$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Una implementación exitosa de la plataforma de metil-Seq rata depende de varios criterios. Figura 1 muestra el flujo de trabajo general del estudio y destaca pasos específicos control de calidad (QC) que se necesitan antes de seguir adelante. Uno de los primeros factores a considerar es la robustez del modelo animal y el régimen de estrés, que determinan la magnitud de cambios epigenéticos que se producen en el metiloma. Puesto que nuestro trabajo animal está basada en nuestra observación anterior de que la exposición de corticosterona (CORT) puede conducir a cambios en la metilación de ADN19,20, nuestro régimen de estrés crónico variable (CV) debe ser de suficiente rigor para producir hizo hincapié en las ratas con niveles elevados de plasma CORT. Un típico régimen semanal de CVS se muestra en la tabla 1 y consistió de estresores diarios en la mañana, por la tarde, y durante la noche que cambian constantemente para evitar la habituación y disminuida respuesta de estrés. Durante el régimen de 3 semanas, los animales estresados exhibieron niveles significativamente elevados de plasma media CORT [Control de los días 4 y 21,: 32,7 3.7 ng/mL, estrés: 103,0 11.9 ng/mL (media SEM), P = 2.2 x 10-4, figura 2A] sobre los de unstressed, control de animales. Consistentemente, estos animales también mostraron mayor ansiedad-como comportamiento en la elevada y laberinto (EPM), como se indica por el significativamente más tiempo en los brazos cerrados del EPM y menos tiempo en los brazos abiertos (figura 2B). Estos resultados demuestran que la exposición CVS condujo a endocrinos significativos y cambios de comportamiento, que nos lleva a investigar si estos cambios se asociaron con firmas de metilación de ADN específicas.
Destacamos varios puntos que son cruciales para la exitosa construcción de la biblioteca de metil-Seq. A partir de una cantidad suficiente de ADN es necesario, como la sonicación, múltiples lavado/purificación, enriquecimiento de destino, y pasos de conversión de bisulfito sucesivamente reducen la cantidad de DNA en la biblioteca acabada. Aunque varios pasos de amplificación de PCR aliviar la pérdida de la plantilla de la DNA, excesivo número de ciclo PCR puede introducir mayor Lee duplicado. Para el actual estudio de rata metil-Seq, 2 g de sangre gDNA por rata fue utilizado. Tomamos nota de que las bibliotecas metil-Seq se pueden hacer con a partir de cantidad de ADN 500 ng. Más pequeños a partir de material permite generar bibliotecas de ADN aislado por FACS (clasificación celular activado por fluorescencia) o golpes, la aguja aunque hay mayor riesgo de producir una cantidad insuficiente de bibliotecas para la secuencia posterior. Control de calidad se realiza por electroforesis de 1 L de la muestra en un equipo bioanalyzer, que proporciona el peso molecular de ADN, cantidad y molaridad. Tres pasos críticos que requieren el uso del equipo bioanalyzer son: 1) tras el paso de sonicación para asegurar suficiente corte de ADN (~ 170 bp, rojo, figura 3) 2) siguiente adaptador ligadura paso indicada por un cambio en el tamaño medio del ADN esquilado (~ 200 bp, azul, figura 3) para su posterior amplificación por PCR; y 3) siguiente paso de purificación final biblioteca para garantizar la cantidad y el tamaño de la biblioteca para la secuencia.
Los paquetes de R BSSeq y BSmooth en Bioconductor fueron utilizados para el análisis del bisulfito de secuenciación de datos18. Incluyen herramientas y métodos para alinear la Lee de la secuencia, realizar control de calidad, e identificar diferencialmente metiladas regiones (DMRs). BSmooth software invoca Bowtie 2.016,17 como un alineador de la secuencia interna para obtener resúmenes de medición de nivel de CpG, por alineación de raw Lee entrada a convertido a bisulfito de secuencias genómicas. Lee alineado entonces se filtra a través de procedimientos de control de calidad riguroso que pretenden identificar la secuencia sistemática y errores de base de llamadas que pueden sesgar el análisis descendentes. Una serie de diagramas se generan para visualmente facilitar en este proceso de filtrado. Indicadores de secuencia se generan también a información relevante del documento como el número de alineados Lee, % blanco y por cobertura de GPC, entre otros (tabla 2). Una vez que se filtran los datos, se realiza un algoritmo de suavizado/normalización, donde cada GPC se asigna un valor estimado de la metilación basado en control de calidad todos Lee de cada muestra y las estimaciones de los vecinos de CpGs para asegurar más exacto llamar de la metilación Estado incluso en casos donde es baja la cobertura de la secuencia. Este valor proporciona una estimación suavizada de la probabilidad de la metilación en cada sitio de CpG. Al comparar la media de las estimaciones de metilación alisado de cada muestra entre los dos grupos de tratamiento y clasificación regiones genómicas de los más significativamente diferentes al menos, se genera una lista de DMRs (tabla 3).
La parte superior con que DMR entre grupos de tensionado y unstressed se encontraba en el promotor del gen de histocompatibilidad rata Rt1-m4, tensionado animales exhibiendo niveles más altos de metilación a través de todas las GPC que unstressed animales (Figura 4A). Para confirmar la implementación exitosa de la plataforma de metil-Seq y el análisis de datos, se diseñaron cartillas contra el DMR y niveles de metilación de ADN en la cohorte completa de animales tensionados y unstressed (8 ordenados por metil-Seq y 8 no ordenados) se evaluaron por pirosecuenciación de bisulfito. Resultados demuestran un aumento significativo en la metilación del ADN en 10 de los 12 CpGs ensayaron (5.1 – 10.4 cambio en % de metilación, P < 0.037, Figura 4B). Análisis del camino KEGG fue realizada en todo el DMRs nominalmente significativos para identificar vías asociadas con el estrés. Constantemente, vías DMR asociado implicado enfermedades asociadas con la exposición a estrés crónico, como diabetes, enfermedades cardiovasculares y cáncer (tabla 4). 21 , 22 , 23 para demostrar una asociación entre los datos de la epigenéticos y el grado de exposición al estrés, los niveles de metilación CpG-10 fueron comparados con el nivel medio de la CORT de 3 semanas para cada animal. Los resultados mostraron una modesta correlación entre los datos de endocrino y metilación (R2= 0.54, P = 0.001, figura 5).

Figura 1: flujo de trabajo general esquemática para la plataforma de rata metil-Seq. G uno de la DNA genomic extraída de la sangre de tensionado y ratas de control se procesa en primer lugar para la construcción de las bibliotecas de metil-Seq de la secuencia, el análisis y la identificación de objetivos. Otros 100 ng de ADN se utiliza para la validación independiente de los objetivos identificados epigenéticos por pirosecuenciación de bisulfito. Haga clic aquí para ver una versión más grande de esta figura.

Figura 2: exposición a estrés crónico variable (CVS) conduce a los cambios endocrinos y del comportamiento en ratas. (A) múltiples muestreos de corticosterona (CORT) demuestran la robustez de la semana 3 régimen de CVS. Muestras de sangre se recolectaron en la mañana antes del régimen de estrés diario. (B) animales Stressed pasaron más tiempo en los brazos cerrados y menos tiempo en los brazos abiertos de la elevada más laberinto (EPM). Se muestran los boxplots con punto de datos para cada animal. Se realizó prueba T de Student para la significación estadística. * P < 0.05, ** P < 0.01, y *** P < 0.001. Haga clic aquí para ver una versión más grande de esta figura.

Figura 3: cuantificación de rata esquilado y adaptador ligarse DNA en un equipo bioanalyzer. Las curvas rojas y azules muestran la cantidad y tamaño de la DNA genomic (rojo) después de esquilar en un sonicador isotérmico y ligadura del adaptador, respectivamente. Cada línea representa una muestra y el rojo y azul curvas reflejan tanto la pérdida de ADN durante los pasos de varios (final de reparación, 3'-adenylation y limpieza de muestra) y aumentan de tamaño de bp por la ligación de los adaptadores. Afilados picos 25 bp y bp 1500 son marcadores estándar que se han añadido al buffer de carga. Haga clic aquí para ver una versión más grande de esta figura.

Figura 4: cambios epigenéticos inducidos por la CVS son detectados por rata metil-SEQ (A) análisis de la rata metil-Seq datos implicado el promotor del gen de la Rt1m4 como una región diferencialmente metilada (DMR) entre estresada (rojo) y las ratas de control (azul). La salida gráfica para Rt1m4 DMR (región sombreada rosa) muestra cada GPC (línea gris vertical), las cuatro muestras en cada grupo (líneas en rojas o azules) y los niveles de metilación % para cada animal (punto rojo o azul). (B) doce GPC dentro de lo DMR fueron validados por pirosecuenciación de bisulfito. Los gráficos de barras se representan como media SEM, y se realizó prueba T de Student para la significación estadística. * P < 0.05. Haga clic aquí para ver una versión más grande de esta figura.

Figura 5: Análisis de regresión lineal mostró una modesta correlación entre % ADN metilación CpG-10 de Rt1m4 y la 3 semana significan plasma niveles CORT de ambos destacó y controlan de animales (N = 16). Datos de animales estresados son representados por círculos rojo. Haga clic aquí para ver una versión más grande de esta figura.
| Semana | Día 1 | Día 2 | Día 3 | Día 4 | Día 5 | Día 6 | Día 7 |
| AM | Sistema de seguridad para | Nadar | Cuarto frío | Nadar | Sistema de seguridad para | Coctelera | Nadar |
| PM | Coctelera | Inclinación de la jaula | Sistema de seguridad para | Coctelera | Cuarto frío | Sistema de seguridad para | Cuarto frío |
| Durante la noche | Restringir alimentos | Mojado de cama | Aislamiento | Luz en | Apretadura | Luz en | Mojado de cama |
Tabla 1: Un programa semanal típico del régimen de tensión variable crónica (CVS).
| Secuencia de mediciones | Tensión1 | Control1 |
| (n = 4) | (n = 4) |
| Junto de lecturas finales (por) | 89,290,397 | 80,165,674 |
| Final pares asignado únicamente Lee (UMPER) | 39,200,255 | 35,013,406 |
| Eficiencia de asignación de tipo de alineación (UMPER por) | 44% | 44% |
| Lee duplicado (% de UMPER) | 73% | 65% |
| UMPER reduplicada | 10,481,031 | 12,306,018 |
| Promedio de cobertura de profundidad de lectura (x) (ARDC) | 6 x | 6 x |
| GPC (N) | 12,056,878 | 12,056,878 |
| ARDC (x) de la GPC | 2 x | 2 x |
| GPC con al menos 10 Lee (N) | 481.383 | 595.850 |
| ARDC (X) de la GPC con Lee por lo menos 10 | 19 | 19 |
| En la GPC objetivo (traslapo completo con sonda regiones de destino) | 1.923.872 | 2.007.638 |
| Objetivo ARDC (x) de la GPC | 7 x | 8 x |
| En la GPC objetivo con al menos 10 Lee (N) | 428.249 | 531.419 |
| En destino ARDC (x) de la GPC con Lee por lo menos 10 | 38: | 38: |
| En blanco (por traslapo de 1 o más pares con sonda regiones de destino) (UMPER) | 8.277.715 | 9.369.523 |
| % En blanco (de UMPER reduplicada) | 78% | 77% |
| En blanco (Bases totales asignados) Mb | 125 mb | 128 mb |
| En destino leer media profundidad cobertura (x) (ARDC) | 9 x | 30: |
|
1 Secuencia de mediciones basadas en promedios de sujetos en cada grupo | | |
Tabla 2: Secuencias métricas de la plataforma de metil-Seq de rata.
| Chr | Inicio | final | gene | distancia | areaStat | meanDiff | estrés | control | Dirección |
| chr20 | 1.644.246 | 1.644.390 | RT1-M4 | in_gene | 93.03 | 0.22 | 0.33 | 0.11 | ganancia |
| chr5 | 160,361,352 | 160,361,564 | LOC690911 | in_gene | -70.75 | : -0,19 | 0,72 | 0.91 | pérdida |
| chr3 | 61,138,281 | 61,138,330 | RGD1564319 | 265569 | 61.79 | 0.21 | 0.94 | 0,72 | ganancia |
| CHR2 | 143,064,811 | 143,065,010 | Ufm1 | 8569 | -59.48 | -0,11 | 0.13 | 0.24 | pérdida |
| chr7 | 30,764,111 | 30,764,284 | Ntn4 | in_gene | 57.04 | 0.21 | 0.94 | 0.73 | ganancia |
| chr17 | 12,469,112 | 12,469,218 | Idnk | 41996 | -50.91 | -0,13 | 0.74 | 0.88 | pérdida |
| chr7 | 47,101,725 | 47,101,930 | Pawr | in_gene | -50.54 | -0,12 | 0,64 | 0,76 | pérdida |
| chr5 | 76,111,248 | 76,111,822 | Txndc8 | 151703 | -50.38 | -0,11 | 0.85 | 0.96 | pérdida |
| chr11 | 80,640,132 | 80,640,356 | Dgkg | in_gene | -50.07 | -0.16 | 0.73 | 0,89 | pérdida |
| chr8 | 71,759,248 | 71,759,411 | Mir190 | 210226 | -47.84 | -0,17 | 0.58 | 0.75 | pérdida |
Tabla 3: Top 10 diferencialmente metiladas regiones. Para cada DMR, la tabla de salida muestra desde la izquierda a la columna de la derecha: Localización cromosómica (chr), coordina (inicio y fin), nombre de gen, distancia de la transcripción comienza sitio, estadísticas de área diferencial entre destacó y controlan de grupos (areaStat), significa hizo hincapié en los niveles de metilación media en cada DMR para metilación diferencial (meanDiff), y grupos de control (control de estrés) y la dirección de la metilación de controles.
| Términos del camino KEGG | Conde de gene | % | Valor de P | Benjamini |
| Diabetes |
| Diabetes mellitus tipo II | 12 | 0.1 | 3.6 x 10-4
| 9.8 x 10-3
|
| Enfermedades cardiovasculares |
| Contracción del músculo liso vascular | 18 | 0.1 | 1.6 x 10-3
| 3.6 x 10-2
|
| Cardiomiopatía ventricular correcta arritmogénica (ARVC) | 13 | 0.1 | 4.0 x 10-3
| 7.1 x 10-2
|
| Miocardiopatía dilatada | 14 | 0.1 | 7.6 x 10-3
| 1,2 x 10-1
|
| Función de la neurona |
| Potenciación a largo plazo | 11 | 0.1 | 1.5 x 10-2
| 1.4 x 10-1
|
| Señalización |
| Vía de señalización de MAPK | 35 | 0.2 | 2.4 x 10-4
| 9.9 x 10-3
|
| Vía de señalización de calcio | 22 | 0.1 | 1,2 x 10-2
| 1.4 x 10-1
|
| Vía de señalización de quimioquinas | 21 | 0.1 | 1,2 x 10-2
| 1.3 x 10-1
|
| Cáncer |
| En el cáncer de las vías | 42 | 0.3 | 4.1 x 10-5
| 3.4 x 10-3
|
| Glioma de | 15 | 0.1 | 4.4 x 10-5
| 2.4 x 10-3
|
| Cáncer de pulmón de células no pequeñas | 10 | 0.1 | 7,9 x 10-3
| 1.1 x 10-1
|
| Cáncer colorrectal | 13 | 0.1 | 8.4 x 10-3
| 1.1 x 10-1
|
| Leucemia mieloide crónica | 12 | 0.1 | 1,2 x 10-2
| 1.3 x 10-1
|
Tabla 4: Análisis de camino KEGG de DMRs identificado de la rata metil-SS.