编辑推荐：
针对现有 DNA 甲基化缺失值插补方法在个体差异大或数据有限时易产生偏差的问题，研究人员开发单样本插补方法 OSMI。基于 450K 数据，其单样本 RMSE 为 0.2713，且考虑 CpG 岛可提升准确性，为个性化医疗提供新工具。
在生命科学的探索领域中，DNA 甲基化作为一种重要的表观遗传修饰，如同基因表达的 “调控画笔”，在不改变 DNA 序列的情况下，对基因活性起着关键调控作用。它受遗传、环境等多种因素影响，形成每个人独特的甲基化组（methylome），在个性化医疗的浪潮中备受瞩目，成为定制化诊疗的关键切入点。然而，当前主流的 DNA 甲基化缺失值插补方法，如 methyLImp、missForest 等，如同依赖群体协作的 “团队舞者”，高度依赖同种群多个样本的甲基化模式相似性假设。但在现实中，个体间的甲基化差异可能如同指纹般独特，当个体间变异显著或数据有限时，这些方法就像在迷雾中导航的船只，容易偏离真实结果，产生有偏差的预测，这在罕见病研究、肿瘤单细胞分析等单样本场景中尤为突出。因此，开发一种不依赖群体数据、能 “单打独斗” 处理单样本的插补方法，成为破解个性化医疗数据困境的迫切需求。
在这样的背景下，德国耶拿大学医院（Jena University Hospital）的 Christelle Kemda Ngueda 团队展开了深入研究，他们的成果发表在《BMC Bioinformatics》上。研究旨在开发一种适用于单样本的 DNA 甲基化缺失值插补方法，填补现有方法在单样本应用中的空白，为个性化医疗中的甲基化数据分析提供可靠工具。
研究人员主要采用了以下关键技术方法：数据来源于 EWAS 数据中心的公开血液甲基化数据集（450K BeadChip 数据，包含 3,402 个样本、485,512 个 CpG 位点），并结合 CpG 岛注释数据（来自 UCSC 和 Bioconductor 资源）。通过自编贪心算法过滤原始数据，得到无缺失值的完整数据集作为基准。开发 OSMI 算法，其核心逻辑为：在单样本内，基于同一染色体链上邻近 CpG 位点的甲基化相关性，用最近邻可用值插补缺失值；进一步设计 “高级 OSMI”，将搜索范围限定在 CpG 岛内，利用岛内 CpG 位点的高相关性提升准确性。与 methyLImp（线性回归）、impute.knn（加权 k 近邻）等多样本方法进行对比，通过均方根误差（RMSE）、平均绝对误差（MAE）评估插补准确性，并分析计算时间和内存消耗。
单样本插补准确性与多方法对比
在包含不同样本量（1-1500）和 CpG 位数（400-5000）的模拟数据集 I 中，OSMI 的 RMSE 稳定在 0.27 左右，而 methyLImp 和 impute.knn 的准确性随样本量和 CpG 密度增加而提升。但后两者无法应用于单样本场景，且在两样本时 methyLImp 也未能成功运行。这表明 OSMI 在单样本中具备基础的插补能力，虽整体准确性低于多样本方法，却填补了单样本处理的空白。
CpG 岛结构对插补精度的提升
通过数据集 II（仅包含可分配至 CpG 岛的 CpG 位点）分析发现，当优先在岛内搜索近邻时，OSMI 的 RMSE 从 0.340 降至 0.1363，MAE 从 0.200 降至 0.064，残差的四分位距显著收窄，表明利用 CpG 岛结构可大幅提升插补精度。不过，由于仅 31% 的 CpG 位点可分配至 CpG 岛，该优化对全数据集的整体提升有限，但仍为特定区域的精准插补提供了有效策略。
CpG 密度与插补质量的关联
在数据集 III 中，随着单样本内可用 CpG 位数从约 35 万增至 48 万（即密度增加），OSMI 的 RMSE 从 0.40 逐步降至 0.25，呈现显著负相关。这揭示了 OSMI 的一个重要特性：其插补质量高度依赖 CpG 位点密度，高密度微阵列（如 EPIC 芯片）可显著提升插补准确性，为未来技术升级指明了方向。
对甲基化时钟预测的影响
在数据集 IV 中，基于 Horvath's Clock 的分析显示，OSMI 的生物学年龄预测残差方差（64.18）显著高于 impute.knn 和 methyLImp，表明其在多样本可用时的可靠性较低。但在单样本场景下，OSMI 仍是唯一可行的选择，且其与高级 OSMI 的高度相关性说明岛内优化在实际应用中影响有限，进一步凸显了单样本插补的独特挑战。
OSMI 的诞生为 DNA 甲基化分析领域带来了新的曙光。作为首个专注于单样本的插补工具，它巧妙利用单个甲基化组内邻近 CpG 位点的空间相关性，绕过了传统方法对群体数据的依赖，如同为单样本数据分析量身定制的 “精密仪器”，在个性化医疗的舞台上崭露头角。其核心优势在于极低的内存消耗和计算成本，即使在资源有限的环境中也能高效运行，这对于临床快速检测和单细胞分析等场景至关重要。
尽管在多样本场景中，OSMI 的准确性尚不及传统方法，但其在单样本中的不可替代性不容忽视。随着单细胞测序技术的蓬勃发展和个性化医疗的深入推进，越来越多的研究将聚焦于单个样本的精细分析，OSMI 有望成为这些领域的核心工具，助力破解罕见病甲基化特征解析、肿瘤异质性研究等难题。此外，研究中揭示的 CpG 密度与插补质量的正相关关系，也为未来甲基化检测技术的优化提供了理论依据 —— 更高密度的芯片不仅能增加检测位点，还能通过提升邻近相关性间接提高插补准确性，实现 “检测 - 插补” 的双重优化。
当然，OSMI 并非十全十美。当前约 69% 的 CpG 位点无法从 CpG 岛优化中获益，提示需要进一步挖掘其他基因组特征（如转录因子结合位点、染色质结构域）来提升插补通用性。此外，如何将 OSMI 与多样本方法结合，在保留单样本特异性的同时利用群体信息提升准确性，或许是未来研究的一个重要方向。但无论如何，这项研究为表观遗传数据分析工具箱增添了重要一员，其创新理念和实证结果将推动甲基化研究向更个性化、更精准的方向迈进，在生命科学与健康医学的交叉领域绽放出独特的光芒。
