通过新的计算整合分析预测调节突变及其向基因:对卵泡淋巴瘤的研究

科学领域:

• 基因组学就是基因组学.
• 癌症生物学 癌症生物学
• 生物信息学是一种生物信息学.

背景情况:

• 在DNA调节区域的突变是癌症和复杂疾病的关键驱动因素.
• 这些突变通过DNA-蛋白结合和像DNA甲基化这样的表观遗传修饰影响基因表达.
• 在与基因调节和疾病相关的非编码DNA中识别突变热点仍然很困难.

研究的目的:

• 开发和验证一种基于新型突变块 (MB) 的方法,用于评估SNP集群对基因表达和DNA甲基化的集体影响.
• 通过使用新的基于 permutation 的算法识别功能 MB 的远距离目标基因.
• 引入两个Python包,DMR分析和DDS分析,用于集成的多omics数据分析.

主要方法:

• 开发了一种突变块 (MB) 方法来评估单核酸多态 (SNPs) 对转录因子-DNA结合,差异基因表达 (DEG) 和DNA甲基化的综合作用.
• 利用一种基于变的新算法,通过将调节区域的DNA甲基化与目标基因表达相关联来识别远距离目标基因.
• 创建了两个Python包:用于检测差异甲基化区域 (DMRs) 的DMR分析和用于集成DMR,DEG和SNP数据的DDS分析.

主要成果:

• 在卵泡淋巴瘤 (FL) 队列中验证了基于MB的方法和Python工具.
• 在FL.中成功鉴定出已知的功能MB及其标基因 (BCL2,BCL6).
• 发现了新的FL相关基因CDCA4和JAG2,与目标基因表达和附近的DNA甲基化有显著的相关性.

结论:

• 拟议的多omics数据的计算整合分析有效地识别功能突变块及其目标基因.
• 基于MB的新方法和相关的Python工具为发现癌症和其他复杂疾病中的调节突变提供了一个有希望的策略.
• 发现的新型基因 (CDCA4,JAG2) 可能在FL发育中发挥作用,需要进一步调查.