DMseg：一种用于从头检测差异或可变甲基化区域的 Python 算法
统计方法学
2023-06-28 v1
摘要
检测并评估差异甲基化区域（DMRs）的统计显著性，是甲基化组关联研究中的基本任务。虽然不同表型组中的平均差异甲基化一直是推断焦点，但染色体区域的甲基化变化也可能表现为差异变异性，即可变甲基化区域（VMRs）。检验区域差异甲基化的统计显著性是一个具有挑战性的问题，且现有算法无法为全基因组 DMR 或 VMR 分析提供准确的 I 类错误控制。目前尚无公开可用的检测 VMRs 的算法。我们提出 DMseg，一种针对基于芯片的甲基化组数据、具有高效 DMR/VMR 检测与显著性评估的 Python 算法，并将其性能与流行的现有算法 Bumphunter 进行比较。在操作上，DMseg 在由微阵列中连续 CpG 位点间的间隔距离与相关性自适应确定的 CpG 簇内搜索 DMRs 或 VMRs。我们采用 Levene 检验评估单个 CpG 的差异变异性。提出一种似然比统计量，用于检验 DMR 或 VMR 中 CpG 内恒定差异，以汇总区域差异的证据。通过使用分层置换方案并合并具有相似 CpG 数目的簇的 LRT 零分布，DMseg 提供了对 I 类错误率的准确控制。在模拟实验中，DMseg 显示出比 Bumphunter 更优的 DMR 检测功效。对 Barrett 食管与食管腺癌甲基化组数据的应用揭示了若干具有生物学意义的 DMRs 与 VMRs。
引用
@article{arxiv.2306.15032,
title = {DMseg: a Python algorithm for de novo detection of differentially or variably methylated regions},
author = {Xiaoyu Wang and Ming Yu and William Grady and Ziding Feng and Wei Sun and James Y Dai},
journal= {arXiv preprint arXiv:2306.15032},
year = {2023}
}