DNA甲基化在调控基因表达、维持基因组稳定性方面发挥着重要作用。异常的DNA甲基化模式，如全局低甲基化和基因特异性高甲基化，是癌症的标志之一。除环境因素外，DNA甲基化也受遗传因素影响。因此，解析组织特异性遗传预测的DNA甲基化有望揭示复杂性状（包括癌症易感性）的遗传易感性。

此前，美国弗吉尼亚大学综合癌症中心研究团队已在血液中发现了1343个CpGs，其基因预测DNA甲基化水平与癌症风险相关，但组织DNA甲基化数据的缺乏阻碍了对其在癌症相关组织中的评估。近期，在Nature Communications发表的一项新研究中，该研究团队确定了与癌症风险相关的组织特异性DNA甲基化生物标志物。

研究团队开发了可预测七种组织类型基因组中CpG位点DNA甲基化的统计模型，并将该模型应用于癌症GWAS数据，推断遗传预测的CpG甲基化与乳腺癌、结直肠癌、肾细胞癌、肺癌、卵巢癌、前列腺癌和睾丸生殖细胞癌风险之间的关联。对于识别的癌症风险相关CpG位点，研究团队通过整合DNA甲基化组学、转录组学、基因组学和癌症GWAS数据进一步探索其是否通过调控邻近基因的表达影响癌症风险。

01 组织特异性DNA甲基化预测模型

经过处理的DNA甲基化数据，包括来自GTEx联盟的987个无癌供体样本中的754,054个CpG位点的BMIQ标准化β值。经过筛选，研究保留了来自367名受试者的856个样本（主要为欧洲裔和非洲裔），包括49个乳腺、189个结肠、47个肾脏、190个肺、140个卵巢、105个前列腺、47个睾丸、47个全血和42个肌肉组织样本。

图1.研究总体工作流程和数据资源。

对于特定组织内的每个CpG位点，研究团队使用两种方法开发了预测模型，保留了预测性能最好的模型。分析发现，跨组织模型的预测性能显著高于单组织模型。在研究的754,054个CpG中，478,360个（63.4%）的模型具有可靠的预测性能。值得注意的是，这些模型中46.8%是高度组织特异性的，只有3.2%在所有组织中普遍存在。最终，研究团队分别建立了101497个乳腺模型、197947个结肠模型、125745个肾脏模型、195764个肺模型、187911个卵巢模型、152341个前列腺模型和118568个睾丸组织模型。

随后，研究团队评估了与使用单个最佳顺式mQTL相比，利用多个顺式变异的预测策略能否提高预测性能。对于通过该研究方法建立可靠模型的每个CpG，研究团队尝试利用与预测方法相同的数据构建仅基于最佳顺式mQTL的模型。在7种组织中，单个最佳顺式mQTL方法仅能为33.1%的CpG建立可靠模型。此外，对于通过该研究方法和单一最佳顺式mQTL方法均建立模型的CpG，该研究方法的预测精度始终高于后者。

02 组织特异性DNA甲基化与癌症风险的关联

对于7种组织类型，将预测模型应用于相应癌症的GWAS数据，以鉴定具有遗传预测DNA甲基化水平与癌症风险显著相关的CpGs。研究团队在7种组织中识别出了4248个与至少一种癌症风险显著相关的CpG位点（图2），其中4052个（95.4%）特定于某种癌症类型。

通过共定位分析，在4461个CpG-癌症对中，1454对（32.6%）和866对（19.4%）表现出中等至高的共定位概率。在这4461个CpG-癌症对中，4210对CpG分布在先前GWAS分析鉴定的801个（56.5%）癌症易感位点中的453个，其余的251对CpG分布在73个位点上，距离GWAS鉴定的任何癌症风险变异至少1Mb(图2)。总之，研究团队在56.5%的已知GWAS基因位点中发现了大量DNA甲基化可能介导癌症风险遗传效应的CpGs，揭示了55个假定的新基因位点，并在52个已知GWAS基因位点中检测到独立于GWAS识别的风险变异的关联信号。

值得注意的是，对于研究发现的453个已知含有癌症相关CpGs位点中的31.6%，TWAS无法发现任何显著的关联。与TWAS相比，该研究方法在检测GWAS识别位点内关联信号方面具有更高有效性。

图2.曼哈顿图显示CpG基因预测的DNA甲基化与癌症风险之间的关联。

03 多组学整合分析

为了进一步理解上述显著CpG位点在癌症风险中的作用机制，研究团队进行了多组学整合分析。研究团队将CpG位点与GTEx数据中的基因表达和DNA甲基化数据进行整合，评估它们是否通过调控邻近基因的表达来影响癌症风险。多组学系统分析显示，在4248个显著CpG位点中，有854个（20.1%）CpG-基因-癌症三联体，在每个三联体中，CpG-癌症、CpG-基因和基因-癌症的关系呈现一致的方向。这些三联体涉及309个独特的CpGs，其DNA甲基化通过调控205个不同的顺式基因的表达来影响7种癌症的风险。这些CpG-基因-癌症三联体的发现，为理解DNA甲基化在癌症病因学中的作用提供了新见解。

此外，研究团队还评估了这些显著CpG位点是否与已知癌症相关基因的表达调控相关。结果显示，在4248个显著CpG位点中，有265个（6.2%）位点位于已知癌症相关基因的启动子区域，且这些位点中的大部分（85.3%）与相应基因的表达显著相关。这进一步支持了这些CpG位点在癌症风险中的潜在调控作用。

图3.CpG-基因-癌症三联体分析表明DNA甲基化通过调节顺式基因表达来影响癌症风险。

综上所述，研究团队开发了用于预测7种组织中CpG位点DNA甲基化的遗传模型，结合相应癌症的全基因组关联研究（GWAS）数据，识别了4248个与癌症风险显著相关的CpG位点，其中大部分与特定的某一种癌症类型有关。此外，该研究还发现了一些新的候选基因位点，并通过多组学整合分析，揭示了DNA甲基化在癌症风险中的潜在调控作用。该研究果强调了多组学整合在癌症生物标志物发现中的有效性，并增强了对遗传学和表观遗传学在癌症病因学中关键作用的理解。未来的研究可进一步探索上述显著CpG位点的功能和机制，为癌症的早期诊断、预防和治疗提供新思路。

论文原文：

Yang, Y., Chen, Y., Xu, S.et al. Integrating muti-omics data to identify tissue-specific DNA methylation biomarkers for cancer risk. Nat Commun 15, 6071 (2024). https://doi.org/10.1038/s41467-024-50404-y