IF31.7｜DNA甲基化与基因组变异协同驱动NSCLC演化

表观遗传与遗传变异并非独立，而是通过剂量补偿和染色质变构协同塑造肺癌演化。

这篇按生信解读号的读法拆：先看背景和问题，再看作者怎么做、做出了哪几条硬发现，最后把数据和代码收走。

研究背景

非小细胞肺癌（NSCLC）是癌症死亡的首要原因，其两大亚型肺腺癌（LUAD）和肺鳞癌（LUSC）的基因组与转录组研究已揭示亚克隆通过积累遗传驱动事件获得选择性优势。然而，近年证据表明非遗传演化在肿瘤发生、新抗原沉默及获得性耐药中同样关键，其中DNA甲基化是重要驱动因素。区分因果性甲基化事件与乘客事件极具挑战，现有算法虽考虑随机甲基化速率，但常忽略功能影响，可能误纳入中性乘客。借鉴进化遗传学中dN/dS比值识别单核苷酸变异驱动事件的思想，或可区分真正的DNA甲基化驱动事件与中性事件。

科学问题

卡在哪里： 此前研究缺乏对肿瘤纯度和拷贝数变异进行校正的甲基化数据，难以准确解析肿瘤细胞特异的甲基化模式；同时，缺乏整合基因组、表观基因组和转录组的多区域测序数据来系统评估DNA甲基化与基因组变异在肿瘤演化中的协同作用。

本文要回答： 利用多区域RRBS数据结合CAMDAC去卷积，开发整合演化分析指标，揭示DNA甲基化与基因组变异在NSCLC演化中的协同机制，并识别受正选择的甲基化驱动基因。

技术路线

作者主要用了：RRBS、CAMDAC、WES、RNA-seq、ChIP-seq、MethSig、MR/MN。

作者对59例TRACERx NSCLC患者的217个肿瘤区域及配对正常组织进行RRBS测序，并应用CAMDAC算法校正肿瘤纯度与拷贝数，获得肿瘤细胞特异的甲基化率。基于此，首先通过无监督聚类和差异甲基化分析描绘NSCLC甲基化景观，并开发ITMD指标量化肿瘤内甲基化异质性。随后整合WES和RNA-seq数据，系统分析甲基化与拷贝数变异在抑癌基因失活中的平行或协同作用，并利用MethSig算法识别候选甲基化驱动基因。进一步开发MR/MN指标，根据启动子区调控性与非调控性CpG位点的超甲基化比例，评估基因受正选择的程度。最后，通过ChIP-seq和公共数据验证DNA甲基化介导的剂量补偿及染色质变构转变（AllChAT）机制。

图 1　Fig. 1。图1展示NSCLC甲基化景观与异质性。a：5,000个最可变CpG的无监督聚类将样本分为正常、LUAD和LUSC三组，肿瘤区域多按患者聚类；b：各样本DMP数量及普遍性差异大，同一肿瘤内区域间甲基化状态较一致；c：肿瘤间甲基化距离显著高于正常，且患者间变异大于患者内；d：ITMD与SCNA-ITH和ITED显著相关，而与SNV-ITH无显著相关。

核心亮点

亮点 1｜肿瘤特异甲基化景观与异质性

基于CAMDAC去卷积的甲基化率，对5,000个最可变CpG位点进行无监督聚类，样本清晰分为正常、LUAD和LUSC三组，且多数肿瘤区域按患者聚类。差异甲基化分析显示肿瘤间DMP数量变异大（48,080至362,775），但同一肿瘤内区域间甲基化状态变异有限。ITMD评分与SCNA异质性（LUAD: R=0.47, P=0.039; LUSC: R=0.66, P=0.007）和表达异质性（LUAD: R=0.54, P=0.03; LUSC: R=0.59, P=0.034）显著相关，而与SNV异质性无显著相关，提示甲基化异质性与拷贝数变异驱动的演化更紧密。

图 2　Fig. 2。图2揭示甲基化对驱动基因表达的影响及平行演化。a：启动子DMR状态对基因表达的影响有限，仅少数经典抑癌基因表达受甲基化显著下调；b：LUSC中抑癌基因的平行事件比例高于癌基因；c-d：MethSig在LUAD和LUSC中识别出候选甲基化癌症基因；e：共有基因显著富集已知抑癌基因；f-h：MethSig基因更普遍甲基化、表达下调更显著、与CN丢失的协同事件更多；i：时序分析显示MethSig基因倾向于先甲基化后CN丢失。

亮点 2｜抑癌基因的平行演化与双重打击

在68个经典抑癌基因中，61个在多个肿瘤中受CN丢失或超甲基化影响，19个在至少两个肿瘤中显示平行演化。LUSC中抑癌基因的平行事件比例（4.6%）显著高于LUAD（1.5%）（P=5.06×10⁻⁷）。线性效应模型显示CN丢失与DNA超甲基化对RPL22、MGA（LUAD）和EPHA2、MGA（LUSC）的表达具有协同抑制效应，表明基因组与表观基因组机制可平行或协同灭活抑癌基因。

图 3　Fig. 3。图3展示DNA甲基化与拷贝数变异的剂量补偿关系。a：散点图显示扩增时甲基化升高但表达不升高的基因（黄色）可能受剂量补偿；b：这些基因富集于EMT、KRAS信号等通路；c：CCND1扩增区域中RPS3等必需基因甲基化升高；d：AllChAT模型示意图；e：ChIP-seq显示KRAS扩增时TMTC1启动子甲基化升高且染色质关闭。

亮点 3｜MethSig识别候选甲基化驱动基因

利用CAMDAC校正的甲基化数据，MethSig算法在LUAD和LUSC中分别识别出99和118个候选甲基化癌症基因，其中63个为两亚型共有，显著富集已知抑癌基因（P=0.0422）。这些基因在肿瘤内更普遍甲基化（P=7.70×10⁻⁶），且表达下调更显著（P=1.50×10⁻⁶），提示其可能为早期事件或受强正选择。时序分析显示，MethSig基因（如ITGA8、CXCL5）倾向于先发生克隆性超甲基化，随后出现亚克隆CN丢失，而经典抑癌基因（如FAT1）则相反，表明甲基化可能驱动后续基因组演化。

图 4　Fig. 4。图4展示MR/MN指标的开发与应用。a：MR/MN计算流程示意图；b：LUAD和LUSC中基因MR/MN比值分布，多数基因比值接近1；c：MethSig基因中MR/MN>1者富集于发育和运动通路；d：MR/MN>1的CYP4F2、MSC、EIF5A2与较差DFS相关；e：这些基因的甲基化与STK11、KDM5C等驱动突变共现。

亮点 4｜DNA甲基化介导的剂量补偿与AllChAT

在扩增区域，部分必需基因（如RPS3）虽随癌基因（如CCND1）共扩增，但其启动子甲基化升高，表达未相应增加，呈现剂量补偿。这些基因富集于上皮间质转化、KRAS信号等通路。ChIP-seq显示，共扩增的癌基因（如CDKN1B、FGFR1）伴随染色质开放（H3K4me3）和低甲基化，而邻近必需基因（如NOP2、DCTN6）则呈现染色质关闭（H3K27me3）和高甲基化。作者提出AllChAT模型：拷贝数变异触发局部染色质状态转变，影响邻近基因甲基化，维持必需基因剂量平衡。

亮点 5｜MR/MN指标分层甲基化驱动基因

MR/MN比值通过比较启动子区调控性（影响表达）与非调控性CpG位点的超甲基化比例，评估基因受正选择的程度。MR/MN>1的基因在肿瘤中表达下调更显著，且该效应在TCGA数据中可重复。MethSig基因中MR/MN>1者富集于运动、组织发育等通路，且部分基因（如ITGA8、SLC7A15）在siRNA筛选中的耗竭导致高增殖率。生存分析显示，MR/MN>1的CYP4F2、MSC和EIF5A2与较差无病生存相关。此外，这些基因的甲基化与STK11、KDM5C等驱动突变共现，提示甲基化可能预测后续基因组轨迹。

生信可带走

这一块是给做分析的人用的，不是科普点缀。

• 方法栈： RRBS、CAMDAC、WES、RNA-seq、ChIP-seq、MethSig、MR/MN
• 公开数据： 原文未给出公开组学登录号
• 代码： 原文未给出公开 GitHub/GitLab 仓库
• 谁该点开原文： 从事肿瘤多组学、表观遗传学或演化生物学研究的生信人员与研究生。

带走一句

分析肿瘤演化时，应将DNA甲基化视为与基因组变异协同的主动力量，而非被动乘客；MR/MN和ITMD等指标可帮助识别受选择的表观驱动事件。