文献解读 | 揭秘DNA甲基化与IgE水平关联：哮喘新靶标的表观基因组学研究

今天介绍的这篇论文发表于影响因子11.1分的Lancet子刊EBioMedicine上，文章题为《Epigenome-wide DNA methylation association study of circulating IgE levels identifies novel targets for asthma（循环IgE水平的表观基因组DNA甲基化关联研究确定了哮喘的新靶标）》。这是一项针对DNA甲基化和血清免疫球蛋白E（IgE）水平之间关联的环境基因组学研究，主要目的是改善我们对哮喘和IgE介导疾病分子机制的理解。

免疫球蛋白E (IgE) 是免疫系统产生的一类抗体，通常是对过敏原暴露的响应。IgE在提供免疫保护的同时，也是导致过敏性疾病（尤其是哮喘、特应性皮炎、过敏性鼻炎等）病理过程中的关键媒介物。因此，深入了解IgE调节的分子机制对于发展用于预防和治疗IgE相关疾病的药物治疗至关重要。

近年来，研究者试图分析表观遗传学机制如何贡献于复杂疾病的发病过程。多项已发表的环境基因组学关联研究（EWAS）显示了血清IgE与DNA甲基化在涉及过敏性炎症反应、哮喘和其他免疫系统疾病的基因中的CpG位点存在关联。尽管已经发现与IgE相关的许多CpGs位点，但目前还没有研究检查IgE相关的DNA甲基化与基因表达之间的关系。此外，也没有研究使用孟德尔随机化（MR）来推断IgE相关甲基化与如哮喘、过敏或相关状况等疾病之间的因果关系。因此，作者设计了一项结合EWAS、eQTM、MR分析的研究，进行了严格的IgE的DNA甲基化分析。

研究者使用了Framingham Heart Study (FHS) 参与者的全血样本来执行EWAS，然后在Childhood Asthma Management Program (CAMP) 和 Genetic Epidemiology of Asthma in Costa Rica Study (CRA) 两个独立队列中对结果进行验证。

DNA甲基化分析：运用来自Illumina因美纳的HumanMethylation450 BeadChips，在FHS参与者中检测全基因组DNA甲基化数据，使用线性混合模型考虑家庭结构和其他变量（例如批次效应、由Houseman 方法推断的细胞类型等）来分析血清IgE浓度与DNA甲基化水平之间的关联。

EWAS结果验证：采用CAMP和CRA中使用Illumina因美纳的Human Methylation 850K EPIC microarray BeadChips测定的甲基化数据来验证所发现的与IgE浓度相关的CpG位点。

基因表达关联分析：通过RNA测序评估的基因表达数据与DNA甲基化绝对计数之间的关联分析，用来进一步研究与IgE相关的CpGs对基因表达的影响。

孟德尔随机化（MR）分析：使用UK Biobank的全基因组关联研究（GWAS）数据，基于IgE相关CpGs及其相应的甲基化定量特性位点(mQTLs)作为工具变量，来进行因果推断分析。

药物-靶点分析：结合前期分析，探索可能导致IgE改变的基因，以及这些基因作为潜在药物治疗靶点的可能性。

图1：发现和复制队列的总体研究设计流程图

在Fig. 1中，提供了用于发现和复制分析的队列的流程图。它可视化地展示了研究的整体设计，包括参与的队列（Framingham Heart Study (FHS)、Childhood Asthma Management Program (CAMP) 以及 Genetic Epidemiology of Asthma in Costa Rica Study (CRA)），各自的样本量，以及共享的CpG位点。流程图还详细展示了这些队列如何被用于执行EWAS，其后的元分析、功能和临床相关性分析等步骤。流程图的设计有助于读者快速理解研究是如何结构的，并了解数据是如何流动和分析的。

图2：欧拉维恩图显示FHS、CAMP和CRA队列之间共享的DNA甲基化CpG位点

Fig. 2是一个维恩图，它显示了三个队列间共同相关的CpG位点的数量。每个圈代表一个研究队列，圈的交集部分表示共享发现的数量。在这个案例中，三个队列共同发现了193个与IgE浓度有关的甲基化位点。这些共享的CpG位点在三个队列的研究中都具有显著性，并且具有相同的影响方向（即它们在所有三个队列中与IgE水平的升高呈现同样的甲基化模式）。

图3：共有CpG位点的基因-疾病关联图

Fig. 3通过图表展示了FHS、CAMP和CRA队列中共有的193个CpG位点与特定疾病之间的关联。基因-疾病关联是通过分析CpGs映射到的基因，并将它们与已知的疾病状态进行关联来绘制的。图中关键字的大小代表了这些基因与特定疾病关联的程度，大小越大，表示共有基因和特定病症关联越紧密。颜色密度表示假设检验的统计显著性，通常以假设检验的P值调整后的FDR（False Discovery Rate）表示。色彩越深，表示统计显著性越高，代表该基因与疾病之间关联越强。在本图中，有关疾病的术语包括过敏性哮喘、过敏性鼻炎和哮喘性肺嗜酸性粒细胞增多症等，这强调了这些关键基因可能在这些疾病的发病机制中扮演重要角色。

表1：FHS、CAMP和CRA的参与者的特征

这个表格提供了三个队列中参与者的基本统计信息，包括样本量、性别分布、平均年龄、体质指数(BMI)、吸烟情况、哮喘相关的生理指标（如FEV1和FVC等）。这些信息对于了解样本的代表性和比较不同队列间的异同十分重要。例如，FHS的平均年龄显著高于CAMP和CRA的儿童群体，这也反映在哮喘的生理指标上。

表2：FHS、CAMP和CRA队列之间共享的20个IgE相关CpG位点

这个表格列出了三个队列间共有的最重要的20个IgE关联CpG位点，并按照在FHS中的显著性来排序。每个CpG位点都被标注了其所在的染色体位置，以及是否是高甲基化或低甲基化与IgE浓度变化相关。表中列出的CpGs在提高IgE水平时通常低甲基化，这对于确定IgE水平变化的可能遗传机制至关重要。

表3：基因本体(Gene Ontology)富集分析中与转录因子结合相关基因

这个表格罗列了富集分析中与转录因子结合密切相关的基因。这些基因在调控基因表达方面特别关键，表明这些位点可能在调控相关疾病病理过程中有重要作用。例如，HDAC1是已知的组蛋白去乙酰化酶，与基因表达抑制有关，也是过敏性疾病潜在的治疗靶点。

表4：FHS、CAMP和CRA中共有的193个CpGs关联的前25个顺式eQTM

此表列出了193个共有CpGs相关的基因表达前25个顺式eQTMs（表达量定量性状甲基化位点），它们代表了那些与IgE水平有关的特定基因表达的变化。这种关联可能指出特定的基因表达如何受到相邻的甲基化水平的调控。这是对如何在分子水平上理解IgE调节的重要一步，并有助于鉴定治疗靶点或生物标志物。表格中还提供了CpGs与成对转录起始位点之间的物理距离，有助于理解这种关系的空间层面。

市场销售热线：400 066 5875