minfi 分析甲基化芯片数据-差异分析篇

对于DNA 甲基化芯片而言，探针水平的差异针对的是单个CpG位点，在大多数的研究中，比如cancer_vs_normal 中，单个差异的CpG位点并不能作为疾病的特异性的marker 。为了更好的研究实验条件和差异的关系，提出了CpG Region的概念，比如CpG island, CpG island shores, genomic block, generic 2-kb region 等，本质上都是基因组上的一段区域，这个区域内的甲基化水平和疾病更好的关联。

对于甲基化芯片的差异分析，有DMP（Differentially Methylated Positions）和 DMR （Differentially Methylated Regions） 两个水平的差异分析。

DMP

在minfi中，使用dmpFinder 函数检测差异甲基化位点，用法示例

> beta  <- getBeta(GRset)
> group <- pData(GRset)$Sample_Group
> dmp    <- dmpFinder(beta, pheno = group  , type = "categorical")
> head(dmp)
            intercept         f         pval        qval
cg19029696 0.009953261 236143.80 4.611238e-11 3.65210e-08
cg27120667 0.011075634 109897.78 2.129062e-10 4.41389e-08
cg10282524 0.010144608  93225.51 2.958661e-10 4.41389e-08
cg24057373 0.010776002  80409.86 3.976899e-10 4.41389e-08
cg13822231 0.007569349  80299.18 3.987870e-10 4.41389e-08
cg16695835 0.009126379  75627.00 4.495818e-10 4.41389e-08

pheno参数用于指定样本的分组情况，这里的分组对应两种类型，第一种type=categorical, 表示分组是一个分类变量，比如常见的case/control 分组，第二种type=continuous， 表示分组是一个连续型的变量，比如根据样本的血压分成了不同的组别。

这里的样本分组实际上是在SampleSheet.csv 文件中指定的。

需要注意的是，在实际分析过程中，分组是离散型的还是连续型的变量，并没有严格意义上的定义，需要根据实际的情况去判定。

对于离散型的分组，也是我们最常见的分组情况，比如不同的实验处理，这种肯定没有争议，type的值一定是categorical; 对于连续的变量，则要根据情况处理，比如同样是血压这种连续型的变量，如果我只做了两到3组，其实可以根据排序分为低，中，高3组。如果实验设计就是希望比较血压高低的甲基化差异，则此时应该按照离散型的分组进行处理，将样本分成血压高和血压低两组。总而言之，要根据自己的实验目的，确定分组类型。

DMR

在minfi 中，使用bumphunter 函数检测差异甲基化区域。用于本人认知有限，对于这个算法也讲不明白，只能是先把用法记下来

> group <- pData(GRset)$Sample_Group
> designMatrix <- model.matrix(~ group)
> dmrs <- bumphunter(GRset,
                  design = designMatrix,
                  cutoff = 0.2, B=0, type="Beta")
> head(dmrs$table[,1:4], n =3 )
       chr    start      end      value
166862 chr6 32133550 32139120 -0.4813026
55020  chr6 32938830 32942808  0.4099533
54639  chr6 30710200 30712680  0.4192182

总结：

1.甲基化芯片的差异分析包括DMP和DMR两个水平的差异分析，其中，DMR更有有生物学意义，更加能够作为差异的marker; 2.DMP和DMR对应的算法比较复杂，如果深入理解是一件复杂的事情。虽然不明白算法原理，但是并不影响我们的分析。在minfi中提供了dmpFiner 和 bumphunter 函数，能够让我们方便的进行差异分析；