IF31.7｜小鼠甲基化组图谱揭示儿童癌症模型亚型特异性拷贝数变异

106个儿童实体瘤小鼠模型的甲基化组图谱，发现肿瘤类型和驱动基因特异的拷贝数变异，且与人类肿瘤存在同线性。

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

儿童高级别胶质瘤（pHGG）和髓母细胞瘤（MB）等儿童实体瘤具有高度异质性，拷贝数变异（CNA）是其标志性特征，但其在肿瘤发生中的功能研究受限于技术手段和缺乏合适的模型系统。小鼠模型因与人类遗传相似性高，成为研究肿瘤生物学和评估治疗策略的金标准。然而，许多疾病亚型缺乏合适的小鼠模型，且现有模型的表观遗传特征和分子分型很少被系统表征。DNA甲基化分析已被广泛用于人类肿瘤分类，但在小鼠模型中应用有限。

科学问题

卡在哪里： 此前缺乏一个覆盖多种儿童实体瘤小鼠模型的全局甲基化组图谱，导致无法系统评估小鼠模型与人类肿瘤的表观遗传相似性，也无法利用小鼠模型研究CNA在肿瘤发生中的功能。此外，小鼠模型中的免疫微环境组成和CNA的跨物种保守性尚未被充分探索。

本文要回答： 建立一个包含106个儿童实体瘤小鼠模型的DNA甲基化组和CNA图谱，评估其与人类肿瘤的表观遗传相似性，并利用该图谱揭示肿瘤类型和驱动基因特异的CNA模式及其与人类肿瘤的同线性关系。

技术路线

作者主要用了：DNA甲基化芯片、UMAP、随机森林、EpiDISH免疫反卷积、CNA分析、同线性比较。

作者首先通过子宫内电穿孔技术构建了18个新的pHGG小鼠模型，涵盖BRAF、EGFR/FGFR、PDGFRA和IHG样四个亚组。随后，联合全球20个实验室收集了106个儿童实体瘤小鼠模型的567个样本，进行DNA甲基化芯片分析。通过UMAP和差异甲基化分析，评估了模型的表观遗传特征。进一步开发了跨物种比较流程，利用675个同源CpG位点将小鼠模型与人类肿瘤参考集进行匹配。同时，利用流式分选的小鼠免疫细胞甲基化谱构建参考矩阵，对肿瘤样本进行免疫细胞反卷积。最后，基于甲基化芯片数据推断CNA，并分析其与人类肿瘤的同线性。

图 1　Fig. 1。图1展示18个新pHGG小鼠模型的构建和特征。a显示子宫内电穿孔递送CRISPR和转座子载体的流程。b列出22种测试的致癌基因组合，18种成功诱导肿瘤，按四个亚组颜色编码。c-t为各模型的代表性组织学图像，显示高增殖性、坏死和胶质细胞标志物阳性。关键点：不同驱动基因组合导致不同的潜伏期和外显率，如FGFR1变异与Nf1或Trp53敲除组合潜伏期短，而与Cdkn2a敲除组合则潜伏期延长。

核心亮点

亮点 1｜18个新pHGG模型覆盖主要亚型

作者通过子宫内电穿孔递送CRISPR和转座子载体，测试了22种致癌基因组合，其中18种成功诱导肿瘤，覆盖BRAF、EGFR/FGFR、PDGFRA和IHG样四个亚组。模型潜伏期从约20天到超过100天不等，组织病理学显示高增殖性、坏死和胶质细胞标志物阳性。例如，FGFR1(K656E)和FGFR1(N546K)与Nf1或Trp53敲除组合时潜伏期小于100天，而与Cdkn2a敲除组合则潜伏期延长、外显率降低。BRAF(V600E)单独不致癌，但与Cdkn2a敲除组合可诱导低级别肿瘤。这些模型为后续甲基化组分析提供了基础。

图 2　Fig. 2。图2展示甲基化组图谱的整体结构。a为队列概览，包含106个模型、31种肿瘤类型。b为453个原代样本的UMAP，按肿瘤类别聚类。c为启动子区差异甲基化CpG位点热图，标注了已知和潜在驱动基因。d为胚胎性肿瘤模型的UMAP，显示AT/RT MYC与MRT接近，与AT/RT SHH分开。e比较三种Smarcb1缺失模型，显示AT/RT MYC与MRT聚类，与人类对应亚型一致。f为转录组数据的UMAP，验证了甲基化分组。g-h显示甲基化与基因表达的负相关，并在AT/RT亚型间鉴定出5个差异甲基化且差异表达的基因。

亮点 2｜甲基化组图谱反映肿瘤实体特征

对453个原代样本的UMAP分析显示，样本按肿瘤类别聚类，而非按实验室或建模方法。差异甲基化分析揭示了已知驱动基因（如MYC在MB grade 3）和潜在新驱动基因（如PDGFB在EPN ZFTA、PIK3R1在IDH野生型胶质瘤）的启动子甲基化差异。胚胎性肿瘤按肿瘤类型聚类，AT/RT MYC与MRT接近，与AT/RT SHH分开，与人类对应亚型一致。转录组数据验证了甲基化与基因表达的负相关，并在AT/RT亚型间鉴定出5个差异甲基化且差异表达的基因。

图 3　Fig. 3。图3展示跨物种比较流程和结果。a为工作流程：从人类参考集中提取15000个差异甲基化CpG位点，与小鼠芯片上的675个同源位点取交集。b显示仅用675个位点即可对人类肿瘤进行稳健聚类。c为小鼠模型与人类参考集的UMAP共投影，显示大多数小鼠肿瘤家族与人类对应类别匹配。d为随机森林分类结果，与UMAP一致。e-f显示仅SHH MB、AT/RT SHH和对照组织在两种方法中均最接近人类对应亚型。g显示匹配成功率与人类实体瘤平均突变负荷呈负相关。

亮点 3｜小鼠模型与人类肿瘤表观相似

利用675个同源CpG位点，作者将小鼠模型与人类肿瘤参考集进行UMAP和随机森林分类。结果显示，大多数小鼠肿瘤家族与人类对应类别匹配，但具体亚型匹配率较低：仅SHH MB、AT/RT SHH和对照组织在两种方法中均最接近人类对应亚型。匹配成功率与人类实体瘤的平均突变负荷呈负相关，提示早期胚胎性肿瘤与遗传较简单的小鼠模型更相似。融合癌基因驱动的肿瘤（如H3G34、EPN ZFTA）匹配较差，可能因物种间效应差异或细胞起源不同。

图 4　Fig. 4。图4展示免疫细胞反卷积结果。a为参考矩阵构建流程：FACS分选8种免疫细胞，提取每种细胞与所有其他细胞差异最大的100个CpG位点，加上肿瘤和正常脑组织平均谱，共1000个位点。b为参考矩阵热图，显示各细胞类型特异的甲基化模式。c为在CD1小鼠中的验证，各免疫细胞纯度>94%。d为对小鼠脑肿瘤和对照脑组织的反卷积结果，显示不同实体具有不同的免疫细胞组成。e-f为免疫组化验证，显示B细胞和T细胞浸润低，巨噬细胞水平异质。g-k为与人类肿瘤的跨物种比较，显示SHH MB中B细胞富集，侵袭性胶质瘤中单核细胞富集。

亮点 4｜免疫细胞浸润呈现实体特异性模式

作者利用FACS分选的8种免疫细胞甲基化谱构建了包含1000个CpG位点的参考矩阵，并用EpiDISH对肿瘤样本进行反卷积。验证显示该矩阵在CD1小鼠中预测纯度>94%。反卷积结果经免疫组化验证，显示B细胞和T细胞浸润总体较低，巨噬细胞水平异质。SHH MB缺乏单核细胞、Treg和NK细胞，但B细胞比例高达8%，与人类SHH MB一致。跨物种比较显示小鼠和人类肿瘤的免疫组成总体可比，GBM几乎相同，B细胞在SHH MB中富集，单核细胞在侵袭性胶质瘤亚型中富集。

图 5　Fig. 5。图5展示CNA分析结果。a为所有小鼠模型中CNA的概览，显示CNA具有肿瘤类型特异性。b-j为特定模型的CNA谱，包括SHH MB、MYC驱动MB、MYCN驱动MB、MYCN驱动pHGG、G34R/PDGFRA驱动pHGG、NF1驱动pHGG、ALK驱动pHGG、NTRK2驱动pHGG和ROS1驱动pHGG。每个面板中间显示该模型中CNA的频率，下方显示人类对应肿瘤的CNA汇总谱。关键发现：小鼠CNA与人类肿瘤的同线区域重叠，如SHH MB中6号染色体增益对应人类2、3、7号染色体增益；MYC驱动MB中7号和14号染色体丢失对应人类grade 3/4 MB亚型IV的丢失；ROS1驱动模型中8号染色体增益对应人类ROS1驱动IHG的增益。

亮点 5｜CNA呈亚型特异性且与人类同线

CNA分析显示，小鼠肿瘤中获得的CNA具有高度重现性，且特异于肿瘤类型甚至驱动基因。例如，SHH MB小鼠模型反复出现6号染色体增益，与人类SHH MB亚型1中2、3、7号染色体增益的同线区域重叠（P=0.0002）。MYC驱动的MB模型出现7号和14号染色体丢失，与人类grade 3/4 MB亚型IV的丢失显著重叠（P=4×10⁻³²和P=4×10⁻⁸）。MYCN驱动的MB则出现1号和8号染色体增益，与人类亚型II一致。pHGG模型中，MYCN驱动者丢失7号染色体，对应人类10和11号染色体丢失；H3.3(G34R)/PDGFRA驱动者丢失18和19号染色体，与人类G34突变型HGG的丢失同线；NF1驱动者增益5号染色体，与人类NF1驱动pHGG的7号染色体增益同线。ALK、NTRK和MET驱动的IHG样模型均出现4号染色体丢失，与人类对应亚型重叠，但统计显著性受限于样本量。ROS1驱动模型则出现8号染色体增益，与人类ROS1驱动IHG一致。

亮点 6｜体内传代中CNA定向演化

对同一RELA驱动室管膜瘤模型的三个独立传代系分析发现，它们最终获得相同的基因组改变，且与人类原发肿瘤的CNA高度一致。这表明对于某些实体，后期体内传代的CNA谱可能比原代小鼠肿瘤更接近患者终末期肿瘤，可能因肿瘤演化时间更相似。此外，来自体外培养的异种移植物在甲基化谱上更接近原代肿瘤而非体外培养物，提示体内环境可恢复某些甲基化标记。

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： DNA甲基化芯片、UMAP、随机森林、EpiDISH免疫反卷积、CNA分析、同线性比较
• 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： 从事儿童实体瘤小鼠模型、表观遗传学和拷贝数变异研究的科研人员。

带走一句

小鼠模型中的CNA具有高度重现性和亚型特异性，且与人类肿瘤存在同线性，提示可利用这些模型研究CNA在肿瘤发生中的功能，并为人类肿瘤的CNA解读提供线索。