DecoDen：基于共享染色质景观学习与组蛋白修饰联合去噪的个性化表观基因组学新方法

《NAR Genomics and Bioinformatics》：Towards personalized epigenomics: learning shared chromatin landscapes and joint de-noising of histone modification assays

为解决ChIP-Seq数据中由染色质可及性等引起的细胞类型特异性偏差问题，研究人员开发了DecoDen方法。该方法通过非负矩阵分解（NMF）和同父异母回归（HSR）联合分析多种组蛋白修饰数据，有效分离了共享的染色质背景信号与特异性富集信号。研究证实，DecoDen能显著降低混杂因素影响，在模拟数据和真实数据中均能准确重建隐藏信号，为精准识别个体特异性表观遗传差异提供了有力工具。

　　

在生命科学领域，表观遗传学如同一本“细胞说明书”，它不改变DNA序列本身，却通过化学修饰（如组蛋白修饰）来调控基因的“开关”，从而决定细胞的身份和功能。想象一下，你身体里的每一个细胞都拥有同一套完整的“建筑图纸”（DNA），但皮肤细胞、肝细胞和神经细胞却形态各异、功能不同，这背后正是表观遗传机制在“精装修”不同的房间，让它们各司其职。

为了解读这本“说明书”，科学家们通常使用染色质免疫共沉淀测序（ChIP-Seq）技术来“拍照”记录组蛋白修饰的分布。然而，这项技术存在一个恼人的“滤镜”问题：染色质本身的结构（如开放或关闭状态）会严重影响拍照效果。例如，在开放的染色质区域，测序更容易进行，导致信号被放大；而在封闭区域，信号则可能被低估。这种由染色质状态本身引入的偏差，被称为“染色质偏差”，它严重干扰了我们对组蛋白真实修饰水平的判断。

更糟糕的是，为了校正这种偏差，实验通常需要设置一个“对照组”（Input Control），但测序深度往往不足，导致大量基因组区域未被覆盖，反而引入了新的噪声。这就像试图用一张模糊的底片去校正一张照片，结果可能适得其反。因此，如何从混杂的测量信号中，精准地分离出真实的组蛋白修饰信号，成为了个性化表观基因组学研究中一个亟待解决的难题。

为了回答这个问题，来自邓迪大学和马克斯·普朗克智能系统研究所的研究团队在《NAR Genomics and Bioinformatics》上发表了他们的研究成果，并推出了一个名为DecoDen（Deconvolve and Denoise）的新方法。该方法的核心思想是“联合分析，共同去噪”。它不再像传统方法那样孤立地处理每个组蛋白修饰的数据，而是将来自同一细胞或组织样本的多种组蛋白修饰数据放在一起分析，利用它们共享的“染色质景观”信息，来共同估计并去除背景噪声。

关键技术方法

为了验证DecoDen的有效性，研究人员采用了多种数据来源进行测试。首先，他们利用ChIPsim工具生成了包含窄峰、宽峰和随机峰模式的模拟数据，以评估方法在已知“真相”下的表现。其次，他们使用了来自A549肺腺癌细胞系（E114-Jung数据集）的深度测序数据，该数据集包含H3K4me3、H3K27me3和全细胞提取物（WCE）对照，测序深度超过1亿条reads，为方法评估提供了高质量基准。此外，他们还分析了来自ENCODE平台的E114-Roadmap数据集，以及来自EN-TEx资源库的个体特异性多组织表观基因组数据，以检验方法在跨实验室和个体间比较中的稳健性。在方法学上，DecoDen的核心流程包括非负矩阵分解（NMF）和同父异母回归（HSR）两个关键步骤，旨在分别实现信号的解卷积和去噪。

研究结果

DecoDen准确重建隐藏信号

在模拟数据上的测试表明，DecoDen能够准确地重建隐藏的组蛋白修饰富集信号，其性能与MACS2、GEM、MUSIC、SICER2、BCP和JAMM等现有方法相当。更重要的是，在富集区域内，DecoDen重建的信号值能够很好地保留真实的覆盖度模式。在真实数据（E114-Jung数据集）上，DecoDen成功地将测量数据分解为染色质偏差（灰色）和组蛋白修饰特异性组分（蓝色和红色）。结果显示，NMF步骤有效降低了重复样本间的噪声，而HSR步骤则显著消除了细胞类型特异性偏差，同时保留了H3K4me3等富集峰的真实形状。

DecoDen有效降低混杂因素影响

分析显示，在E114-Jung数据集中，对照样本与处理样本之间存在高度相关性，表明染色质偏差是测量信号中的主要混杂因素。DecoDen处理后，这种相关性被有效消除。与ATAC-Seq（一种测量染色质可及性的技术）数据的相关性分析进一步证实了这一点：DecoDen信号与ATAC-Seq的相关性显著低于原始测量数据与ATAC-Seq的相关性。具体而言，对于抑制性标记H3K27me3，相关性从0.23-0.29降至0.16-0.17；而对于激活标记H3K4me3，相关性从0.32-0.38降至0.25-0.26，表明DecoDen在去除测序相关偏差的同时，保留了预期的生物学富集信息。

跨实验室数据比较揭示染色质景观的稳定性

研究人员比较了来自不同实验室的E114细胞系数据（E114-Jung和E114-Roadmap）。结果显示，两个数据集估计的染色质偏差高度相似，而组蛋白修饰富集信号的跨实验相关性则较低。这表明，尽管实验条件或抗体存在差异，但细胞类型特异性的染色质景观是相对稳定的，而个体组蛋白修饰则可能更易受外部因素影响，表现出更高的变异性。

DecoDen在个体表观基因组分析中的应用

将DecoDen应用于EN-TEx资源库中两个个体（37M和51F）的横结肠和脾脏组织数据，研究人员发现，尽管对照样本测序深度不足，但DecoDen仍能通过联合分析多种组蛋白修饰，有效估计并去除共享的染色质背景信号。个体间比较显示，组织特异性的染色质偏差在个体间高度保守，而校正后的组蛋白修饰信号则表现出更大的个体间差异，尤其是在H3K4me3和H3K27ac等数据质量较高的标记上。这提示，组蛋白修饰可能比整体染色质景观更具动态性和个体特异性。

研究结论与讨论

本研究提出的DecoDen方法，通过联合分析多种组蛋白修饰的ChIP-Seq数据，成功实现了对细胞类型特异性偏差的有效去除。该方法的核心优势在于其两步法设计：首先，利用非负矩阵分解（NMF）将观测信号解卷积为组蛋白特异性信号和共享的染色质背景信号；其次，利用同父异母回归（HSR）从组蛋白特异性信号中进一步去除由染色质可及性和图谱性等混杂因素引入的偏差。

研究结果表明，DecoDen能够显著降低测量信号与对照样本之间的相关性，从而更准确地反映真实的组蛋白修饰富集水平。在跨实验室和个体间比较中，DecoDen揭示出染色质景观比个体组蛋白修饰更为稳定，这为理解表观遗传调控的层级结构提供了新的视角。

值得注意的是，DecoDen的混合矩阵（Mixing Matrix）具有生物学可解释性，可用于定性评估抗体特异性。同时，该方法对实验设计提出了要求，即需要至少两种不同的组蛋白修饰及其重复样本，以获得最佳效果。

最后，研究人员强调，尽管计算工具如DecoDen可以显著提升数据质量，但其效果仍受限于原始数据的质量。在EN-TEx等个体表观基因组数据中，部分组蛋白修饰（如H3K36me3、H3K27me3和H3K4me1）的测序深度不足，限制了其下游分析的可靠性。因此，在利用这些数据进行个体特异性差异研究或训练深度学习模型时，必须进行严格的质量控制。DecoDen的推出，为个性化表观基因组学的研究提供了一种强大的去噪和偏差校正工具，有望推动该领域向更精准、更可靠的方向发展。