- 综合排序
- 最热优先
- 最新优先
- 来自专栏百味科研芝士
甲基化结合免疫浸润如何打造5分+SCI
单因素Cox分析表明,6个NEFM DNA甲基化与OS有关。 ? 表3 单因素Cox分析 5. NEFM表达水平与巨噬细胞和中性粒细胞浸润水平正相关（图5a和5c）。 NEFM表达水平与M2巨噬细胞浸润水平呈弱负相关，NEFM DNA甲基化与M1巨噬细胞浸润水平呈弱负相关，与M2巨噬细胞浸润水平呈正相关(图5e)。 ? 图5 NEFM表达水平/DNA甲基化与免疫浸润的相关性 7. 表4 NEFM表达水平/NEFM DNA甲基化与免疫调节因子的相关性 此外，NEFM表达水平与MHC相关分子B2M和HLA-DPB1相关性较差（表5）。 ?
1K30发布于 2021-07-12 - 来自专栏生物信息云
甲基化测序与甲基化芯片
而5hmC作为去甲基化过程的第一步，则会导致基因激活或基因表达水平增高，研究表明DNA的5hmC在多种肿瘤中有明显降低。因此，分析基因组的5mC和5hmC水平具有重要的临床意义。 随着研究的深入，发现之前被认为是检测DNA甲基化“金标准”的重亚硫酸盐测序并不能区分DNA甲基化（5mC）和DNA羟甲基化（5hmC）。 技术原理 通过高钌酸钾氧化羟甲基化的 C，将其转化成甲酰化的 5fC。甲酰化的 C 碱基，可以被重亚硫酸氢盐转化成 U；而甲基化的 C，不会被转化成 U。这样就把 5hmC 和 5mC 给区分开来了。 先用糖基把 5hmC 保护起来，变成 5gmC。 b. 再用 TET 酶把 5mC 转变成 5hmC，再转化成 5fC 和羧基化的 5caC。 (6) (羟)甲基化DNA免疫共沉淀测序(h)MeDIP-seq 5hmC是新发现的一种的修饰碱基，由TET家族的酶通过氧化5mC产生的。
2.6K20编辑于 2022-06-13 - 来自专栏用户7627119的专栏
RNA甲基化
DNA甲基化大家肯定都不陌生，而这几年却发现了RNA甲基化的呼声甚至比DNA甲基化更高。那RNA甲基化到底是什么呢？ RNA甲基化修饰类型很多如：m6A RNA甲基化﹑m5C RNA甲基化﹑m1A RNA甲基化、m7G RNA甲基化等。 真核生物m6A甲基化修饰[1] 功能篇 在真核生物中，5’UTR区域发生的甲基化修饰，在剪接、编辑、稳定性、降解、多腺苷酸化等方面起到十分重要的作用；而3’UTR区域的甲基化修饰有助于 去甲基化酶：催化RNA去甲基化修饰，即对已发生m6A修饰的碱基“擦除”甲基基团，包括FTO和ALKHB5等。 Cell, 2014. 158(5): p. 980-987.
2.4K20发布于 2020-08-06 - 来自专栏生命科学
MCE | 组蛋白甲基化
I 型 PRMTs (PRMT1, PRMT2, PRMT3, PRMT4, PRMT6 和 PRMT8) 产生单或不对称二甲基化精氨酸 (ADMA)，II 型 PRMTs (PRMT5 和 PRMT9 另外，含 WD40 重复序列的蛋白如 WDR5，可通过与 MLL, RBBP5, ASH2L 和 DPY30 形成蛋白质复合物，促进组蛋白 H3K4 甲基化。 Curr Cancer Drug Targets. 2013 Jun;13(5):558-79. 5. Nat Rev Mol Cell Biol. 2012 Apr 4;13(5):297-311. 7. Milite C, et al. Cancer J. 2017 Sep/Oct;23(5):292-301. 16. Magliulo D, et al.
1K30编辑于 2023-03-10 - 来自专栏用户6927366的专栏
甲基化肿瘤分型文章套路视频(甲基化预后分型)
--生信自学网 今天给大家介绍一篇五分的甲基化预后分型文章套路 同时，使用甲基化位点构建预后模型，得到预后分析的结果。 首先我们从TCGA下载甲基化数据，我们得到了甲基化的位点矩阵。 将甲基化位点矩阵和生存数据进行联合分析，找出预后相关的甲基化位点。 ConsensusClusterPlus一致性聚类是一种为确定数据集中可能的聚类的数量和成员提供定量证据的方法。 我们比较不同亚型之间甲基化位点的差异，得到差异的甲基化位点。接下来，我们对这些位点构建甲基化位点预后模型。最后，通过风险生存曲线，ROC曲线以及风险曲线，验证了我们模型的准确性。 spm=a1z10.3-c.w4002-10686358831.21.5b3f14f5cF0DsX&id=612553931889 课程购买链接2： https://ke.biowolf.cn/biovideo
1.3K00发布于 2020-02-24 - 来自专栏芒果先生聊生信
甲基化分析神器--UALCAN
但是，个人经验来说，免疫浸润表型分析，首选oncomine+TIMER；相关性分析较多，尤其是涉及基因表达的相关性，基因表达与肿瘤分期的相关性，首选oncomine+GEPIA；若涉及基因组学如甲基化或者与病理分期的相关性 差异分析，UALCAN做箱式图 UALCAN数据库最特殊的地方是甲基化分析。因为甲基化与肿瘤的发生、发展关系极为密切。 所以在涉及肿瘤与正常组织的甲基化分析时，首选oncomine+UALCAN双确认模式。 那么，如何进行甲基化分析呢？ 其实很简单。在界面选择甲基化分析，点击进入即可。 ? 表达差异，生存分析，甲基化，相关性等，也是我们生信分析的思路。分析结果，既有探针信息，也有p值，说服力很强。在论文中，我们可以综合编辑，给出探针信息以及p值。 ? 甲基化是基因组学层次上机制探究的重要组成部分，值得我们关注和分析。 ?
4.1K12发布于 2020-08-05 - 来自专栏生信探索
DNA甲基化芯片分析02: DNA甲基化芯片基础知识
undefined 基础知识 芯片中各种值的含义 beta： $beta = \frac{M}{M+U+100}$ 表示某region的甲基化率 ≤0.2 完全未甲基化，(0.2,0.6) 部分甲基化 ，≥0.6完全甲基化 M：探针B（甲基化）的数目M A：探针A（非甲基化）的数目U 基因组上的分布 将整个基因组划分为Promoter, Body, 3UTR, Intergenic 4种区域，其中Promoter 区又细分为TSS200, TSS1500, 5UTR, 1stExon 4种情况。 DMB：（某个基因附近的全部甲基化探针）更大的差异化region区域。有的科学家觉得，DMR这样的区域还不够显著，DNA上的甲基化出现变化，可能是绵延几千位点的！ VtuapPafKsZaS_WKuQx4Xg https://mp.weixin.qq.com/s/mJ8qlSLXvvvLz98NdhL9jA https://mp.weixin.qq.com/s/fLZFEWHt5K55FffExhD9zA
1.1K50编辑于 2023-02-24 - 来自专栏生信修炼手册
bsseq 进行差异甲基化分析
共6列数据，制表符分隔，每一行代表一个甲基化位点，前5列很好理解，描述甲基化位点的染色体位置和类别，默认情况下bbseq用于分析CpG类型的甲基化位点。 Cov代表覆盖到这个位点的reads数，M代表其中发生了甲基化的reads数目。 在实际分析中，由于甲基化位点很多，所以这一步时间特别久，为了提高速度，可以添加mc.cores参数，这个参数指定了CPU个数，用于并行执行。 T-test 在分析之前，有必要过滤掉覆盖度较低的甲基化位点。通常保留在所有样本中覆盖度大于2的甲基化位点，但是也可以修改这个条件。 subset对差异甲基化的结果进行筛选，筛选包含甲基化位点个数大于3而且meanDiff 大于0.1的甲基化区域。
1.7K10发布于 2020-05-09 - 来自专栏医学数据库百科
RNA甲基化靶标预测
之前我们推荐过一些和RNA甲基化有关的数据库。其中当时总结了四个基于测序来预测RNA甲基化靶标的数据库。前段时间想查一下相关靶标的时候，发现这四个数据库都成了这个样子了。。。。 所以也就发现了另外一个基于测序数据来预测RNA甲基化的数据库：m6a2Target (http://m6a2target.canceromics.org/#/home)。
57620编辑于 2021-12-14 - 来自专栏生信修炼手册
初识DNA甲基化芯片
测定甲基化的手段有很多，芯片作为一种成熟的手段，其稳定性，可重复性以及性价比，使得在DNA甲基化研究领域芯片占据了半壁江山。 从具体的探针数目也可以看出，450K 和 850K 是1个约数，用来表明探针的数量，覆盖的甲基化位点的个数。 探针是以甲基化位点为单位的，每个探针对应检测一个甲基化位点。 对于亚硫酸氢盐处理的DNA ，非甲基化的C会变成T , 而甲基化的C不会变。 对于II 型探针而言，设计的比较巧妙，它只需要1个bead type, 探针只涉及到甲基化位点的前一个碱基，在DNA 链的延伸阶段，根据延伸的碱基是A 还是 G , 从而判断是甲基化的C 还是非甲基化的 type 分别识别甲基化的C和非甲基化的C，II 型探针通过1个bead type 就可以区分甲基化的C和非甲基化的C。
1.7K10发布于 2020-05-09 - 来自专栏数据挖掘
MSP甲基化引物设计
其原理是：在亚硫酸氢盐作用下，未甲基化的胞嘧啶会发生脱氨基反应并最终被转化为尿嘧啶，在随后的PCR扩增中被识别为胸腺嘧啶；而甲基化的胞嘧啶（5-甲基胞嘧啶）对亚硫酸氢盐处理稳定，不发生转化，仍保持为胞嘧啶 Cytosine（胞嘧啶），p = 磷酸二酯键（phosphodiester bond，连接 C 和 G 的“—p—”），G = Guanine（鸟嘌呤）所以 CpG 就是指：在 DNA 双链序列里，5' —C—p—G—3' 这种 线性相邻 的碱基组合CpG 的甲基化在哺乳动物基因组里，CpG 中的 C 常常会被修饰成 5-甲基胞嘧啶（5-mC）。 所在位置：在基因的5’非翻译区（5’UTR）中,标志着转录开始，不一定和蛋白编码序列的ATG重合,决定mRNA的起始位置ATG（起始密码子）:mRNA上用作翻译的第一个密码子，编码蛋白质的第一个氨基酸（ 在mRNA的编码区（CDS）起始处,通常位于TSS下游若干碱基（距离可从几十到几百bp不等）,决定蛋白的起始位置…---[启动子]---TSS(+1)---5’UTR---ATG（起始密码子）---…1.4
1.1K10编辑于 2025-09-19 - 来自专栏生信修炼手册
methylKit 进行差异甲基化分析
methylKit 是一个用于分析甲基化测序数据的R包，不仅支持WGBS，RRBS和目的区域甲基化测序，还支持oxBS-sq, TAB-seq等分析5hmc的数据。 其核心功能是差异甲基化分析和差异甲基化位点和区域的注释。 每一行是一个甲基化位点，coverage 代表覆盖这个位点的reads数，freqC 代表甲基化C的比例，freqT 代表非甲基化C的比例。 在methylKit中，它的差异分析总是针对合并后的甲基化表达谱，如果你的甲基化表达谱每一行是一个甲基化位点，那么差异分析的结果就是差异甲基化位点；如果你的表达谱每一行是一个甲基化区域，那么差异分析的结果就是差异甲基化区域 上面的例子都是针对差异甲基化位点的，下面看下差异甲基化区域的分析。
4.2K30发布于 2020-05-10 - 来自专栏用户7627119的专栏
mRNA和甲基化关联分析
我们知道一般基因启动子区域的超甲基化会导致下游基因转录受到抑制，从而使表达量下调。也就是一般启动子区域的甲基化水平跟下游基因的表达是成负相关的。 前面也给大家分享过 ☞R绘制甲基化和表达谱联合分析热图 今天给大家介绍一个网页工具cBioPortal(http://www.cbioportal.org/)，可以绘制肿瘤中，任意基因的甲基化水平跟表达之间的相关性散点图 .首先我们打开这个网站 2.接下来我们查找一个研究的肿瘤，我们以结直肠癌为例，搜索colorectal，然后勾选一套数据，点击query by gene（按照基因来检索） 3.选择表达谱数据，选择甲基化数据 点击Plots，绘图 5. 横轴选择mRNA，纵轴选择methylation，去掉Copy Number的勾选，否则在图上会显示拷贝数相关的信息，大家可以自己尝试一下。
1K10编辑于 2022-09-21 - 来自专栏医学和生信笔记
minfi包处理甲基化数据
甲基化分析应知应会的另一个R包：minfi，ChMAP包的很多的函数都有minfi包的影子。 minfi使用起来也很简单，就是5个对象走一遍流程即可，下面还是用之前的GSE194282数据集进行演示！ /gse149282/GSE149282_RAW/" 首先是读取csv文件，这个文件需要自己制作，可以参考这篇文章：ChAMP分析甲基化数据：样本信息csv的制作和IDAT读取 targets <- 甲基化矩阵的两种注释包： manifest：主要包含matrix design， annotation：甲基化位点的位置，SNP信息等。 我们这个甲基化芯片是Illumina EPIC的，不同方法都试一下。
1.4K10编辑于 2022-11-15 - 来自专栏百味科研芝士
如何用TCGA数据库DNA甲基化芯片发5分文章？
一 下载DNA甲基化的数据 首先作者下载了TCGA数据库中（level 3）的DNA甲基化的数据，不过他下载的是Human Methylation27 BeadChip，就是27k的甲基化芯片数据，这类芯片所能捕获到的甲基化位点相对较少 ，主要是检测人基因组2.7万个甲基化位点。 最后保留了551个病人样本和27578个甲基化位点进行后续分析。 ? 四 识别DNA甲基化位点并建立模型 在训练数据集中，识别与病人生存率相关的DNA甲基化位点并建立模型，这个是文章具体计算过程，其实就很简单，作者实际上针对病人的整体生存时间，只进行了单变量cox分析和多变量 cox分析，最后作者采用多变量分析中的逐步回归法（stepwise）成功抓取了5个重要的甲基化位点，根据他们在模型中的参数，构建了这样的一个预后风险表达式。
1.7K10发布于 2019-08-15 - 来自专栏生信技能树
甲基化相关的习题背景补充
最近我在《生信技能树》安排了两个甲基化相关的学徒作业： 学徒任务-探索DNA甲基化的组织特异性 一个甲基化芯片数据被挖掘好几次（学徒作业） 有学徒表示虽然看了我在B站免费分享的视频课程《甲基化芯片（450K 下面是哈医大学徒整理 DNA甲基化 定义：DNA甲基化(DNA methylation)是研究得最清楚、 也是最重要的表观遗传修饰形式，主要是基因组 DNA上的胞嘧啶第5位碳原子和甲基间的共价结合，胞嘧啶由此被修饰为 5甲基胞嘧啶(5-methylcytosine，5mC) 哺乳动物基因组中5mC占胞嘧啶总量的2%-7%，约70%的5mC存在于CpG二连核苷 在结构基因的5’端调控区域, CpG二连核苷常常以成簇串联形式排列 ，这种富含CpG二连核苷的区域称为CpG岛(CpG islands)，其大小为500-1000bp，约56%的编码基因含该结构 影响：基因调控元件(如启动子)所含CpG岛中的5mC会阻碍转录因子复合体与 复制相关的去甲基化： 在复制过程中维持甲基化酶活性被关闭或维持甲基化酶活性被抵制。 全新甲基化|甲基化状态保持|去甲基化： ?
79671发布于 2020-10-26 - 来自专栏生信修炼手册
bismark 识别甲基化位点
length=86 + 11 77736289 Z SRR15024338_length=86 + 3 197272186 Z 共5列 ，第一列为比对上的序列ID，第二列为基因组的正负链信息，第三列为染色体编号，第四列染色体上的位置，第5列为甲基化的C的状态。 不同字母表示不同的甲基化C: X 代表CHG中甲基化的C x 代笔CHG中非甲基化的C H 代表CHH中甲基化的C h 代表CHH中非甲基化的C Z 代表CpG中甲基化的C z 代表CpG中非甲基化的 C U 代表其他情况的甲基化C(CN或者CHN) u 代表其他情况的非甲基化C (CN或者CHN) 对于CpG, 采用字母X的大小写来表征甲基化状态；对于CHG, 采用字母H的大小写来表征甲基化状态； 双坐标轴图，左侧的纵轴代表甲基化比例，右侧的纵轴代表甲基化的数目，横坐标代表测序读长。
2.5K10发布于 2020-05-09 - 来自专栏生信修炼手册
ChAMP分析甲基化芯片数据-GSEA篇
当我们得到差异的探针或者差异的甲基化区域之后，通常都会分析这些差异区域对应的基因是否在特定功能上有富集。在ChAMP中，通过champ.GSEA函数来实现功能富集分析。 myDMR <- champ.DMR() myGSEA <- champ.GSEA() 在ChAMP中，提供了两种富集分析的方法: fisher gometh champ.GSEA默认对差异CpG位点和差异甲基化区域对应的基因做富集分析 富集分析早已经是研究基因功能的常用工具之一了，那么对于甲基化芯片的富集分析和传统的富集分析有没有不一样的地方呢？ List of 2 $ DMP:’data.frame’: 666 obs. of 9 variables: ..$ Gene_List: Factor w/ 8338 levels “3_5_ 2708 6157 … $ DMR:’data.frame’: 115 obs. of 9 variables: ..$ Gene_List: Factor w/ 8338 levels “3_5_
1.8K30发布于 2020-05-10 - 来自专栏医学数据库百科
MEXPRESS:TCGA甲基化分析数据库
我们通过TCGA数据库可以观察每个人的基因表达的变化；甲基化的变化；拷贝数的变化；以及他们的临床信息。 结果信息包括 临床信息 基因的表达信息 基因的拷贝数变化信息 基因的甲基化位点变化信息。 甲基化信息的左边可以看到基因的相关信息包括基因组长度；各个不同的转录本; cg位点的位置以及CpG岛的位置 默认的样本的排列顺序是按照基因表达量从小到大的顺序排列的。 聚焦 如果我们想要查看某一区域：比如CpG位点的甲基化变化情况。我们可以用鼠标选上那块区域。然后就可以聚焦查看这段区域的变化了。 ? 甲基化和结果的进一步总结。这里显示的是甲基化和排序变量的总结结果。比如我们排序性别.那么就是看不同性别之间甲基化的变化。 PS：貌似这个总结只能是二分类的，如果是连续性的变量也会变成二分类来看。 ?
3.5K21发布于 2020-07-07 - 来自专栏基因组
ChAMP甲基化芯片分析官方流程学习
rm(list = ls()) options(stringsAsFactors = F)library("ChAMP")2.官方测试数据环境中增加5个数据：Anno，hm450.manifest.hg19 其次，ChAMP 会过滤在至少5%的样本中具有少于3个beads的探针。此默认设置可通过参数filterBeads更改，或者通过参数beadCutoff调整频率。 左下图（基因组区域分布）：横轴表示探针在基因组中的位置，包括 1stExon（首个外显子）、3’UTR、5’UTR、Body（基因体区域）、IGR（基因间区域）、TSS1500（启动子区域，距转录起始位点 归一化(Normalize)myNorm <- champ.norm(beta=myLoad$beta,arraytype="450K",cores=5)在Illumina BeadArray技术中，探针具有两种不同的设计类型 "ATATGCA,MIR-448" # [4] "BENPORATH_ES_WITH_H3K27ME3" "GGGACCA,MIR-133A,MIR-133B" "chr5q31
78010编辑于 2025-01-17
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号