Method Article
Aqui, descrevemos o protocolo e a implementação de metil-Seq, uma plataforma de epigenomic, usando um modelo do rato para identificar alterações epigenéticas associadas com exposição de estresse crônico. Os resultados demonstram que a plataforma de metil-Seq rato é capaz de detectar diferenças de metilação que surgem a partir da exposição de estresse em ratos.
Como genomas de uma ampla variedade de animais se tornam disponíveis, há uma crescente necessidade de ferramentas que pode capturar alterações epigenéticas dinâmicas nestes modelos animais. O rato é um animal de modelo específico, onde uma ferramenta epigenética pode complementar muitos estudos farmacológicos e comportamentais para fornecer informação esclarecedora mecanicista. Para este fim, adaptamos o SureSelect capturar sistema alvo (referido como metil-Seq) para o rato, que pode avaliar os níveis de metilação do DNA através do genoma do rato. O design do rato alvo promotores, consoles de CpG, margens da ilha e regiões de GC-ricos de todos os genes RefSeq.
Para implementar a plataforma em um experimento de rato, ratos Sprague Dawley masculinos foram expostos ao estresse crônico de variável por 3 semanas, após o qual foram colhidas amostras de sangue para extração de DNA genômica. Metil-Seq bibliotecas foram construídas a partir das amostras de DNA de rato por cisalhamento, ligadura de adaptador, enriquecimento de alvo, conversão de bissulfito e multiplexação. As bibliotecas foram sequenciadas em uma plataforma de sequenciamento de última geração e as leituras sequenciais foram analisadas para identificar DMRs entre DNA de ratos estressados e átonos. DMRs candidato independente foram validadas por bissulfito pyrosequencing confirmar a robustez da plataforma.
Os resultados demonstram que a plataforma de metil-Seq de rato é uma útil ferramenta epigenética que pode capturar as alterações de metilação induzidas pela exposição ao estresse.
Avanços no sequenciamento do elevado-throughput conduziram a uma riqueza de sequências genomic para modelo e organismos não-modelo. A disponibilidade de tais sequências facilitou a investigação em genética e genómica comparativa transcriptomics. Por exemplo, sequências genômicas disponíveis são altamente úteis para o alinhamento de dados de sequenciamento de ChIP-Seq experimentos que enriquecem o DNA com base em sua associação com modificações de histona1ou sequenciamento de bissulfito, que mede a metilação do DNA por detecção de uracil formado a partir de conversão de bissulfito de citosinas unmethylated2. No entanto, tem havido atrasos na implementação de plataformas de epigenomic que incorporam dados de sequenciamento genômico disponíveis na sua concepção, devido à falta de dados anotados de sequências reguladoras específicas que podem influenciar a função dos genes.
Em particular, metilação do DNA é uma das mais amplamente estudadas modificações epigenéticas no DNA que pode alavancar dados genômicos disponíveis para a construção de uma plataforma de methylomic. Um exemplo é uma plataforma baseada em array para o methylome humano3, que tem sido amplamente utilizado em diversas disciplinas de Oncologia a psiquiatria4,5. Infelizmente, plataformas semelhantes para modelos animais não-humanos são escassas, como não há praticamente nenhuma plataforma amplamente utilizado que aproveitou a sequência genômica em seu projeto inicial.
Um método comum para apreciar a paisagem de methylomic de modelos de animais não-humanos é reduzida representação bissulfito sequenciamento (RRBS)6. Esta abordagem supera o custo do sequenciamento do genoma inteiro bissulfito que, proporcionando uma paisagem de methylomic abrangente, fornece cobertura de leitura-profundidade inferior devido ao custo e informação funcional limitada em grandes áreas pobres em genes do genoma2 . RRBS envolve restrição digest e seleção de tamanho de DNA genômico de enriquecer para altamente rico em GC sequências como consoles de CpG que são comumente encontrados perto de promotores de genes e pensados para jogar um papel no gene Regulamento7. Enquanto o método RRBS tem sido usado em um número de importantes estudos, sua dependência de enzimas de restrição não é sem limitações e desafios notáveis. Por exemplo, o enriquecimento de sequências de GC-ricos em RRBS é totalmente dependente da presença de sequências específicas, reconhecida pela enzima de restrição e seleção de tamanho subsequente por eletroforese. Isto significa que quaisquer áreas genômicas que não contêm esses sites de restrição são excluídas durante a seleção do tamanho. Além disso, comparações entre espécies estão desafiando a menos que nos mesmos sítios de restrição estão presentes no mesmos Locus entre as diferentes espécies.
Uma abordagem para superar as limitações do RRBS é usar um método de enriquecimento que tira proveito da sequência genômica publicado no design da plataforma. A plataforma humana baseada em matriz usa sondas cartilha projetadas contra CpGs específico para alelo-específico (CG vs TG após a conversão de bissulfito) alvo recozimento e primer a extensão. Seu design reflete não só a sequência genômica humana disponível, mas regiões reguladoras verificados experimentalmente adquiridas de várias linhas de investigação, tais como ENCODE e ENSEMBL8. Apesar de sua ampla utilização em investigações de methylomic humana, uma plataforma semelhante não existe para os animais de modelo. Além disso, o formato baseado em matriz coloca restrição significativa na área da superfície disponível para a colocação da sonda. Nos últimos anos, têm-se esforços para combinar a alvo-especificidade conferida pela captura sonda design e o recurso de alta produtividade da próxima geração de sequenciamento. Tal um esforço resultou no sistema alvo baseada no sequenciamento de enriquecimento para o genoma do rato (mouse de metil-Seq), que foi usado para identificar diferenças específicas do cérebro ou induzida por glicocorticoide na metilação9,10. Plataformas semelhantes para outros modelo e não do modelo animais são necessários para facilitar a pesquisa de epigenomic nesses animais.
Aqui, demonstramos a implementação desta novela plataforma para realizar análise de methylomic no rato. O rato tem servido como um importante modelo animal em farmacologia, metabolismo, Neuroendocrinologia e comportamento. Por exemplo, há uma crescente necessidade de compreender os mecanismos subjacentes que dão origem a toxicidade de drogas, obesidade, estresse ou toxicodependência. Uma plataforma de alta produtividade capaz de captar mudanças methylomic associadas a essas condições iria aumentar a nossa compreensão dos mecanismos. Uma vez que o genoma do rato ainda carece de anotação para regiões reguladoras, nós incorporado promotores não-redundante, consoles de CpG, ilha margens11e identificado previamente sequências GC-rico no rato metil-Seq plataforma12.
Para avaliar o projeto bem sucedido e implementação da plataforma de SureSelect alvo enriquecimento (genericamente referido como metil-Seq) para o genoma do rato, utilizamos um modelo do rato de estresse crônico variável (CVS)13 para identificar diferencialmente metilados regiões entre animais átonas e tônicas. Nosso projeto da plataforma, protocolo e implementação podem ser útil para os investigadores que queiram conduzir uma investigação epigenética abrangente e imparcial sobre um organismo cuja sequência genômica já está disponível, mas continua a ser mal anotado.
Todos os experimentos foram concluídos em conformidade e em conformidade com todas as orientações regulamentares e institucionais relevantes, incluindo o Comité de uso no Johns Hopkins School of Medicine e institucional Cuidado Animal.
1. os animais
2. crônico estresse variável
3. endócrinos ensaios
4. comportamento
5. projeto do rato metil-Seq
6. construção da biblioteca de metil-Seq rato de DNA genômico
Nota: Para eliminar os efeitos do lote, processar amostras múltiplas ao mesmo tempo e intensificar as mixagens mestre nesse sentido. Extrair DNA usando um kit de extração de DNA disponível comercialmente. Coluna ou precipitação-com base em ambos os métodos produzem DNA genômico de alta qualidade (relação de 260/280 ~ 1.8). Utilização de métodos baseados em fenol não são recomendados. Eluir ou resuspenda o DNA no buffer de baixo TE (10mm TE, 0,1 mM EDTA, pH 8.0).
7. sequenciamento de um sequenciador de última geração
8. análise para identificar DMRs
9. validação por bissulfito Pyrosequencing
Uma implementação bem sucedida da plataforma de metil-Seq rato varia de acordo com vários critérios. A Figura 1 mostra o fluxo de trabalho geral do estudo e destaca as etapas de controle de qualidade específico (QC) que são necessários antes de avançar. Um dos primeiros fatores a considerar é a robustez do modelo animal e o regime de estresse, que determinam a magnitude de mudanças epigenéticas que ocorrem em todo o methylome. Desde que nosso trabalho animal baseia-se na nossa observação anterior de que a exposição de corticosterona (CORT) pode levar a mudanças na metilação de DNA19,20, nosso regime de estresse crônico variável (CVS) precisava ser de rigor suficiente para produzir salientou ratos com níveis de elevados de plasma CORT. Um típico regime semanal de CVS é mostrado na tabela 1 e consistia de estressores diários pela manhã, à tarde, e durante a noite que são alteradas constantemente para evitar habituação e diminuída resposta ao estresse. Durante todo o regime de 3 semanas, os animais forçados exibiram níveis significativamente elevados de plasma média CORT [dias 4-21, controlam: 32,7 3.7 ng/mL, Stress: 103,0 11,9 ng/mL (SEM média), P = 2,2 x 10-4, Figura 2A] sobre aquelas de átonas, controle de animais. Consistentemente, estes animais também mostraram maior comportamento de ansiedade sobre a elevada além de labirinto (EPM), conforme indicado pelo significativamente mais tempo gasto nos braços fechados da EPM e menos tempo nos braços abertos (Figura 2B). Estes resultados demonstram que a exposição CVS levou a significativa endócrinas e alterações comportamentais, levando-na investigar se estas mudanças foram associadas com assinaturas de metilação de DNA específicas.
Ressaltamos que vários pontos de verificação que são cruciais para a construção bem-sucedida da biblioteca de metil-Seq. Começando com uma quantidade suficiente de DNA é necessário, como sonication, várias lavagem/purificação, enriquecimento do alvo, e as etapas de conversão de bissulfito sucessivamente reduzem a quantidade de DNA na biblioteca acabada. Apesar de várias etapas de amplificação da PCR aliviar a perda do molde do ADN, número excessivo de ciclo PCR pode introduzir maiores leituras duplicadas. Para o atual estudo em ratos metil-Seq, utilizou-se 2 g de sangue gDNA por rato. Notamos que bibliotecas de metil-Seq podem ser feitas com quantidade de DNA de partida tão baixa quanto 500 ng. Menores, a partir do material permite aos usuários gerar bibliotecas de DNA isolado por FACS (classificação de fluorescência-ativado da pilha) ou agulha socos, apesar de haver aumento do risco de produzir uma quantidade insuficiente de bibliotecas para sequenciamento subsequente. QC é executado pela electroforese de 1 L da amostra em um bioanalyzer, que fornece a molaridade, quantidade e peso molecular DNA. Três passos críticos que exigem o uso de bioanalyzer são: 1) seguindo passo sonication para garantir suficiente cisalhamento do DNA (~ 170 bp, vermelho, Figura 3); 2) após a etapa de ligadura adaptador indicaram por uma mudança no tamanho médio do DNA cortado (~ 200 bp, azul, Figura 3) para garantir a sua subsequente amplificação por PCR; e 3) após a etapa de purificação biblioteca final para garantir a quantidade e o tamanho da biblioteca para o sequenciamento.
Os R-pacotes BSSeq e BSmooth em Bioconductor foram usados para analisar o bissulfito de sequenciamento de dados18. Eles incluem ferramentas e métodos para alinhar as leituras de sequência, realizando o controle de qualidade, e identificando diferencialmente metilado regiões (DMRs). BSmooth software invoca Bowtie 2.016,17 como um alinhador de sequência interno para obter resumos de medição de nível CpG, pelo alinhamento de leituras entradas brutos de sequências genomic bissulfito-convertido. O lê alinhado então é filtrado através de procedimentos de controle de qualidade rigoroso que procuram identificar sequenciação sistemática e base-chamada erros que podem distorcer as análises a jusante. Uma série de parcelas são gerados para visualmente auxiliar neste processo de filtragem. Métricas de sequenciamento também são geradas para documento informações relevantes como o número de leituras alinhadas, % alvo e por cobertura de CpG, entre outros (tabela 2). Uma vez que os dados são filtrados, um algoritmo de suavização/normalização é realizado, onde cada CpG é atribuído um valor de metilação estimado com base em QC todos lê de cada amostra e estimativas das vizinhas CpGs para garantir mais preciso chamando de metilação estatuto, mesmo nos casos onde a cobertura de sequência é baixa. Esse valor fornece uma estimativa suavizada da probabilidade de metilação em cada local de CpG. Comparando-se a média das estimativas de cada amostra entre os dois grupos de tratamento e ranking de regiões genômicas do mais significativamente diferentes para menos metilação suavizados, é gerada uma lista de DMRs (tabela 3).
O top com que DMR entre grupos tônicas e átonos localizava-se no promotor do gene de histocompatibilidade do rato Rt1-m4, estressada animais exibem níveis mais elevados de metilação através de todas as CpGs que animais átonos (Figura 4A). Para confirmar o sucesso da implementação da plataforma metil-Seq e análise dos dados, primers foram desenhados contra o DMR e os níveis de metilação do DNA de sangue a coorte de inteira de animais estressados e átonos (8 sequenciado como metil-Seq e 8 não sequenciado) foram avaliados pelo bissulfito pyrosequencing. Resultados demonstraram aumento significativo na metilação do DNA em 10 fora as 12 CpGs analisadas (alteração 5.1 – 10,4% metilação, P < 0.037, Figura 4B). KEGG pathway análise foi realizada em todas as DMRs nominalmente significativas para identificar caminhos associados com o stress. Consistentemente, vias associado DMR implicado doenças associadas com a exposição de estresse crônico, tais como diabetes, doenças cardiovasculares e câncer (tabela 4). 21 , 22 , 23 para demonstrar uma associação entre os dados epigenéticos e o grau de exposição ao estresse, níveis de metilação no CpG-10 foram comparados com os níveis CORT 3-semana médios para cada animal. Os resultados mostraram uma modesta correlação entre os dados do sistema endócrino e metilação (R2= 0,54, P = 0,001, Figura 5).
Figura 1: fluxo de trabalho geral esquemático para a plataforma de rato metil-Seq. G um do DNA genômico extraído do sangue do estressado e ratos controle é processado primeiro para a construção das bibliotecas de metil-Seq para sequenciamento, análise e identificação do alvo. Outros 100 ng de DNA é usado para validação independente dos alvos epigenéticas identificados pelo bissulfito pyrosequencing. Clique aqui para ver uma versão maior desta figura.
Figura 2: a exposição ao estresse crônico variável (CVS) leva a alterações endócrinas e comportamentais em ratos. (A) amostras múltiplas de corticosterona (CORT) demonstram a robustez da semana 3 regime de CVS. Foram colhidas amostras de sangue de manhã antes do regime de estresse diário. (B) animais estressados passaram mais tempo nos braços fechados e menos tempo nos braços abertos da elevada além de labirinto (EPM). Boxplots com ponto de dados para cada animal são mostrados. Realizou-se o teste T de Student para a significância estatística. * P < 0.05, * * P < 0,01, e * * * P < 0,001. Clique aqui para ver uma versão maior desta figura.
Figura 3: quantificação de rato cortado e adaptador-ligado DNA em um bioanalyzer. As curvas vermelhas e azuis mostram a quantidade e o tamanho do DNA genômico (vermelho), após o corte em um sonicador isotérmico e ligadura do adaptador, respectivamente. Cada linha representa uma amostra e o vermelho e azuis curvas refletem tanto a perda de DNA durante as diversas etapas (final-reparação, 3'-adenylation e limpeza de amostra) e aumentam de tamanho bp devido a ligadura dos adaptadores. Afiados picos a 25 bp e 1500 bp são marcadores padrão que foram adicionados para o buffer de carregamento. Clique aqui para ver uma versão maior desta figura.
Figura 4: alterações epigenéticas induzida pelo CVS são detectadas pelo rato metil-Seq. (A) análise do rato metil-Seq dados implicado o promotor do gene da Rt1m4 como uma região diferencialmente metilada (DMR) entre estressado (vermelho) e ratos controle (azul). A saída gráfica para o Rt1m4 DMR (região sombreada rosa) exibe cada CpG (linha vertical cinza), quatro amostras de cada grupo (as linhas vermelha ou azuis) e os níveis de metilação % para cada animal (ponto vermelho ou azul). (B) doze CpGs dentro o DMR foram validadas pela pyrosequencing bissulfito. A barra de gráficos são representadas como dizer SEM, e um de T-Student foi realizada para a significância estatística. * P < 0,05. Clique aqui para ver uma versão maior desta figura.
Figura 5: análise de Regressão Linear mostrou uma modesta correlação entre % DNA metilação no CpG-10 de Rt1m4 e a semana 3 significa plasma níveis CORT de ambos estressado e controlam os animais (N = 16). Dados de animais forçados são representados por círculos vermelhos. Clique aqui para ver uma versão maior desta figura.
Semana | Dia 1 | Dia 2 | Dia 3 | Dia 4 | Dia 5 | Dia 6 | Dia 7 |
AM | Retenção | Nadar | Quarto frio | Nadar | Retenção | Abanador | Nadar |
PM | Abanador | Inclinação de gaiola | Retenção | Abanador | Quarto frio | Retenção | Quarto frio |
Durante a noite | Restringir a comida | Molhar a roupa de cama | Isolamento | Luz acesa | Apinhamento | Luz acesa | Molhar a roupa de cama |
Tabela 1: Uma agenda semanal típica do regime variável de estresse crônico (CVS).
Métricas de sequenciamento | Stress1 | Controle1 |
(n = 4) | (n = 4) | |
Emparelhado final leituras (por) | 89,290,397 | 80,165,674 |
Final emparelhado com exclusividade mapeada lê (UMPER) | 39,200,255 | 35,013,406 |
Eficiência de taxa/mapeamento de alinhamento (UMPER / PER) | 44% | 44% |
Lê de duplicata (% de UMPER) | 73% | 65% |
Do UMPER | 10,481,031 | 12,306,018 |
Média de cobertura de profundidade de leitura (x) (ARDC) | 6 x | 6 x |
CpGs (N) | 12,056,878 | 12,056,878 |
ARDC (x) de CpGs | 2 x | 2 x |
CpGs pelo menos 10 leituras (N) | 481.383 | 595.850 |
ARDC (X) de CpGs pelo menos 10 leituras | 19 | 19 |
No alvo CpGs (sobreposição completa com sonda regiões-alvo) | 1.923.872 | 2.007.638 |
No alvo ARDC (x) de CpGs | 7 x | 8 x |
No alvo CpGs pelo menos 10 leituras (N) | 428.249 | 531.419 |
Na ARDC alvo (x) de CpGs pelo menos 10 lê | 18 x | 18 x |
No alvo (PER com sobreposição de 1 ou mais pares de Base com sonda regiões-alvo) (UMPER) | 8.277.715 | 9.369.523 |
% No alvo (do UMPER) | 78% | 77% |
No alvo (Bases Total mapeadas) Mb | 125 mb | 128 mb |
Cobertura de profundidade no alvo leitura média (x) (ARDC) | 9 x | 10 x |
1 Sequenciamento de métricas baseadas em médias de sujeitos em cada grupo |
Tabela 2: Sequenciamento métricas obtidas a partir da plataforma de metil-Seq de rato.
Chr | início | final | Gene | distância | areaStat | meanDiff | stress | controle | direção |
chr20 | 1.644.246 | 1.644.390 | RT1-M4 | in_gene | 93.03 | 0.22 | 0,33 | 0.11 | ganho de |
chr5 | 160,361,352 | 160,361,564 | LOC690911 | in_gene | -70.75 | -0.19 | 0.72 | 0.91 | perda de |
chr3 | 61,138,281 | 61,138,330 | RGD1564319 | 265569 | 61.79 | 0.21 | 0.94 | 0.72 | ganho de |
chr2 | 143,064,811 | 143,065,010 | Ufm1 | 8569 | -59.48 | -0.11 | 0.13 | 0,24 | perda de |
chr7 | 30,764,111 | 30,764,284 | Ntn4 | in_gene | 57,04 | 0.21 | 0.94 | 0,73 | ganho de |
chr17 | 12,469,112 | 12,469,218 | Idnk | 41996 | -50.91 | -0.13 | 0,74 | 0,88 | perda de |
chr7 | 47,101,725 | 47,101,930 | PAWR | in_gene | -50.54 | -0.12 | 0.64 | 0.76 | perda de |
chr5 | 76,111,248 | 76,111,822 | Txndc8 | 151703 | -50.38 | -0.11 | 0.85 | 0,96 | perda de |
chr11 | 80,640,132 | 80,640,356 | DGKG | in_gene | -50.07 | -0.16 | 0,73 | 0,89 | perda de |
chr8 | 71,759,248 | 71,759,411 | Mir190 | 210226 | -47.84 | -0.17 | 0,58 | 0.75 | perda de |
Tabela 3: Top 10 diferencialmente metilado regiões. Para cada DMR, a tabela de saída mostra da esquerda para a coluna da direita: localização cromossômica (chr), coordena (início/término), nome do gene, distância da transcrição iniciar site, estatísticas de área diferencial entre estressados e controlam grupos (areaStat), quer dizer metilação diferencial (meanDiff), os níveis de metilação média em cada DMR para estressados e grupos de controle (stress/controle) e direção de metilação mudam de controles.
KEGG Pathway termos | Contagem de gene | % | P-valor | Benjamini |
Diabetes | ||||
Diabetes mellitus tipo II | 12 | 0.1 | 3,6 x 10-4 | 9,8 x 10-3 |
Doença cardiovascular | ||||
Contração do músculo liso vascular | 18 | 0.1 | 1.6 x 10-3 | 3,6 x 10-2 |
Arritmogênica do direito cardiomiopatia ventricular (ARVC) | 13 | 0.1 | 4.0 x 10-3 | 7,1 x 10-2 |
Cardiomiopatia dilatada | 14 | 0.1 | 7,6 x 10-3 | 1.2 x 10-1 |
Função do neurônio | ||||
Potenciação de longa duração | 11 | 0.1 | 1.5 x 10-2 | 1.4 x 10-1 |
Sinalização | ||||
Via de sinalização MAPK | 35 | 0.2 | 2,4 x 10-4 | 9,9 x 10-3 |
Via de sinalização de cálcio | 22 | 0.1 | 1.2 x 10-2 | 1.4 x 10-1 |
Via de sinalização do chemokine | 21 | 0.1 | 1.2 x 10-2 | 1,3 x 10-1 |
Câncer | ||||
Percursos em câncer | 42 | 0.3 | 4.1 x 10-5 | 3.4 x 10-3 |
Glioma | 15 | 0.1 | 4.4 x 10-5 | 2,4 x 10-3 |
Câncer de pulmão de células não pequenas | 10 | 0.1 | 7,9 x 10-3 | 1.1 x 10-1 |
Câncer colorretal | 13 | 0.1 | 8,4 x 10-3 | 1.1 x 10-1 |
Leucemia mieloide crônica | 12 | 0.1 | 1.2 x 10-2 | 1,3 x 10-1 |
Tabela 4: Análise KEGG Pathway do DMRs identificadas a partir do rato metil-Seq
Neste estudo, nós concebido e implementado a plataforma de metil-Seq para o genoma do rato. Demonstrando sua utilidade com um modelo do rato de stress, demonstrámos que o pipeline experimental e analítico pode fornecer diferencialmente metiladas regiões entre dois grupos de comparação.
Para garantir uma implementação bem-sucedida da plataforma, várias etapas críticas precisam ser observados. Primeiro, inicial, quantidade e qualidade do DNA tem um impacto significativo sobre a qualidade e quantidade da biblioteca de metil-Seq final. Usamos um dados, ao invés de um espectrofotômetro, para garantir que nossa medida de DNA reflete a quantidade de DNA de cadeia dupla presente. O bioanalyzer foi usado para medir o tamanho molecular e a quantidade de DNA após o corte e após ligadura do adaptador. Verificar o tamanho molecular "mudança" entre estas etapas é crucial para confirmar a presença de adaptadores nas extremidades de cada fragmento de DNA que passará por PCR mediada por adaptador nas etapas subsequentes. A quantidade de DNA restante no final da etapa de ligadura adaptador também é importante, desde pelo menos 100 ng do produto biblioteca é necessário nesta etapa para assegurar quantidade suficiente disponível após as etapas de conversão de enriquecimento e bissulfito de alvo. Uma medição de alta sensibilidade a final foi realizada na biblioteca de metil-Seq construída para que a biblioteca pode ser devidamente diluída para clustering subsequentes sobre o sequenciador de última geração. Finalmente, bissulfito pyrosequencing foi empregado como um método altamente quantitativa, independente para avaliar a precisão do pipeline analítica. A validação final usando as amostras originais e replicação usando animais adicionais são etapas cruciais para garantir que a experiência pode detectar mudanças biologicamente significativas na metilação do DNA.
Nós também incluímos várias orientações no caso de desvio de protocolo ou se problemas são encontrados. Primeiro, é possível perder muito DNA durante o fim-reparação, ligadura de adaptador ou etapas de purificação magnética do grânulo. Alternativamente, a partir de quantidades de DNA pode ser pequena (< 200 ng) devido à disponibilidade limitada de tecido/DNA ou a aplicação de diferentes métodos de enriquecimento como fluorescência ativada celular classificação. Aumentando o número de ciclo durante as etapas de amplificação de dois biblioteca pode ser capaz de compensar a perda excessiva de DNA ou baixa quantidade de DNA em todo o protocolo de construção de biblioteca a começar. No entanto, não mais do que um adicional 2 – 3 ciclos são recomendados, como amplificação excessiva modelo é susceptível de conduzir a um aumento no número de leituras duplicados sendo sequenciado. Estas duplicatas são excluídas durante a etapa de alinhamento para evitar viés nos cálculos da porcentagem de metilação. Em segundo lugar, se o tamanho médio de DNA não aumenta por mais de 30 bps, verifique se que os reagentes são novos, como T4 DNA polimerase, Klenow e/ou T4 ligase pode ser velho. Reagentes de substituição disponível comercialmente podem ser usados.
Além disso, é possível que a predita DMRs não podem validar por pyrosequencing, onde as diferenças de metilação de DNA não existem ou são significativamente menos do que aqueles preditos pela análise. Validação de pobre das regiões do candidato é um problema muito comum para muitas análises de todo o genoma, tais como quando pyrosequencing resultados não confirmam a metilação diferencial ou o tamanho do efeito é muito menor do que o previsto pela análise. BSmooth é um pacote analítico que os níveis de metilação "suaviza" através de uma janela de múltiplos CpGs. Para a experiência atual, BSmooth implicado um DMR cujos níveis de metilação foram validados pela pyrosequencing bissulfito. No entanto, provavelmente haverá discrepâncias entre os níveis de metilação preditos por BSmooth e aqueles verificados por pyrosequencing. As discrepâncias surgem a partir da função de suavização que estima os valores médios de metilação através de todas as CpGs dentro um DMR, incluindo consecutivos CpGs que podem diferir na metilação do DNA por mais de 50% ou CpGs cujos valores de metilação foram excluídos devido a limite de sub leitura de profundidade. R-pacotes como MethylKit24 podem ser usados para identificar janelas menores de CpGs ou mesmo única CpGs cujos níveis de metilação correlacionam fortemente com aqueles validados pelo pyrosequencing. Implementação de pacotes diferentes e testando suas regiões previstas ou CpGs de metilação diferencial por pyrosequencing garantem robustez dos dados. Alternativamente, bibliotecas de metil-Seq originais podem ser reordenadas e adicionadas aos arquivos de leitura para aumentar a profundidade de leitura. Desde que a determinação dos níveis de metilação são semi-quantitativa e ditada pelo número de leituras [(# of CpGs) / (n º de TpGs + CpGs)], aumento da profundidade de leitura para um determinado CpG aumentará a precisão do seu valor percentual de metilação. Neste estudo, consideramos apenas CpGs cujos valores de metilação foram determinados pelo menos dez leituras e alcançado uma cobertura global de leitura de 19 x para cada CpG.
A plataforma de metil-Seq de rato não é sem suas limitações. Enquanto é mais rentável do que o sequenciamento do genoma inteiro bissulfito, é consideravelmente mais caro do que outros métodos. No entanto, a maioria do custo foi para adquirir pistas sobre o sequencer e não para o sistema de captura. Dependendo da profundidade de leitura necessária, com comparações de cruz-tecido que exigem menos devido a diferenças de grande (25% a 70%)12 na metilação do DNA, o custo pode ser reduzido por multiplexação mais amostras por raia e usando uma plataforma de maior capacidade. Além disso, a preparação da amostra é mais demorada do que outros métodos. Embora semelhante a outras abordagens de pulldown que incorporam o sequenciamento de nova geração, as etapas de conversão e purificação de bissulfito adicionado adicionem à carga de trabalho. Em geral, a plataforma de metil-Seq é uma alternativa econômica para o sequenciamento do genoma inteiro e fornece resolução de pares de base em mais de 2,3 milhões de CpGs, que é consideravelmente mais do que aqueles analisada por plataformas microarray. Até à data, os humanos comercialmente disponíveis e mouse metil-Seq plataformas têm sido usadas para documentar as alterações dependentes de álcool no cérebro de macaco25,26, desenvolvimento neurológico genes no cérebro de rato9e sangue-cérebro alvos de glicocorticoides10. Além disso, a capacidade de direcionar a regiões específicas, independentemente do reconhecimento de sequência por enzimas de restrição torna uma plataforma ideal para comparações entre espécies. Para este estudo, nós projetamos a plataforma de metil-Seq para o rato, para o qual muitas experiências farmacológicas, metabólicas e comportamentais são executadas sem o benefício de uma ferramenta de methylomic de todo o genoma. Nossos dados mostram que ele pode ser usado para detectar DMRs em um modelo do rato de stress e correlacionados outros parâmetros fisiológicos, tais como níveis de plasma global CORT.
A plataforma de metil-Seq é ideal para epigenéticos experimentos em animais com genomas sequenciados que podem não ter suficiente evidência experimental documentando regiões reguladoras. Quando tais regiões são disponibilizadas, regiões adicionais podem ser personalizados e anexadas à versão atual. Além disso, a plataforma é ideal para genómica comparativa, uma vez que o enriquecimento de destino não é restringido por reconhecimento de enzima de restrição. Por exemplo, a região promotora de qualquer gene de interesse pode ser capturada independentemente se ele abriga um sítio de restrição específica. Da mesma forma, qualquer regiões reguladoras, tais como aquelas identificadas no mouse ou seres humanos, que são conservados no genoma de interesse podem ser capturados.
O manuscrito é parte de um prémio do concurso da Agilent Technologies.
Este estudo foi financiado pelo NIH grant MH101392 (RSL) e apoio dos seguintes prêmios e fundações: um NARSAD Young Investigator Award, Margaret Ann preço investigador Fund, fundo de estudioso de James Wah humor distúrbios através do Charles T. Bauer Foundation, Baker Fundação e a Fundação de partida do projeto (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 permissão para reutilizar o texto ou figuras deste artigo JoVE
Solicitar PermissãoThis article has been published
Video Coming Soon
Copyright © 2025 MyJoVE Corporation. Todos os direitos reservados