Pomyślna implementacja platformy Methyl-Seq u szczurów zależy od kilku kryteriów. Rycina 1 przedstawia ogólny schemat badania i wyróżnia konkretne etapy kontroli jakości (QC), które są niezbędne przed przejściem do kolejnych kroków. Jednym z pierwszych czynników, które należy wziąć pod uwagę, jest solidność modelu zwierzęcego oraz schemat stresowy, które determinują skalę zmian epigenetycznych zachodzących w całym metylomie. Ponieważ nasze prace na zwierzętach opierały się na wcześniejszej obserwacji, że ekspozycja na kortykosteron (CORT) może prowadzić do zmian w metylacji DNA19,20, nasz schemat przewlekłego stresu zmiennego (CVS) musiał być wystarczająco rygorystyczny, aby u zestresowanych szczurów uzyskać podwyższony poziom CORT w osoczu. Typowy tygodniowy schemat CVS przedstawiono w Tabeli 1; składał się on z codziennych stresorów stosowanych rano, po południu i w nocy, które były stale zmieniane, aby zapobiec habituacji i osłabieniu reakcji stresowej. Przez cały 3-tygodniowy okres stosowania schematu u zestresowanych zwierząt odnotowano istotnie podwyższony średni poziom CORT w osoczu [dni 4–21, grupa kontrolna: 32,7 ± 3,7 ng/mL, grupa stresowa: 103,0 ± 11,9 ng/mL (średnia ± SEM), P = 2,2 x 10-4, Rycina 2A] w porównaniu z niezestresowanymi zwierzętami kontrolnymi. Spójnie z tymi wynikami, zwierzęta te wykazywały również silniejsze zachowania lękowe w podwyższonym labiryncie krzyżowym (EPM), co przejawiało się istotnie dłuższym czasem spędzonym w ramionach zamkniętych EPM i krótszym czasem w ramionach otwartych (Rycina 2B). Wyniki te dowodzą, że ekspozycja na CVS doprowadziła do istotnych zmian endokrynologicznych i behawioralnych, co skłoniło nas do zbadania, czy zmiany te są związane ze specyficznymi sygnaturami metylacji DNA.
Kładziemy nacisk na kilka punktów kontrolnych, które są kluczowe dla pomyślnego przygotowania biblioteki Methyl-Seq. Konieczne jest rozpoczęcie procesu od wystarczającej ilości DNA, ponieważ sonikacja, wielokrotne etapy przemywania/oczyszczania, wzbogacanie celu oraz konwersja bisulfitowa sukcesywnie redukują ilość DNA w gotowej bibliotece. Chociaż kilka etapów amplifikacji PCR niweluje utratę matrycy DNA, nadmierna liczba cykli PCR może prowadzić do zwiększenia liczby duplikatów odczytów. W niniejszym badaniu Methyl-Seq u szczura użyto 2 μg gDNA z krwi na szczura. Zauważamy, że biblioteki Methyl-Seq można przygotować z ilości wyjściowej DNA wynoszącej nawet 500 ng. Mniejsza ilość materiału wyjściowego pozwala użytkownikom na generowanie bibliotek z DNA wyizolowanego metodą FACS (sortowanie komórek aktywowane fluorescencją) lub za pomocą biopsji gruboigłowej, choć wiąże się to ze zwiększonym ryzykiem uzyskania niewystarczającej ilości bibliotek do późniejszego sekwencjonowania. Kontrola jakości (QC) jest przeprowadzana za pomocą elektroforezy 1 μL próbki na bioanalizatorze, który określa masę cząsteczkową, ilość i molarność DNA. Trzy krytyczne etapy wymagające użycia bioanalizatora to: 1) po etapie sonikacji, aby upewnić się, że DNA zostało odpowiednio pofragmentowane (~170 bp, kolor czerwony, Rysunek 3); 2) po etapie ligacji adapterów, co objawia się przesunięciem średniej wielkości pofragmentowanego DNA (~200 bp, kolor niebieski, Rysunek 3), aby zapewnić ich późniejszą amplifikację metodą PCR; oraz 3) po końcowym etapie oczyszczania biblioteki, aby potwierdzić ilość i wielkość biblioteki przeznaczonej do sekwencjonowania.
Do analizy danych z sekwencjonowania bisulfitowego wykorzystano pakiety R BSSeq oraz BSmooth z platformy Bioconductor18. Zawierają one narzędzia i metody do mapowania odczytów sekwencji, przeprowadzania kontroli jakości oraz identyfikacji regionów różnicowo zmetylowanych (DMRs). Oprogramowanie BSmooth wykorzystuje Bowtie 2.016,17 jako wewnętrzny algorytm mapowania sekwencji w celu uzyskania podsumowań pomiarów na poziomie CpG, poprzez dopasowanie surowych odczytów wejściowych do sekwencji genomicznych po konwersji bisulfitowej. Zmapowane odczyty są następnie filtrowane za pomocą rygorystycznych procedur kontroli jakości, które mają na celu zidentyfikowanie systematycznych błędów sekwencjonowania i odczytu zasad, które mogłyby zafałszować późniejsze analizy. W celu wizualnego wspomagania tego procesu filtrowania generowana jest seria wykresów. Generowane są również metryki sekwencjonowania w celu udokumentowania istotnych informacji, takich jak między innymi liczba zmapowanych odczytów, % target oraz pokrycie na CpG (Tabela 2). Po przefiltrowaniu danych zastosowano algorytm wygładzania/normalizacji, w którym każdemu CpG przypisano szacowaną wartość metylacji na podstawie wszystkich odczytów QC z każdej próbki oraz szacunków z sąsiednich CpG, aby zapewnić dokładniejsze określenie stanu metylacji nawet w przypadkach niskiego pokrycia sekwencją. Wartość ta stanowi wygładzoną szacunkową wartość prawdopodobieństwa metylacji w każdym miejscu CpG. Poprzez porównanie średnich wygładzonych szacunków metylacji dla każdej próbki między dwiema grupami traktowania i uszeregowanie regionów genomicznych od najbardziej do najmniej istotnie różniących się, wygenerowano listę DMRs (Tabela 3).
Najważniejszy DMR pomiędzy grupami poddanymi stresowi i grupami kontrolnymi znajdował się w promotorze szczurzego genu głównego układu zgodności tkankowej Rt1-m4, przy czym u zwierząt poddanych stresowi odnotowano wyższe poziomy metylacji we wszystkich miejscach CpG niż u zwierząt kontrolnych (Rysunek 4A). Aby potwierdzić prawidłowe wdrożenie platformy Methyl-Seq oraz analizy danych, zaprojektowano startery skierowane przeciwko DMR, a poziomy metylacji DNA we krwi w całej kohorcie zwierząt poddanych stresowi i zwierząt kontrolnych (8 zsekwencjonowanych za pomocą Methyl-Seq i 8 niezesekwencjonowanych) oceniono za pomocą pirosekwencjonowania z konwersją bisulfitową. Wyniki wykazują istotny wzrost metylacji DNA w 10 z 12 badanych miejsc CpG (zmiana o 5,1–10,4% metylacji, P <0,037, Rysunek 4B). Analizę szlaków KEGG przeprowadzono dla wszystkich nominalnie istotnych DMR w celu zidentyfikowania szlaków związanych ze stresem. Spójnie z tym, szlaki związane z DMR obejmowały choroby towarzyszące przewlekłej ekspozycji na stres, takie jak cukrzyca, choroby układu sercowo-naczyniowego oraz nowotwory (Tabela 4).21,22,23 Aby wykazać związek między danymi epigenetycznymi a stopniem ekspozycji na stres, poziomy metylacji w miejscu CpG-10 porównano ze średnimi poziomami CORT z okresu 3 tygodni dla każdego zwierzęcia. Wyniki wykazały umiarkowaną korelację między danymi endokrynnymi a danymi o metylacji (R2=0,54, P=0,001, Rysunek 5).

Rycina 1: Ogólny schemat przepływu pracy dla platformy Methyl-Seq u szczurów. 1 μg genomowego DNA wyekstrahowanego z krwi szczurów w grupie stresowej i kontrolnej jest najpierw przetwarzane w celu stworzenia bibliotek Methyl-Seq do sekwencjonowania, analizy i identyfikacji celów. Kolejne 100 ng DNA jest wykorzystywane do niezależnej walidacji zidentyfikowanych celów epigenetycznych za pomocą pirosekwencjonowania z konwersją bisulfitową. Kliknij tutaj, aby wyświetlić powiększoną wersję tej ryciny.

Rycina 2: Ekspozycja na chroniczny stres zmienny (CVS) prowadzi do zmian endokrynnych i behawioralnych u szczurów. (A) Wielokrotne pobrania kortykosteronu (CORT) potwierdzają skuteczność 3-tygodniowego schematu CVS. Próbki krwi pobierano rano, przed codziennym schematem stresowym. (B) Zwierzęta poddane stresowi spędzały więcej czasu w ramionach zamkniętych i mniej czasu w ramionach otwartych labiryntu krzyżowego (EPM). Przedstawiono wykresy pudełkowe z punktami danych dla każdego zwierzęcia. W celu oceny istotności statystycznej przeprowadzono test t Studenta. *P<0.05, **P<0.01 i ***P<0.001. Kliknij tutaj, aby zobaczyć powiększoną wersję tej ryciny.

Rysunek 3: Ilościowe oznaczenie pociętego i ligowanego z adapterami DNA szczura za pomocą bioanalizatora. Czerwone i niebieskie krzywe przedstawiają ilość i wielkość genomicznego DNA (czerwone) odpowiednio po pocięciu w sonikatorze izotermicznym oraz po ligacji adapterów. Każda linia reprezentuje jedną próbkę, a krzywe czerwone i niebieskie odzwierciedlają zarówno ubytek DNA podczas kilku etapów (naprawa końców, adenylacja 3' oraz oczyszczanie próbki), jak i wzrost wielkości w bp wynikający z ligacji adapterów. Wyraźne piki przy 25 bp i 1500 bp to markery standardowe dodane do buforu do nakładania. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.

Rycina 4: Epigenetyczne zmiany wywołane CVS zostają wykryte za pomocą Methyl-Seq u szczurów. (A) Analiza danych Methyl-Seq u szczurów wykazała, że promotor genu Rt1m4 stanowi region o zróżnicowanej metylacji (DMR) pomiędzy szczurami stresowanymi (czerwony) a kontrolnymi (niebieski). Wynik graficzny dla DMR genu Rt1m4 (obszar zacieniony na różowo) przedstawia każdą pozycję CpG (pionowa szara linia), cztery próbki w każdej grupie (linie czerwone lub niebieskie) oraz poziomy % metylacji dla każdego zwierzęcia (czerwona lub niebieska kropka). (B) Dwanaście pozycji CpG w obrębie DMR zostało zwalidowanych za pomocą pirosekwencjonowania z konwersją bisulfitową. Wykresy słupkowe przedstawiono jako średnia SEM, a w celu oceny istotności statystycznej przeprowadzono test t Studenta. *P<0.05. Kliknij tutaj, aby wyświetlić większą wersję tej ryciny.

Rysunek 5: Analiza regresji liniowej wykazała umiarkowaną korelację między % metylacji DNA w miejscu CpG-10 genu Rt1m4 a średnim poziomem CORT w osoczu w 3. tygodniu u zwierząt stresowanych oraz kontrolnych (N=16). Dane pochodzące od zwierząt stresowanych przedstawiono czerwonymi kółkami. Kliknij tutaj, aby wyświetlić powiększoną wersję tego rysunku.
| Tydzień | Dzień 1 | Dzień 2 | Dzień 3 | Dzień 4 | Dzień 5 | Dzień 6 | Dzień 7 |
| AM | Unieruchomienie | Pływanie | Chłodnia | Pływanie | Unieruchomienie | Mieszadło orbitalne | Pływanie |
| PM | Mieszadło orbitalne | Przechylenie klatki | Unieruchomienie | Mieszadło orbitalne | Chłodnia | Unieruchomienie | Chłodnia |
| Przez noc | Ograniczenie spożycia pokarmu | Wilgotna ściółka | Izolacja | Włączenie światła | Zatłoczenie molekularne | Włączenie światła | Mokra ściółka |
Tabela 1: Typowy tygodniowy harmonogram schematu przewlekłego stresu zmiennego (CVS).
| Metryki sekwencjonowania | Stres1 | Kontrola1 |
| (n = 4) | (n = 4) |
| Odczyty par końcowych (PER) | 89,290,397 | 80,165,674 |
| Jednoznacznie zmapowane odczyty par końcowych (UMPER) | 39,200,255 | 35,013,406 |
| Wskaźnik dopasowania/wydajność mapowania (UMPER/PER) | 44% | 44% |
| Duplikaty odczytów (% UMPER) | 73% | 65% |
| UMPER po usunięciu duplikatów | 10,481,031 | 12,306,018 |
| Średnia głębokość pokrycia odczytów (x) (ARDC) | 6x | 6x |
| CpGs (N) | 12,056,878 | 12,056,878 |
| ARDC (x) dla CpGs | 2x | 2x |
| CpGs z co najmniej 10 odczytami (N) | 481,383 | 595,850 |
| ARDC (X) dla CpGs z co najmniej 10 odczytami | 19 | 19 |
| CpGs w obrębie celu (pełne pokrycie z regionami docelowymi sond) | 1,923,872 | 2,007,638 |
| ARDC (x) w obrębie celu dla CpGs | 7x | 8x |
| CpGs w obrębie celu z co najmniej 10 odczytami (N) | 428,249 | 531,419 |
| ARDC (x) w obrębie celu dla CpGs z co najmniej 10 odczytami | 18x | 18x |
| W obrębie celu (PER z pokryciem 1 lub więcej par zasad z regionami docelowymi sond) (UMPER) | 8,277,715 | 9,369,523 |
| % w obrębie celu (z UMPER po usunięciu duplikatów) | 78% | 77% |
| W obrębie celu (całkowita liczba zmapowanych zasad) Mb | 125 Mb | 128 Mb |
| Średnia głębokość pokrycia odczytów w obrębie celu (x) (ARDC) | 9x | 10x |
| 1Metryki sekwencjonowania oparte na średnich dla osobników w każdej grupie | | |
Tabela 2: Metryki sekwencjonowania uzyskane z platformy Methyl-Seq u szczura.
| chr | Proszę podać tekst źródłowy do tłumaczenia. | koniec | gen | odległość | areaStat | różnica średnich | stres | kontrola | kierunek |
| chr20 | 1,644,246 | 1,644,390 | RT1-M4 | wewnątrzgenowy | 93.03 | 0.22 | 0.33 | 0.11 | wzmocnienie |
| chr5 | 160,361,352 | 160,361,564 | LOC690911 | wewnątrzgenowy | -70.75 | -0.19 | 0.72 | 0.91 | strata |
| chr3 | 61,138,281 | 61,138,330 | RGD1564319 | 265569 | 61.79 | 0.21 | 0.94 | 0.72 | wzmocnienie |
| chr2 | 143,064,811 | 143,065,010 | Ufm1 | 8569 | -59.48 | -0.11 | 0.13 | 0.24 | strata |
| chr7 | 30,764,111 | 30,764,284 | Ntn4 | w obrębie genu | 57.04 | 0.21 | 0.94 | 0.73 | wzmocnienie |
| chr17 | 12,469,112 | 12,469,218 | Nie wiem | 41996 | -50.91 | -0.13 | 0.74 | 0.88 | strata |
| chr7 | 47,101,725 | 47,101,930 | Pawr | w obrębie genu | -50.54 | -0.12 | 0.64 | 0.76 | strata |
| chr5 | 76,111,248 | 76,111,822 | Txndc8 | 151703 | -50.38 | -0.11 | 0.85 | 0.96 | strata |
| chr11 | 80,640,132 | 80,640,356 | Dgkg | wewnątrzgenowy | -50.07 | -0.16 | 0.73 | 0.89 | strata |
| chr8 | 71,759,248 | 71,759,411 | Mir190 | 210226 | -47.84 | -0.17 | 0.58 | 0.75 | strata |
Tabela 3: 10 najważniejszych regionów o zróżnicowanej metylacji. Dla każdego DMR tabela wynikowa przedstawia w kolumnach od lewej do prawej: lokalizację chromosomową (chr), współrzędne (start/end), nazwę genu, odległość od miejsca rozpoczęcia transkrypcji, statystyki obszaru zróżnicowania pomiędzy grupami poddanymi stresowi a kontrolnymi (areaStat), średnią różnicę w metylacji (meanDiff), średnie poziomy metylacji w każdym DMR dla grup poddanych stresowi i kontrolnych (stress/control) oraz kierunek zmiany metylacji względem grup kontrolnych.
| Terminy ścieżek KEGG | Liczba genów | % | wartość p | Benjamini |
| Cukrzyca |
| Cukrzyca typu 2 | 12 | 0.1 | 3,6 x 10-4 | 9,8 x 10-3 |
| Choroby układu sercowo-naczyniowego |
| Skurcz mięśni gładkich naczyń krwionośnych | 18 | 0.1 | 1,6 x 10-3 | 3,6 x 10-2 |
| Kardiomiopatia arytmogenna prawej komory (ARVC) | 13 | 0.1 | 4,0 x 10-3 | 7,1 x 10-2 |
| Kardiomiopatia rozstrzeniowa | 14 | 0.1 | 7,6 x 10-3 | 1,2 x 10-1 |
| Funkcja neuronu |
| Długotrwałe wzmocnienie synaptyczne | 11 | 0.1 | 1,5 x 10-2 | 1,4 x 10-1 |
| Sygnalizacja |
| Szlak sygnałowy MAPK | 35 | 0.2 | 2,4 x 10-4 | 9,9 x 10-3 |
| Szlak sygnalizacji wapniowej | 22 | 0.1 | 1,2 x 10-2 | 1,4 x 10-1 |
| Szlak sygnalizacyjny chemokin | 21 | 0.1 | 1,2 x 10-2 | 1,3 x 10-1 |
| Nowotwór |
| Szlaki sygnałowe w nowotworach | 42 | 0.3 | 4,1 x 10-5 | 3,4 x 10-3 |
| Glioma | 15 | 0.1 | 4,4 x 10-5 | 2,4 x 10-3 |
| Niedrobnokomórkowy rak płuca | 10 | 0.1 | 7,9 x 10-3 | 1,1 x 10-1 |
| Rak jelita grubego | 13 | 0.1 | 8,4 x 10-3 | 1,1 x 10-1 |
| Przewlekła białaczka szpikowa | 12 | 0.1 | 1,2 x 10-2 | 1,3 x 10-1 |
Tabela 4: Analiza ścieżek KEGG dla DMR zidentyfikowanych w badaniu Methyl-Seq szczura.