人源DCM-time machine揭示原始肠管分化过程中的细胞状态变化
研究者将DCM-time machine引入人诱导多能干细胞,解析其向定形内胚层及原始肠管分化时的基因与增强子活性动态。该系统以可在S期传递的DCM甲基化标记,实现全基因组转录活性的回溯追踪,并可整合转录因子网络与CpG甲基化谱。
研究者将DCM-time machine引入人诱导多能干细胞,解析其向定形内胚层及原始肠管分化时的基因与增强子活性动态。该系统以可在S期传递的DCM甲基化标记,实现全基因组转录活性的回溯追踪,并可整合转录因子网络与CpG甲基化谱。
研究者开发FAME框架,仅用甲基化测序数据整合循环游离DNA甲基化与片段组学特征,用于癌症检测和组织来源预测。研究纳入2,018份健康对照及七类癌症样本,比较不同测序平台的片段组学信息保留情况,并扩展构建FAME-GW;所给正文未呈现诊断性能结果。
在DNA甲基化定量和特征选择前屏蔽变异位点,可减少单细胞DNA甲基化分析中的基因型偏倚。研究使用10名遗传背景多样的健康个体的血液细胞核sciMET数据(25,674个细胞核),发现该策略减少聚类中的供者相关混杂及同类细胞内虚假的样本特异性差异甲基化区域,并改善批次混合与生物学变异保留。
研究构建了涵盖22种组织的长期运动多组学图谱,揭示全身转录组、表观遗传、蛋白质组及代谢层面的协同重塑。该图谱刻画了随组织、性别和时间变化的分子适应,以及骨骼肌中细胞类型特异性的表观遗传重塑。
Nature Protocols刊载多重单细胞简化代表性亚硫酸氢盐测序(Msc-RRBS)实验方案,可并行分析数百个单细胞的DNA甲基化。该方案采用流程精简、可扩展的方法,用于全基因组DNA甲基化分析。
研究者基于DNA甲基化数据构建机器学习预测工具EpiDiff,发现多种细胞的分化指数随年龄增加,并呈现以间充质谱系方向最突出的表观遗传漂移。该工具在单细胞、分选细胞、整体组织及体外实验中得到验证,应用于正常组织时可预测致癌暴露和癌症风险。