摘要
背景/目的：传统上，启动子DNA甲基化程度是通过区域平均值来表示的。为了捕捉平均值所忽略的信息，提出了两种替代方法：基于部分甲基化双硫酸盐测序结果的一致性比率（CAMDA）和单CpG Shannon（β-）熵。这类指标的评估通常仅在单一基因集和单一聚合尺度上报告一个系数。我们研究了这种比较在多大程度上依赖于那些很少被公开的分析决策。 方法：分析了来自一名人类CD3+ T细胞捐赠者的全基因组双硫酸盐测序（WGBS）和RNA-seq数据。在转录起始位点（TSS）周围-1000到+500 bp范围内的启动子区域被划分为15个100 bp的区间；所有三个指标都是在相同的CpG集上计算的，并通过Spearman’s ρ与log2(FPKM)进行了相关性分析。比较在不同注释来源、量化水平、覆盖阈值、聚合方案以及对零表达转录本的处理方式和CpG岛状态等因素下进行了重复。指标之间的差异通过针对启动子和染色体的配对自助法进行评估。 结果：在五种不同的分析设置下，甲基化平均系数的范围从-0.145到-0.593不等，且不同设置下这些指标的排序顺序也会发生变化。在100 bp区间尺度上，各指标之间的最大差异为0.037；将相同的CpG聚合到整个启动子区域内时，差异可达到0.31，因此某个指标的“优越性”实际上取决于聚合尺度。CAMDA总体上略微优于区域平均值，尤其在远端上游区间这一优势更为明显，而在TSS附近则与零值无显著差异。β-熵是1 ? 2|β ? 0.5|这个值的严格单调函数；在100 bp尺度上，每个区间内每个CpG的熵值与区域平均甲基化值的差异在0.002以内；而在整个启动子尺度上，两者之间的差异为0.041。在CpG岛内，区域平均甲基化程度的相关性降低（ρ = -0.246），而CAMDA的相关性则没有降低（ρ = -0.494）。 结论：在这个来自单一捐赠者的数据集中，分析设计对估计结果的影响超过了所选汇总指标本身的影响。观察到的差异范围是特定于该数据集的，不应被视为可普遍适用的数值结果。相反，这些结果表明，在比较启动子甲基化汇总指标时，评估不同的分析配置可以提供重要的参考信息。
