EWAS全基因組關聯(lián)研究方案
EWAS correlation analysis
EWAS（Epigenome-Wide Association Study）全基因組關聯(lián)研究是一種探索表觀遺傳變異與特定疾病或表型之間關系的研究方法，通常涉及DNA甲基化水平的全基因組分析，以鑒定與疾病相關的甲基化位點。EWAS是篩選與疾病相關的甲基化位點和區(qū)域的強大工具。
EWAS研究思路
主線研究：通過EWAS分析尋找與表型相關的甲基化位點。
組學關聯(lián)：結合甲基化數據與SNP數據，進行meQTL分析，F(xiàn)inemap精細定位，以及與轉錄組數據結合，分析差異甲基化位點與基因表達之間的相關性。
因果探索：進一步判斷差異甲基化位點是否對表型起因果決定作用，可以進行因果推斷檢驗（CIT）分析。
EWAS研究方案
1. 研究目的與假設
目的：探索特定疾病或表型與DNA甲基化水平之間的關聯(lián)，以鑒定與疾病相關的甲基化位點。
假設：特定的DNA甲基化位點與特定疾病或表型存在顯著相關性。
2. 樣本收集與制備
樣本類型：根據研究目的選擇合適的生物樣本，如全血、唾液、組織等。
樣本量：參考JAMA Psychiatry的研究，至少需要數千例樣本以確保統(tǒng)計效力。
樣本處理：確保樣本的采集、存儲和處理符合倫理和科學標準。
3. DNA甲基化水平測定
技術平臺：選擇合適的高通量測序平臺，如RRBS、甲基化芯片。
數據獲?。簩γ總€樣本進行DNA甲基化水平檢測，獲取全基因組甲基化數據。
4. 數據預處理
質量控制：對原始數據進行質量控制，排除低質量的樣本和探針。
標準化：對甲基化數據進行標準化處理，以消除技術批次效應。
5. 統(tǒng)計分析
差異甲基化分析：使用統(tǒng)計軟件（如R語言中的minfi或DSS包）進行差異甲基化分析。
關聯(lián)分析：對差異甲基化位點進行關聯(lián)分析，確定與疾病或表型相關的甲基化位點。
6. 組學關聯(lián)分析
meQTL分析：結合甲基化數據與SNP數據，進行meQTL分析，以識別甲基化QTL。
Finemap精細定位：對關聯(lián)信號進行精細定位，以提高定位精度。
基因表達關聯(lián)分析：結合轉錄組數據，分析差異甲基化位點與基因表達之間的相關性。
7. 因果探索
因果推斷檢驗（CIT）：對差異甲基化位點進行因果推斷檢驗，以判斷其對表型的因果作用。
8. 功能富集分析
KEGG富集分析：對靶基因進行KEGG功能富集分析，以識別生物學途徑和功能模塊。
9. 結果驗證
獨立樣本驗證：使用獨立樣本集對發(fā)現(xiàn)的甲基化位點進行驗證。
EWAS圖示
EWAS曼哈頓圖
EWAS研究QQ圖
將EWAS分析所得到的靶基因進行KEGG功能富集
EWAS典型案例
（1）JAMA psychiatry：DNA甲基化發(fā)現(xiàn)抑郁癥潛在的分子標記物
抑郁癥發(fā)現(xiàn)階段7948例，驗證階段3308例，共11256例受試者的全血樣本進行全表觀基因組關聯(lián)分析（EWAS）。在抑郁癥發(fā)現(xiàn)階段，對7948例受試者的全血樣本進行EWAS，鑒定出顯著差異的甲基化位點cg04987734。在驗證階段進一步驗證3個與抑郁癥相關的甲基化位點，這些位點不僅有望成為抑郁癥的生物標志物，還可能揭示病理機制及臨床治療的潛在作用。
圖：顯著相關甲基化位點cg12325605的EWAS分析結果模式圖
（2）蘇格蘭萬人隊列表觀基因組關聯(lián)研究揭示DNA甲基化與多種疾病之間的關系
研究通過對單個族裔大樣本隊列--18413個蘇格蘭志愿者全血樣本的752722個CpG甲基化位點進行分析，評估19種疾病與DNA甲基化的相關性。在分析DNA甲基化與14種不同疾病相關性后，進一步分析19種疾病的發(fā)病分析，通過年齡、性別、血細胞計數校正后揭示11種疾病里的14237個顯著相關位點，其中分別有11305個和2657個位點與慢阻肺和2型糖尿病相關。進一步納入生活方式與人群結構校正后，發(fā)現(xiàn)5種疾病的79個位點相關。交叉對比分析揭示2種疾病的64個相關，其中2型糖尿病（58個CpG）、慢阻肺（6個CpG）。
圖：19種疾病的發(fā)病分析關聯(lián)結果以及2種疾病的EWAS展示
參考文獻：
1. Michels K B, Binder A M, Dedeurwaerder S, et al. Recommendations for the design and analysis of epigenome-wide association studies[J]. Nature methods, 2013, 10(10): 949-955.
2. Story Jovanova O, et al. DNA Methylation Signatures of Depressive Symptoms in Middle-aged and Elderly Persons: Meta-analysis of Multiethnic Epigenome-wide Studies. JAMA Psychiatry. 2018 Sep 1;75(9):949-959. pii: 2687369.
3. Hillary RF, et al. Blood-based epigenome-wide analyses of 19 common disease states: A longitudinal, population-based linked cohort study of 18,413 Scottish individuals. PLoS Med. 2023 Jul 6;20(7):e1004247. doi: 10.1371/journal.pmed.1004247. PMID: 37410739; PMCID: PMC10325072.
