Method Article
Aquí, describimos el protocolo y la implementación de metil-Seq, una plataforma de epigenómica, utilizando un modelo de rata para identificar cambios epigenéticos asociados a la exposición de estrés crónico. Los resultados demuestran que la plataforma de metil-Seq de la rata es capaz de detectar diferencias de metilación que surgen de la exposición del estrés en ratas.
Medida genomas de una amplia variedad de animales, hay una creciente necesidad de herramientas que pueden capturar dinámicos cambios epigenéticos en estos modelos animales. La rata es un animal modelo en particular donde una herramienta epigenética puede complementar muchos estudios farmacológicos y de comportamiento para proveer valiosa información mecanicista. Para ello, adaptamos el SureSelect sistema de captura de objetivo (denominado metil-Seq) de la rata, que puede evaluar los niveles de metilación de ADN en el genoma de la rata. El diseño de la rata había dirigida promotores, las islas de CpG, costas de la isla y regiones ricas en GC de todos los genes RefSeq.
Para implementar la plataforma en un experimento de rata, ratas Sprague Dawley machos fueron expuestas a estrés crónico variable durante 3 semanas, después de lo cual se recolectaron muestras de sangre para la extracción de ADN genómica. Metil-Seq bibliotecas fueron construidas de las muestras de ADN de rata por corte, ligadura de adaptador, enriquecimiento objetivo, conversión de bisulfito y multiplexación. Las bibliotecas fueron ordenadas en una plataforma de secuenciación de próxima generación y las lecturas secuenciadas fueron analizadas para identificar DMRs entre ADN de ratas tensionadas y unstressed. DMRs candidato superior fueron validados independientemente por pirosecuenciación de bisulfito para confirmar la robustez de la plataforma.
Los resultados demuestran que la plataforma de metil-Seq de rata es una útil herramienta epigenética que puede captar cambios de metilación inducidos por la exposición al estrés.
Avances en la secuenciación de alto rendimiento han llevado a una gran cantidad de secuencias genómicas para el modelo y organismos no-modelo. La disponibilidad de tales secuencias ha facilitado la investigación en genética, genómica comparativa y transcriptómica. Por ejemplo, secuencias genómicas disponibles son altamente útiles para alinear los datos de la secuencia de experimentos de ChIP-Seq que enriquecen de ADN basado en su asociación con histona modificaciones1o secuenciación de bisulfito, que mide la metilación del ADN por detección de uracilo forma de conversión de bisulfito de unmethylated cytosines2. Sin embargo, ha habido retrasos en la implementación de plataformas epigenómicas que incorporan datos de secuenciación disponibles en su diseño debido a la falta de datos comentadas de secuencias reguladoras específicas de especies que pueden influir en funciones de los genes.
En particular, la metilación del ADN es uno de las más ampliamente estudiadas modificaciones epigenéticas en el ADN que pueden aprovechar los datos genómicos disponibles para la construcción de una plataforma de methylomic. Un ejemplo es una plataforma basada en arreglos de discos para el metiloma humano3, que ha sido ampliamente utilizado en diversas disciplinas de la oncología a psiquiatría4,5. Por desgracia, plataformas similares para los modelos animales no humanos son escasas, ya que hay prácticamente no hay plataformas ampliamente utilizado que han aprovechado la secuencia genomic en su diseño inicial.
Un método común para evaluar el paisaje de methylomic de modelos animales no humanos es reducida representación bisulfito de secuenciación (RRBS)6. Este enfoque supera el coste de la secuenciación de genoma completo bisulfito que, ofreciendo un paisaje de methylomic integral, ofrece cobertura a profundidad de lectura inferior debido al costo y limitada información funcional en grandes áreas pobres en genes del genoma2 . RRBS implica restricción recopilación y selección del tamaño de ADN genómico para enriquecer para altamente rico en GC secuencias como las islas de CpG que son comúnmente encontradas cerca de promotores de genes y se cree que desempeñan un papel en la regulación de genes7. Mientras que el método RRBS se ha utilizado en un número de importantes estudios, su dependencia de las enzimas de restricción no es sin limitaciones y desafíos notables. Por ejemplo, enriquecimiento de secuencias ricas en GC en RRBS es enteramente dependiente de la presencia de secuencias específicas reconocidas por la enzima de restricción y posterior preselección por electroforesis. Esto significa que se excluyen las áreas genómicas que contienen estos sitios de restricción durante la selección de tamaño. Además, las comparaciones entre especies están desafiando a menos que los mismos sitios de restricción están presentes en el mismo loci entre las diferentes especies.
Un enfoque para superar las limitaciones de RRBS es utilizar un método de enriquecimiento que se aprovecha de la secuencia genómica Publicada en el diseño de la plataforma. La plataforma humana basada en la matriz utiliza sondas de cartilla diseñadas contra GPC específica de alelo específico (CG vs TG después de la conversión de bisulfito) blanco recocido y cartilla extensión. Su diseño refleja no sólo la secuencia genómica humana disponible, sino regiones reguladoras verificadas experimentalmente de varias líneas de investigación, tales como codificar y ENSEMBL8. A pesar de su amplio uso en las investigaciones de la methylomic humana, una plataforma similar no existe para los animales modelo. Además, el formato basado en el arreglo pone limitación significativa en el área de superficie disponible para la colocación de la sonda. En los últimos años, se hicieron esfuerzos para combinar la especificidad objetivo de diseño de la sonda de captura y la característica de alto rendimiento de secuenciación de próxima generación. Tal empeño ha resultado en el sistema enriquecimiento objetivo basado en la secuenciación del genoma del ratón (ratón metil-Seq), que fue utilizado para identificar las diferencias específicas del cerebro o inducida por glucocorticoides en metilación9,10. Plataformas similares para otros modelo y modelo no animales son necesarios para facilitar la investigación epigenómicas en estos animales.
Aquí, demostramos la aplicación de esta novedosa plataforma para llevar a cabo análisis de methylomic en la rata. La rata ha servido como un modelo animal importante en farmacología, metabolismo, Neuroendocrinología y comportamiento. Por ejemplo, hay una creciente necesidad de entender los mecanismos subyacentes que dan lugar a toxicidad de la droga, obesidad, respuesta de estrés o adicción a las drogas. Una plataforma de alto rendimiento capaz de captar cambios de methylomic asociados con estas condiciones aumentaría nuestra comprensión de los mecanismos. Puesto que el genoma de rata todavía carece de anotación para regiones reguladoras, incorpora promotores redundante, las islas de CpG, Isla costas11y previamente identificadas secuencias ricas en GC en la rata metil-Seq plataforma12.
Para evaluar el éxito del diseño e implementación de la plataforma SureSelect enriquecimiento de Target (genéricamente conocido como metil-Seq) para el genoma de la rata, se empleó un modelo de estrés crónico variable (CVS)13 para identificar diferencialmente metilados ratas regiones entre los animales tensionados y unstressed. Nuestro diseño de la plataforma, el protocolo y la aplicación pueden ser útiles para investigadores que quieran realizar una investigación completa e imparcial epigenética en un organismo cuya secuencia genómica ya está disponible pero sigue siendo mal anotado.
Todos los experimentos fueron terminados de acuerdo y conformidad con todos lineamientos regulatorios e institucionales pertinentes, incluyendo el cuidado de Animal institucional y Comité de uso en la escuela de Medicina Johns Hopkins.
1. los animales
2. crónicas de la tensión Variable
3. los ensayos
4. comportamiento
5. diseño de la rata metil-Seq
6. construcción de la biblioteca de metil-Seq de rata de la DNA Genomic
Nota: Para eliminar los efectos de la hornada, procesar varias muestras al mismo tiempo y aumentar por consiguiente la mezcla principal. Extracto de ADN utilizando un kit de extracción de ADN disponible en el mercado. Método basado en la columna o la precipitación tanto rendimiento calidad de ADN genómico (relación 260/280 ~ 1.8). No se recomienda el uso de métodos basados en fenol. Procederá a la elución o Resuspender el DNA en buffer de baja TE (10 mM TE, 0.1 mM EDTA, pH 8.0).
7. la secuencia en un secuenciador de última generación
8. análisis para identificar DMRs
9. validación por pirosecuenciación de bisulfito
Una implementación exitosa de la plataforma de metil-Seq rata depende de varios criterios. Figura 1 muestra el flujo de trabajo general del estudio y destaca pasos específicos control de calidad (QC) que se necesitan antes de seguir adelante. Uno de los primeros factores a considerar es la robustez del modelo animal y el régimen de estrés, que determinan la magnitud de cambios epigenéticos que se producen en el metiloma. Puesto que nuestro trabajo animal está basada en nuestra observación anterior de que la exposición de corticosterona (CORT) puede conducir a cambios en la metilación de ADN19,20, nuestro régimen de estrés crónico variable (CV) debe ser de suficiente rigor para producir hizo hincapié en las ratas con niveles elevados de plasma CORT. Un típico régimen semanal de CVS se muestra en la tabla 1 y consistió de estresores diarios en la mañana, por la tarde, y durante la noche que cambian constantemente para evitar la habituación y disminuida respuesta de estrés. Durante el régimen de 3 semanas, los animales estresados exhibieron niveles significativamente elevados de plasma media CORT [Control de los días 4 y 21,: 32,7 3.7 ng/mL, estrés: 103,0 11.9 ng/mL (media SEM), P = 2.2 x 10-4, figura 2A] sobre los de unstressed, control de animales. Consistentemente, estos animales también mostraron mayor ansiedad-como comportamiento en la elevada y laberinto (EPM), como se indica por el significativamente más tiempo en los brazos cerrados del EPM y menos tiempo en los brazos abiertos (figura 2B). Estos resultados demuestran que la exposición CVS condujo a endocrinos significativos y cambios de comportamiento, que nos lleva a investigar si estos cambios se asociaron con firmas de metilación de ADN específicas.
Destacamos varios puntos que son cruciales para la exitosa construcción de la biblioteca de metil-Seq. A partir de una cantidad suficiente de ADN es necesario, como la sonicación, múltiples lavado/purificación, enriquecimiento de destino, y pasos de conversión de bisulfito sucesivamente reducen la cantidad de DNA en la biblioteca acabada. Aunque varios pasos de amplificación de PCR aliviar la pérdida de la plantilla de la DNA, excesivo número de ciclo PCR puede introducir mayor Lee duplicado. Para el actual estudio de rata metil-Seq, 2 g de sangre gDNA por rata fue utilizado. Tomamos nota de que las bibliotecas metil-Seq se pueden hacer con a partir de cantidad de ADN 500 ng. Más pequeños a partir de material permite generar bibliotecas de ADN aislado por FACS (clasificación celular activado por fluorescencia) o golpes, la aguja aunque hay mayor riesgo de producir una cantidad insuficiente de bibliotecas para la secuencia posterior. Control de calidad se realiza por electroforesis de 1 L de la muestra en un equipo bioanalyzer, que proporciona el peso molecular de ADN, cantidad y molaridad. Tres pasos críticos que requieren el uso del equipo bioanalyzer son: 1) tras el paso de sonicación para asegurar suficiente corte de ADN (~ 170 bp, rojo, figura 3) 2) siguiente adaptador ligadura paso indicada por un cambio en el tamaño medio del ADN esquilado (~ 200 bp, azul, figura 3) para su posterior amplificación por PCR; y 3) siguiente paso de purificación final biblioteca para garantizar la cantidad y el tamaño de la biblioteca para la secuencia.
Los paquetes de R BSSeq y BSmooth en Bioconductor fueron utilizados para el análisis del bisulfito de secuenciación de datos18. Incluyen herramientas y métodos para alinear la Lee de la secuencia, realizar control de calidad, e identificar diferencialmente metiladas regiones (DMRs). BSmooth software invoca Bowtie 2.016,17 como un alineador de la secuencia interna para obtener resúmenes de medición de nivel de CpG, por alineación de raw Lee entrada a convertido a bisulfito de secuencias genómicas. Lee alineado entonces se filtra a través de procedimientos de control de calidad riguroso que pretenden identificar la secuencia sistemática y errores de base de llamadas que pueden sesgar el análisis descendentes. Una serie de diagramas se generan para visualmente facilitar en este proceso de filtrado. Indicadores de secuencia se generan también a información relevante del documento como el número de alineados Lee, % blanco y por cobertura de GPC, entre otros (tabla 2). Una vez que se filtran los datos, se realiza un algoritmo de suavizado/normalización, donde cada GPC se asigna un valor estimado de la metilación basado en control de calidad todos Lee de cada muestra y las estimaciones de los vecinos de CpGs para asegurar más exacto llamar de la metilación Estado incluso en casos donde es baja la cobertura de la secuencia. Este valor proporciona una estimación suavizada de la probabilidad de la metilación en cada sitio de CpG. Al comparar la media de las estimaciones de metilación alisado de cada muestra entre los dos grupos de tratamiento y clasificación regiones genómicas de los más significativamente diferentes al menos, se genera una lista de DMRs (tabla 3).
La parte superior con que DMR entre grupos de tensionado y unstressed se encontraba en el promotor del gen de histocompatibilidad rata Rt1-m4, tensionado animales exhibiendo niveles más altos de metilación a través de todas las GPC que unstressed animales (Figura 4A). Para confirmar la implementación exitosa de la plataforma de metil-Seq y el análisis de datos, se diseñaron cartillas contra el DMR y niveles de metilación de ADN en la cohorte completa de animales tensionados y unstressed (8 ordenados por metil-Seq y 8 no ordenados) se evaluaron por pirosecuenciación de bisulfito. Resultados demuestran un aumento significativo en la metilación del ADN en 10 de los 12 CpGs ensayaron (5.1 – 10.4 cambio en % de metilación, P < 0.037, Figura 4B). Análisis del camino KEGG fue realizada en todo el DMRs nominalmente significativos para identificar vías asociadas con el estrés. Constantemente, vías DMR asociado implicado enfermedades asociadas con la exposición a estrés crónico, como diabetes, enfermedades cardiovasculares y cáncer (tabla 4). 21 , 22 , 23 para demostrar una asociación entre los datos de la epigenéticos y el grado de exposición al estrés, los niveles de metilación CpG-10 fueron comparados con el nivel medio de la CORT de 3 semanas para cada animal. Los resultados mostraron una modesta correlación entre los datos de endocrino y metilación (R2= 0.54, P = 0.001, figura 5).
Figura 1: flujo de trabajo general esquemática para la plataforma de rata metil-Seq. G uno de la DNA genomic extraída de la sangre de tensionado y ratas de control se procesa en primer lugar para la construcción de las bibliotecas de metil-Seq de la secuencia, el análisis y la identificación de objetivos. Otros 100 ng de ADN se utiliza para la validación independiente de los objetivos identificados epigenéticos por pirosecuenciación de bisulfito. Haga clic aquí para ver una versión más grande de esta figura.
Figura 2: exposición a estrés crónico variable (CVS) conduce a los cambios endocrinos y del comportamiento en ratas. (A) múltiples muestreos de corticosterona (CORT) demuestran la robustez de la semana 3 régimen de CVS. Muestras de sangre se recolectaron en la mañana antes del régimen de estrés diario. (B) animales Stressed pasaron más tiempo en los brazos cerrados y menos tiempo en los brazos abiertos de la elevada más laberinto (EPM). Se muestran los boxplots con punto de datos para cada animal. Se realizó prueba T de Student para la significación estadística. * P < 0.05, ** P < 0.01, y *** P < 0.001. Haga clic aquí para ver una versión más grande de esta figura.
Figura 3: cuantificación de rata esquilado y adaptador ligarse DNA en un equipo bioanalyzer. Las curvas rojas y azules muestran la cantidad y tamaño de la DNA genomic (rojo) después de esquilar en un sonicador isotérmico y ligadura del adaptador, respectivamente. Cada línea representa una muestra y el rojo y azul curvas reflejan tanto la pérdida de ADN durante los pasos de varios (final de reparación, 3'-adenylation y limpieza de muestra) y aumentan de tamaño de bp por la ligación de los adaptadores. Afilados picos 25 bp y bp 1500 son marcadores estándar que se han añadido al buffer de carga. Haga clic aquí para ver una versión más grande de esta figura.
Figura 4: cambios epigenéticos inducidos por la CVS son detectados por rata metil-SEQ (A) análisis de la rata metil-Seq datos implicado el promotor del gen de la Rt1m4 como una región diferencialmente metilada (DMR) entre estresada (rojo) y las ratas de control (azul). La salida gráfica para Rt1m4 DMR (región sombreada rosa) muestra cada GPC (línea gris vertical), las cuatro muestras en cada grupo (líneas en rojas o azules) y los niveles de metilación % para cada animal (punto rojo o azul). (B) doce GPC dentro de lo DMR fueron validados por pirosecuenciación de bisulfito. Los gráficos de barras se representan como media SEM, y se realizó prueba T de Student para la significación estadística. * P < 0.05. Haga clic aquí para ver una versión más grande de esta figura.
Figura 5: Análisis de regresión lineal mostró una modesta correlación entre % ADN metilación CpG-10 de Rt1m4 y la 3 semana significan plasma niveles CORT de ambos destacó y controlan de animales (N = 16). Datos de animales estresados son representados por círculos rojo. Haga clic aquí para ver una versión más grande de esta figura.
Semana | Día 1 | Día 2 | Día 3 | Día 4 | Día 5 | Día 6 | Día 7 |
AM | Sistema de seguridad para | Nadar | Cuarto frío | Nadar | Sistema de seguridad para | Coctelera | Nadar |
PM | Coctelera | Inclinación de la jaula | Sistema de seguridad para | Coctelera | Cuarto frío | Sistema de seguridad para | Cuarto frío |
Durante la noche | Restringir alimentos | Mojado de cama | Aislamiento | Luz en | Apretadura | Luz en | Mojado de cama |
Tabla 1: Un programa semanal típico del régimen de tensión variable crónica (CVS).
Secuencia de mediciones | Tensión1 | Control1 |
(n = 4) | (n = 4) | |
Junto de lecturas finales (por) | 89,290,397 | 80,165,674 |
Final pares asignado únicamente Lee (UMPER) | 39,200,255 | 35,013,406 |
Eficiencia de asignación de tipo de alineación (UMPER por) | 44% | 44% |
Lee duplicado (% de UMPER) | 73% | 65% |
UMPER reduplicada | 10,481,031 | 12,306,018 |
Promedio de cobertura de profundidad de lectura (x) (ARDC) | 6 x | 6 x |
GPC (N) | 12,056,878 | 12,056,878 |
ARDC (x) de la GPC | 2 x | 2 x |
GPC con al menos 10 Lee (N) | 481.383 | 595.850 |
ARDC (X) de la GPC con Lee por lo menos 10 | 19 | 19 |
En la GPC objetivo (traslapo completo con sonda regiones de destino) | 1.923.872 | 2.007.638 |
Objetivo ARDC (x) de la GPC | 7 x | 8 x |
En la GPC objetivo con al menos 10 Lee (N) | 428.249 | 531.419 |
En destino ARDC (x) de la GPC con Lee por lo menos 10 | 38: | 38: |
En blanco (por traslapo de 1 o más pares con sonda regiones de destino) (UMPER) | 8.277.715 | 9.369.523 |
% En blanco (de UMPER reduplicada) | 78% | 77% |
En blanco (Bases totales asignados) Mb | 125 mb | 128 mb |
En destino leer media profundidad cobertura (x) (ARDC) | 9 x | 30: |
1 Secuencia de mediciones basadas en promedios de sujetos en cada grupo |
Tabla 2: Secuencias métricas de la plataforma de metil-Seq de rata.
Chr | Inicio | final | gene | distancia | areaStat | meanDiff | estrés | control | Dirección |
chr20 | 1.644.246 | 1.644.390 | RT1-M4 | in_gene | 93.03 | 0.22 | 0.33 | 0.11 | ganancia |
chr5 | 160,361,352 | 160,361,564 | LOC690911 | in_gene | -70.75 | : -0,19 | 0,72 | 0.91 | pérdida |
chr3 | 61,138,281 | 61,138,330 | RGD1564319 | 265569 | 61.79 | 0.21 | 0.94 | 0,72 | ganancia |
CHR2 | 143,064,811 | 143,065,010 | Ufm1 | 8569 | -59.48 | -0,11 | 0.13 | 0.24 | pérdida |
chr7 | 30,764,111 | 30,764,284 | Ntn4 | in_gene | 57.04 | 0.21 | 0.94 | 0.73 | ganancia |
chr17 | 12,469,112 | 12,469,218 | Idnk | 41996 | -50.91 | -0,13 | 0.74 | 0.88 | pérdida |
chr7 | 47,101,725 | 47,101,930 | Pawr | in_gene | -50.54 | -0,12 | 0,64 | 0,76 | pérdida |
chr5 | 76,111,248 | 76,111,822 | Txndc8 | 151703 | -50.38 | -0,11 | 0.85 | 0.96 | pérdida |
chr11 | 80,640,132 | 80,640,356 | Dgkg | in_gene | -50.07 | -0.16 | 0.73 | 0,89 | pérdida |
chr8 | 71,759,248 | 71,759,411 | Mir190 | 210226 | -47.84 | -0,17 | 0.58 | 0.75 | pérdida |
Tabla 3: Top 10 diferencialmente metiladas regiones. Para cada DMR, la tabla de salida muestra desde la izquierda a la columna de la derecha: Localización cromosómica (chr), coordina (inicio y fin), nombre de gen, distancia de la transcripción comienza sitio, estadísticas de área diferencial entre destacó y controlan de grupos (areaStat), significa hizo hincapié en los niveles de metilación media en cada DMR para metilación diferencial (meanDiff), y grupos de control (control de estrés) y la dirección de la metilación de controles.
Términos del camino KEGG | Conde de gene | % | Valor de P | Benjamini |
Diabetes | ||||
Diabetes mellitus tipo II | 12 | 0.1 | 3.6 x 10-4 | 9.8 x 10-3 |
Enfermedades cardiovasculares | ||||
Contracción del músculo liso vascular | 18 | 0.1 | 1.6 x 10-3 | 3.6 x 10-2 |
Cardiomiopatía ventricular correcta arritmogénica (ARVC) | 13 | 0.1 | 4.0 x 10-3 | 7.1 x 10-2 |
Miocardiopatía dilatada | 14 | 0.1 | 7.6 x 10-3 | 1,2 x 10-1 |
Función de la neurona | ||||
Potenciación a largo plazo | 11 | 0.1 | 1.5 x 10-2 | 1.4 x 10-1 |
Señalización | ||||
Vía de señalización de MAPK | 35 | 0.2 | 2.4 x 10-4 | 9.9 x 10-3 |
Vía de señalización de calcio | 22 | 0.1 | 1,2 x 10-2 | 1.4 x 10-1 |
Vía de señalización de quimioquinas | 21 | 0.1 | 1,2 x 10-2 | 1.3 x 10-1 |
Cáncer | ||||
En el cáncer de las vías | 42 | 0.3 | 4.1 x 10-5 | 3.4 x 10-3 |
Glioma de | 15 | 0.1 | 4.4 x 10-5 | 2.4 x 10-3 |
Cáncer de pulmón de células no pequeñas | 10 | 0.1 | 7,9 x 10-3 | 1.1 x 10-1 |
Cáncer colorrectal | 13 | 0.1 | 8.4 x 10-3 | 1.1 x 10-1 |
Leucemia mieloide crónica | 12 | 0.1 | 1,2 x 10-2 | 1.3 x 10-1 |
Tabla 4: Análisis de camino KEGG de DMRs identificado de la rata metil-SS.
En este estudio, diseñó e implementó la plataforma de metil-Seq para el genoma de la rata. Demostrando su utilidad con un modelo de rata de estrés, hemos demostrado que la tubería experimental y analítica puede proporcionar regiones diferencialmente metiladas entre dos grupos de comparación.
Para asegurar una implementación exitosa de la plataforma, varios pasos críticos necesitan ser observados. Primero, inicial, cantidad y calidad de ADN tiene un impacto significativo en la calidad y cantidad de la última biblioteca de metil-Seq. Utilizamos un fluorómetro, en lugar de un espectrofotómetro, para asegurar que nuestra medición de ADN refleja la cantidad de ADN de doble hebra presentes. El equipo bioanalyzer fue utilizado para medir el tamaño molecular y la cantidad de ADN tras el corte y después de la ligadura del adaptador. Verificar el tamaño molecular 'shift' entre estos pasos es crucial para confirmar la presencia de adaptadores a los extremos de cada fragmento de ADN que será sometido a PCR mediada por el adaptador en los pasos posteriores. La cantidad de DNA restante al final del paso de la ligadura de adaptador también es importante, desde menos de 100 ng del producto biblioteca es necesario en este paso para garantizar la suficiente cantidad tras los pasos de conversión de enriquecimiento y bisulfito de destino. Una medición final de alta sensibilidad fue realizada en la biblioteca de metil-Seq construida para que la biblioteca puede diluirse adecuadamente para el agrupamiento posterior en el secuenciador de última generación. Por último, bisulfito pirosecuenciación fue empleado como un método altamente cuantitativa, independiente para evaluar la exactitud de la tubería analítica. La validación final usando las muestras originales y replicación con animales adicionales son pasos cruciales para que el experimento puede detectar biológicamente importantes cambios en la metilación del ADN.
También incluimos varias directrices en caso de desviación del protocolo o si se encuentran problemas. En primer lugar, es posible perder demasiado ADN durante la reparación final, adaptador ligadura o pasos de purificación grano magnético. Por otra parte, a partir de cantidades de DNA puede ser pequeño (< 200 ng) debido a la disponibilidad limitada del tejido ADN o aplicación de varios métodos de enriquecimiento tales como de fluorescencia activada célula clasificación. Aumentar el número de ciclo durante los pasos de amplificación de la dos biblioteca puede ser capaz de compensar la pérdida excesiva de ADN o baja a partir de la cantidad de ADN en el protocolo de construcción de la biblioteca. Sin embargo, no más de un 2-3 ciclos se recomiendan, como plantilla excesiva amplificación es probable que conduzca a un aumento en el número de duplicados dice ser secuenciado. Estos duplicados se excluyen durante la etapa de alineamiento para evitar sesgo en los cálculos del porcentaje de metilación. En segundo lugar, si el tamaño medio del ADN no aumenta por más de 30 bps, verifique para asegurarse de que los reactivos son nuevos, como la polimerasa de la DNA de T4, Klenow y T4 ligasa puede ser viejo. Reactivos de recambio disponibles en el mercado pueden ser utilizados.
Además, es posible que el DMRs previstas no pueden validar por pirosecuenciación, donde las diferencias de la metilación de ADN no existen o son significativamente menores que las predichas por el análisis. Mala validación de regiones de candidato es un problema muy común para muchos análisis de genoma, como cuando pirosecuenciación resultados no confirman la metilación diferencial o el tamaño del efecto es mucho menor que la predicha por el análisis. BSmooth es un paquete analítico "suaviza" los niveles de metilación a través de una ventana de múltiples GPC. Para el experimento actual, el BSmooth implicado un DMR cuyos niveles de metilación se validaron por pirosecuenciación de bisulfito. Sin embargo, es probable que habrá discrepancias entre los niveles de metilación predichos por BSmooth y los verificados por pirosecuenciación. Las discrepancias surgen de la función de suavizado que estima los valores promedio de metilación a través de la GPC en un DMR, incluyendo consecutivos GPC que puede diferir en más del 50% en la metilación del ADN o GPC cuyos valores de metilación se excluyeron debido a subumbrales leer a profundidad. Paquetes de R como MethylKit24 pueden utilizarse para identificar ventanas más pequeñas de GPC o incluso sola GPC cuyos niveles de metilación se correlacionan fuertemente con aquellos validados por pirosecuenciación. Diferentes paquetes de aplicación y prueba sus regiones previstas o GPC de metilación diferencial por pirosecuenciación asegurará la solidez de los datos. Alternativamente, bibliotecas de metil-Seq originales pueden reordenar y añadir a archivos de lectura para aumentar la profundidad de lectura. Determinación de los niveles de metilación son semi cuantitativa y dictado por el número de lecturas [(# of CpGs) / (# de TpGs + GPC)], aumento de la profundidad de lectura para una GPC dada aumentarán la precisión de su valor de metilación por ciento. En este estudio, se consideraron sólo GPC cuyos valores de metilación se determinaron por Lee por lo menos diez y alcanzó una cobertura Lea general de 19 x de cada GPC.
La plataforma de metil-Seq de rata no es sin sus limitaciones. Mientras que es más rentable que la secuenciación del genoma completo de bisulfito, es considerablemente más caro que otros métodos. Sin embargo, la mayor parte del costo fue para comprar pistas en el secuenciador y no para el sistema de captura. Dependiendo de la profundidad de lectura necesaria, con comparaciones Cruz-tejido que requieren menos debido a grande (25-70%) las diferencias12 en la metilación del ADN, el costo puede reducirse por multiplexación más muestras por carril y el uso de una plataforma de mayor capacidad. Además, la preparación de la muestra es más lento que otros métodos. Mientras que es similar a otros enfoques de pulldown que incorporan la última generación de la secuencia, los pasos de conversión y purificación de bisulfito añadido añadir a la carga de trabajo. En general, la plataforma de metil-Seq es una alternativa rentable a la secuenciación del genoma completo y ofrece resolución de base par a más de 2,3 millones de GPC, que es mucho más que por las plataformas de microarreglos. Hasta la fecha, el disponible en el comercio humano y ratón se han utilizado plataformas metil-Seq para documentar cambios dependientes del alcohol en el cerebro de macacos25,26, genes del desarrollo neurológico en el cerebro de ratón9y sangre-cerebro objetivos de glucocorticoides10. Además, la capacidad de regiones específicas, independientemente del reconocimiento de la secuencia de destino por enzimas de restricción, es una plataforma ideal para las comparaciones entre especies. Para este estudio, se diseñó la plataforma metil-Seq para la rata, que se llevan a cabo muchos experimentos farmacológicos, metabólicos y de comportamiento sin el beneficio de una herramienta de methylomic de todo el genoma. Nuestros datos muestran que puede ser utilizado para detectar DMRs en un modelo de rata de estrés y correlacionó otros parámetros fisiológicos como los niveles del plasma total CORT.
La plataforma de metil-Seq es ideal para los experimentos epigenéticos en animales con genomas secuenciados que pueden no tener suficiente evidencia experimental que documentan las regiones reguladoras. Cuando tales regiones son disponibles, regiones adicionales pueden diseñado y adjunto a la versión actual. Además, la plataforma es ideal para genómica comparativa, puesto que el enriquecimiento de destino no está limitado por el reconocimiento de la enzima de la restricción. Por ejemplo, la región del promotor de cualquier gen de interés puede ser capturada sin importar si alberga un sitio de restricción específicas. Del mismo modo, se pueden capturar cualquier regiones reguladoras, como los identificados en ratón o en los seres humanos, que se conservan en el genoma de interés.
El manuscrito forma parte de un premio de concurso de Agilent Technologies.
Este estudio fue financiado por los NIH grant MH101392 (RSL) y apoyo de las siguientes fundaciones y premios: un premio al investigador joven NARSAD, Margaret Ann precio investigador fondo, el fondo James Wah humor trastornos erudito por la Charles T. Bauer Foundation, Baker Fundación y la Fundación del partido de proyecto (RSL).
Name | Company | Catalog Number | Comments |
Radioimmuno assay (RIA) | MP Biomedicals | 7120126 | Corticosterone, 125I labeled |
Master Pure DNA Purification Kit | Epicentre/Illumina | MC85200 | |
Thermal-LOK 2-Position Dry Heat Bath | USA Scientific | 2510-1102 | Used with 1.5 mL tubes |
Vortex Genie 2 | Fisher | 12-812 | Vortex Mixer |
Ethyl alcohol, Pure | Sigma-Aldrich | E7023 | 100% Ethanol, molecular grade |
Centrifuge 5424 R | Eppendorf | - | Must be capable of 20,000 x g |
Qubit 2.0 | ThermoFisher Scientific | Q32866 | Fluorometer |
Qubit dsDNA BR Assay Kit | ThermoFisher Scientific | Q32850 | |
Qubit dsDNA HS Assay Kit | ThermoFisher Scientific | Q32851 | High sensitivity DNA detection reagents |
Qubit Assay Tubes | ThermoFisher Scientific | Q32856 | |
SureSelectXT Rat Methyl-Seq Reagent Kit | Agilent Technologies | G9651A | Reagents for preparing the Methyl-Seq library |
SureSelect Rat Methyl-Seq Capture Library | Agilent Technologies | 931143 | RNA baits for enrichment of rat targets |
IDTE, pH 8.0 | IDT DNA | 11-05-01-09 | 10 mM TE, 0.1 mM EDTA |
DNA LoBind Tube 1.5 mL | Eppendorf | 22431021 | |
Covaris E-series or S-series | Covaris | - | Isothermal sonicator |
microTUBE AFA Fiber Pre-Slit Snap-Cap 6x16mm (25) | Covaris | 520045 | |
Water, Ultra Pure (Molecular Biology Grade) | Quality Biological | 351-029-721 | |
Veriti 96 Well-Thermal Cycler | Applied Biosystems | 4375786 | |
AMPure XP Beads | Beckman Coulter | A63880 | DNA-Binding magnetic beads |
96S Super Magnet | ALPAQUA | A001322 | Magnetic plate for purification steps |
2200 TapeStation | Agilent Technologies | G2965AA | Electrophresis-based bioanalyzer |
D1000 ScreenTape | Agilent Technologies | 5067-5582 | |
D1000 ScreenTape High Sensitivity | Agilent Technologies | 5067-5584 | |
D1000 Reagents | Agilent Technologies | 5067-5583 | |
D1000 Reagents High Sensitivity | Agilent Technologies | 5067-5585 | |
DNA110 SpeedVac | ThermoFisher Scientific | - | Vacuum Concentrator |
Dynabeads MyOne Streptavidin T1 magnetic beads | Invitrogen | 65601 | Streptavidin magnetic beads |
Labquake Tube Rotator | ThermoFisher Scientific | 415110Q | Nutator Mixer is also acceptable |
EZ DNA Methylation-Gold Kit | Zymo Research | D5006 | Bisulfite conversion kit. Contains Binding, Wash, Desulphonation, and Elution buffers |
Illumina Hi-Seq 2500 | Illumina | - | Next-generation sequencing machine |
PCR and Pyrosequencing Primers | IDT DNA | Variable | |
Taq DNA Polymerase with ThermoPol Buffer - 2,000 units | New England BioLabs | M0267L | |
Deoxynucleotide (dNTP) Solution Set | New England BioLabs | N0446S | |
Pyromark MD96 | QIAGEN | - | Pyrosequencing machine |
Ethyl Alcohol 200 Proof | Pharmco-Aaper | 111000200 | 70% Ethanol solution |
Sodium Hydroxide Pellets | Sigma-Aldrich | 221465 | 0.2 M NaOH denature buffer solution |
Tris (Base) from J.T. Baker | Fisher Scientific | 02-004-508 | 10 mM Tris Acetate Buffer wash buffer solution |
PyroMark Gold Q96 Reagents (50x96) | QIAGEN | 972807 | Reagents required for pyrosequencing |
PyroMark Annealing Buffer | QIAGEN | 979009 | |
PyroMark Binding Buffer (200 mL) | QIAGEN | 979006 | |
Streptavidin Sepharose High Performance Beads | GE Healthcare | 17-5113-01 | Streptavidin-coated sepharose beads |
PyroMark Q96 HS Plate | QIAGEN | 979101 | Pyrosequencing assay plate |
Eppendorf Thermomixer R | Fisher Scientific | 05-400-205 | Plate mixer. 96-well block sold separately (cat. No 05-400-207) |
SureDesign Website | Agilent Technologies | - | Target capture design software (https://earray.chem.agilent.com/suredesign/) |
UCSC Genome Browser | University of California Santa Cruz | - | rat Nov 2004 rn4 assembly |
Agilent Methyl-Seq Protocol | Agilent Technologies | - | https://www.agilent.com/cs/library/usermanuals/public/G7530-90002.pdf |
Solicitar permiso para reutilizar el texto o las figuras de este JoVE artículos
Solicitar permisoThis article has been published
Video Coming Soon
ACERCA DE JoVE
Copyright © 2025 MyJoVE Corporation. Todos los derechos reservados