近日，课题组博士生齐婷同学在Briefings in Bioinformatics上发表了基于read-level鉴定DNA甲基化标志物的方法——Alpha, 该方法可以降低组织细胞类型反卷积的误差，同时可以增强血液中循环肿瘤DNA的检测。

英文标题：Read-level DNA methylation deconvolution enhances circulating tumor DNA detection. 

内容简介：DNA甲基化是决定细胞身份的关键表观遗传修饰。基于CpG位点水平数据的传统方法，通常缺乏检测低频甲基化信号的灵敏度。本文介绍了一种名为Alpha的新方法，该方法结合了无偏的分割和稳健的读取水平识别，能够识别低频细胞类型特异性甲基化信号。Alpha识别的甲基化标记在增强子、活性启动子和转录因子结合位点等调控基因组元件中显著富集。在模拟的细胞类型混合物中，Alpha衍生的标记表现出更优的解卷积性能，与基于β值的方法（DSS）相比，即使在标记数量有限（N<50）的情况下，也展现出更低的误差指标。我们将 Alpha 与非负最小二乘法 (Alpha-NNLS) 相结合，实现了对模拟乳腺癌和结肠癌无细胞 DNA 中循环肿瘤 DNA (ctDNA) 的灵敏检测，其性能优于现有的基于读段甲基化的肿瘤比例估计方法（CelFEER 和 UXM）。我们将 Alpha-NNLS 应用于早期结肠癌血浆样本的靶向亚硫酸氢盐测序数据，并证实其与现有方法具有高度一致性 (R²=0.98)，支持其灵敏检测 ctDNA 的潜力。

文章链接：

Briefings in bioinformatics, 2025, bbaf551. DOI: https://doi.org/10.1093/bib/bbaf551