干货 | 甲基化和表达数据整合分析策略 | FEM包

继我们介绍了DNA甲基化的相关概念后，今天冯生来给大家介绍如何利用DNA甲基化和基因表达数据构建功能模块。

DNA甲基化数据的优势

让我们先来谈谈DNA甲基化数据的优势。首先，DNA甲基化数据非常稳定，对所需要的样本的限制较小，冰冻的组织，福尔马林固定后的样本，石蜡包埋的样本都可以用来进行DNA甲基化的研究。其次，DNA甲基化的变化可能导致疾病的发生发展，这种影响可能通过基因表达的相关变化来产生作用。

工具需求

越来越多的研究发表了同时具有甲基化（Illumina Infinium HumanMethylation450芯片数据）和基因表达的数据，但研究者却没有一个统计学工具，能把这些数据进行整合分析。因此我们希望能有一个工具能够来发掘表观遗传调控的基因模块或分子通路。

FEM工具的出现

Andrew E. Teschendorff的研究团队在2014年发表了功能表观遗传模块算法（Functional Epigenetic Module algorithm, FEM）[1]。这个算法利用蛋白质相互作用网络（protein-protein interaction network）作为框架，将Illumina Infinium 450k数据和匹配的基因表达数据进行关联分析，来鉴定表观遗传调控的基因模块或信号通路。该算法已经作为R包进行了发表。

FEM算法主要分为两个步骤：(i)构建关联网络，将数据的表型进行封装，作为网络的权重，(ii)根据PPI网络和加权网络推导子网络。

以肿瘤数据为例，经过计算可以得到以HAND2基因为中心的功能表观遗传模块（图2）。每个点表示模块内的基因，点中心的颜色表示差异甲基化的变化趋势，点边缘的颜色表示差异表达的变化趋势。图中的HAND2基因表现出高甲基化和低表达的趋势，在文献中已经证明了该基因在子宫内膜癌中有类似的生物学表现[2]。

关于FEM算法，笔者也还在学习中。在对这个算法有了更深的了解之后，会给读者们介绍更多相关知识的~

参考文献：

1. Jiao Y, Widschwendter M, Teschendorff AE. A systems-level integrative framework for genome-wide dna methylation and gene expression data identifies differential gene expression modules under epigenetic control. Bioinformatics. 2014;30(16):2360–66.

2. Jones A, Teschendorff AE, Li Q, Hayward JD, Kannan A, et al. (2013) Role of dna methylation and epigenetic silencing of hand2 in endometrial cancer development. PLoS Med 10:e1001551.

作者：冯生

封面图片：Xiaoqing Cao, 摄于Spokane falls

文章图片：来自FEM包示例文件

编辑排版：夏梦馨