TCGA 数据分析实战 —— 差异甲基化区域模体分析

TCGA 数据分析实战 —— 差异甲基化区域模体分析

前言

DNA 甲基化在许多细胞进程中扮演重要的角色，例如胚胎发育、基因印迹、X 染色体失活和维持染色体稳定性。

在哺乳动物中，DNA 甲基化很少见，其产生位置分布在整个基因组中的确定的 CpG 序列中，但是却很少在 CpG 岛上发生甲基化。

CpG 岛（CGI）是富含 GC 碱基的短间隔 DNA 序列。这些 CpG 岛通常位于转录起始位置，它们的甲基化会导致基因沉默。

DNA 甲基化会抑制转录，因此，对 DNA 甲基化的研究对于理解癌症中调控基因网络至关重要。所以，差异甲基化区域（DMR）的检测有助于我们研究调控基因网路。

差异甲基化分析

样本甲基化均值

我们首先对 DNA 甲基化数据进行预处理，450k 平台的 DNA 甲基化数据有三种探针：

• cg：CpG 位点
• ch：非 CpG 位点
• rs：SNP 芯片

最后一种探针可用于识别和跟踪样本，应该在差异甲基化分析中被排除，所以要删除 rs 探针。同时为了消除性别的影响，X、Y 染色体也应该排除在外。最后，去除包含 NA 值的探针。

在本示例中，我们分析的是非小细胞肺癌的两个亚型：

• 肺腺癌：LUAD
• 肺鳞癌：LUSC

library(TCGAbiolinks)
library(SummarizedExperiment)
library(tidyverse)

#------------------------------------
# 获取 DNA 同时检测甲基化和表达的样本
#------------------------------------
# 肺腺癌和肺鳞癌
luad.samples <- matchedMetExp("TCGA-LUAD", n = 10)
lusc.samples <- matchedMetExp("TCGA-LUSC", n = 10)
samples <- c(luad.samples, lusc.samples)

query <- GDCquery(
    project = c("TCGA-LUAD", "TCGA-LUSC"),
    data.category = "DNA Methylation", 
    data.type = "Methylation Beta Value",
    platform = "Illumina Human Methylation 450",
    barcode = samples
)
GDCdownload(query)
met <- GDCprepare(query, save = FALSE)

# 删除包含 NA 值的探针
met <- subset(met,subset = (rowSums(is.na(assay(met))) == 0))
# 去除重复样本
met <- met[, substr(colnames(met), 14, 16) !=