运行效果图 代码运行效果图 代码运行效果图 代码运行效果图代码运行效果图 代码运行效果图 5. 技术框架 5.1 后端采用SpringBoot框架 Spring Boot 是一个用于快速开发…...

label-studio的使用教程(导入本地路径)

文章目录 1. 准备环境2. 脚本启动2.1 Windows2.2 Linux 3. 安装label-studio机器学习后端3.1 pip安装(推荐)3.2 GitHub仓库安装 4. 后端配置4.1 yolo环境4.2 引入后端模型4.3 修改脚本4.4 启动后端 5. 标注工程5.1 创建工程5.2 配置图片路径5.3 配置工程类型标签5.4 配置模型5.…...

React第五十七节 Router中RouterProvider使用详解及注意事项

前言 在 React Router v6.4 中&#xff0c;RouterProvider 是一个核心组件&#xff0c;用于提供基于数据路由&#xff08;data routers&#xff09;的新型路由方案。 它替代了传统的 <BrowserRouter>&#xff0c;支持更强大的数据加载和操作功能&#xff08;如 loader 和…...

QMC5883L的驱动

简介 本篇文章的代码已经上传到了github上面&#xff0c;开源代码 作为一个电子罗盘模块&#xff0c;我们可以通过I2C从中获取偏航角yaw&#xff0c;相对于六轴陀螺仪的yaw&#xff0c;qmc5883l几乎不会零飘并且成本较低。 参考资料 QMC5883L磁场传感器驱动 QMC5883L磁力计…...

线程同步:确保多线程程序的安全与高效!

全文目录&#xff1a; 开篇语前序前言第一部分&#xff1a;线程同步的概念与问题1.1 线程同步的概念1.2 线程同步的问题1.3 线程同步的解决方案 第二部分&#xff1a;synchronized关键字的使用2.1 使用 synchronized修饰方法2.2 使用 synchronized修饰代码块 第三部分&#xff…...

pam_env.so模块配置解析

在PAM&#xff08;Pluggable Authentication Modules&#xff09;配置中&#xff0c; /etc/pam.d/su 文件相关配置含义如下&#xff1a; 配置解析 auth required pam_env.so1. 字段分解 字段值说明模块类型auth认证类模块&#xff0c;负责验证用户身份&am…...

NFT模式:数字资产确权与链游经济系统构建

NFT模式&#xff1a;数字资产确权与链游经济系统构建 ——从技术架构到可持续生态的范式革命 一、确权技术革新&#xff1a;构建可信数字资产基石 1. 区块链底层架构的进化 跨链互操作协议&#xff1a;基于LayerZero协议实现以太坊、Solana等公链资产互通&#xff0c;通过零知…...

蓝桥杯3498 01串的熵

问题描述 对于一个长度为 23333333的 01 串, 如果其信息熵为 11625907.5798&#xff0c; 且 0 出现次数比 1 少, 那么这个 01 串中 0 出现了多少次? #include<iostream> #include<cmath> using namespace std;int n 23333333;int main() {//枚举 0 出现的次数//因…...

Reasoning over Uncertain Text by Generative Large Language Models

https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829https://ojs.aaai.org/index.php/AAAI/article/view/34674/36829 1. 概述 文本中的不确定性在许多语境中传达,从日常对话到特定领域的文档(例如医学文档)(Heritage 2013;Landmark、Gulbrandsen 和 Svenevei…...

中医有效性探讨

文章目录 西医是如何发展到以生物化学为药理基础的现代医学&#xff1f;传统医学奠基期&#xff08;远古 - 17 世纪&#xff09;近代医学转型期&#xff08;17 世纪 - 19 世纪末&#xff09;​现代医学成熟期&#xff08;20世纪至今&#xff09; 中医的源远流长和一脉相承远古至…...

Golang——6、指针和结构体

指针和结构体 1、指针1.1、指针地址和指针类型1.2、指针取值1.3、new和make 2、结构体2.1、type关键字的使用2.2、结构体的定义和初始化2.3、结构体方法和接收者2.4、给任意类型添加方法2.5、结构体的匿名字段2.6、嵌套结构体2.7、嵌套匿名结构体2.8、结构体的继承 3、结构体与…...