💻 生物信息学

methylTFR: Computational quantification of transcription factor activity from DNA methylation

作者提出了 methylTFR，这是一个用于从 DNA 甲基化数据中量化转录因子活性，以识别细胞类型特异性调节因子并解析跨体量及单细胞免疫细胞甲基化组的发育轨迹的 R 程序包。

原作者： Gunduz, I. B., Nitsch, R., Murugan, S. K., Mueller, F.

发布于 2026-10-05

📖 1 分钟阅读☕ 轻松阅读

原作者： Gunduz, I. B., Nitsch, R., Murugan, S. K., Mueller, F.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

在人体内的每一个细胞中，一套复杂的指令决定了该细胞的功能。皮肤细胞知道如何保护身体，而血细胞知道如何携带氧气。这种身份不仅写在 DNA 序列本身之中，还体现在 DNA 如何被管理的方式上。想象一下，DNA 就像一座庞大的图书馆，里面藏满了书。细胞并不需要同时阅读所有的书；它只需要打开与自身工作相关的特定书籍即可。被称为转录因子的蛋白质充当了图书管理员的角色，它们寻找正确的书并将其打开，以便细胞能够阅读这些指令。然而，这座图书馆拥有一套安全系统：被称为甲基的化学标签可以附着在 DNA 上，有效地将某些书锁住或保持关闭状态。当这些标签存在时，图书管理员蛋白质无法与 DNA 结合，指令便保持沉默。了解哪些书被锁上了，哪些是打开的，对于理解细胞如何运作、随着年龄增长如何变化，以及当这一系统崩溃时癌症或免疫疾病等疾病是如何产生的，都至关重要。

多年来，科学家们已经有了极好的方法来观察 DNA 的哪些部分在物理上是开放且可及的，并且能够读取锁定 DNA 的化学标签。但将这两个视角联系起来一直是一个难题。研究人员能看到锁，也能看到打开的门，但缺乏一种清晰、直接的方法来衡量“图书管理员”基于这些锁的状态究竟有多活跃。由萨尔大学（Saarland University）团队开发的一个名为 methylTFR 的新工具填补了这一空白。该软件不再仅仅孤立地观察锁，而是通过计算整个基因组中化学标签的模式，来揭示转录因子的活性。它将复杂的 DNA 甲基化图谱转化为一个简单的评分，告诉研究人员特定调节因子在给定细胞类型中的活跃程度。

研究人员在来自 147 个样本的大规模数据集中测试了这个新工具，这些样本代表了 14 种不同类型的人类免疫细胞，包括对抗感染的白细胞和产生抗体的细胞。通过应用 methylTFR，他们能够为每种细胞类型创建详细的转录因子活性剖面。结果令人瞩目：该工具能够以极高的准确度区分不同的免疫细胞，仅使用了这些因子所识别的 632 个特定的 DNA 模式（或称基序/motifs）。这与分析基因组中数百万个微小的随机切片一样有效。更重要的是，该工具揭示了特定的生物学故事。例如，它显示了一类被称为 CEBP 的调节因子家族和另一类被称为 ETS 的家族在髓系细胞（参与人体即时防御）中高度活跃，而在处理长期免疫的淋巴细胞中则基本处于不活跃状态。这种清晰的分离证实了 DNA 在这些特定位点的化学状态是细胞身份的一个强大特征。

随后，团队深入研究了细胞随时间变化的规律，重点关注了对免疫系统至关重要的 T 细胞。当身体遇到病毒时，未暴露的 T 细胞会转化为记忆细胞，从而能够在多年后识别入侵者。研究人员使用 methylTFR 追踪了从未暴露状态到中央记忆状态，再到效应记忆状态的旅程。他们发现，随着这些细胞成熟，某些调节因子的活性发生了剧烈变化。未暴露状态的工具（特别是来自 SPI 和 ETS 家族的因子）变得不那么活跃，而记忆状态的工具（特别是 AP-1 家族）则变得更加活跃。这种转变不仅体现在 DNA 的化学标签上，也与研究人员在细胞基因表达中观察到的情况相吻合。该工具提供了一张清晰的线性图谱，展示了这种转化过程，表明 DNA 的化学锁定与解锁是记录细胞如何记忆过往感染的一致且可靠的记录。

为了确保这些发现并非数学上的伪影，研究人员将他们的结果与来自其他大规模研究的蛋白质结合直接测量结果进行了对比。他们发现，当 methylTFR 预测某个转录因子处于活跃状态时，相应的 DNA 位点确实较少受到化学锁定，且对蛋白质更具可及性。反之，当工具预测不活跃时，这些位点则保持锁定状态。即使在数据通常稀疏且充满噪声的单细胞研究中，这一结论依然成立。通过将数千个单细胞组合在一起以创建更清晰的图像，研究人员展示了 methylTFR 能够检测到其他方法所忽略的细微细胞状态差异。例如，在 T 细胞中，即使 DNA 的物理开放程度保持不变，其化学标签的变化也能区分出不同的记忆状态。这表明，化学锁定机制比 DNA 的物理开放本身是一个更稳定、更详细的细胞历史记录器。

methylTFR 的开发为观察基因组提供了一种新方式，它超越了简单的开放或关闭区域列表，转向一种驱动生命的动态视角。通过将复杂的 DNA 甲基化景观转化为可读的转录因子活性评分，该工具让科学家能够看到引导细胞行为的“隐形之手”。它适用于各种类型的数据，从大规模细胞集合到单细胞快照，并能与现有的基因表达和 DNA 可及性研究方法无缝集成。研究人员已向科学界免费开放了该软件，希望它能成为探索细胞如何维持其身份、如何应对疾病以及如何随人类生命周期变化的标准工具。这种方法不仅仅是在描述 DNA 的状态，它还在解释阅读 DNA 的机制的活性，为我们理解定义我们在细胞层面上是谁的基本过程提供了一个更清晰的窗口。

methylTFR 技术摘要：通过 DNA 甲基化进行转录因子活性的计算量化

问题陈述

转录因子（TF）通过结合特定的 DNA 序列来调节基因表达，这一过程受到表观遗传修饰（特别是 DNA 甲基化）的调节。虽然目前已存在通过基因表达或染色质可及性（例如 ATAC-seq）来推断 TF 活性的计算方法，但仍缺乏直接从 DNA 甲基化特征中量化 TF 活性的标准化工具。现有方法通常侧重于基因启动子或将甲基化视为二元状态，未能捕捉到甲基化与 TF 结合亲和力之间细致且具有基序特异性（motif-specific）的相互作用。此外，全基因组甲基化数据（尤其是来自单细胞实验的数据）往往存在稀疏性和覆盖度受限的问题，使得位点特异性分析具有挑战性。因此，需要一种能够聚合跨转录因子结合位点（TFBSs）的甲基化信号，从而提供低维、可解释的 TF 活性谱的方法，该方法需考虑序列组成偏差（特别是 GC 含量），并能与其他调控层级集成。

方法论

作者开发了 methylTFR，这是一个兼容 Bioconductor 环境的 R 包，旨在从 DNA 甲基化图谱中量化 TF 活性。

核心算法

输入： 该工具需要 CpG 水平的 DNA 甲基化调用数据（来自 Bulk 或聚合后的单细胞数据）以及样本注释文件。它利用辅助注释包，其中包含基序特异性的 GC 含量频率、源自参考基序集（JASGRA2020, Altius, CISbp-v2）的 TFBS 区域，以及全基因组 GC 分布表。
偏差得分计算： 对于每个基序，methylTFR 通过比较中心足迹区（±25 bp）内的平均甲基化水平与局部背景（200–250 bp 的侧翼区域）来计算偏差得分。
偏差校正： 为了校正 GC 偏差，该工具根据基序特定的 GC 含量分布以及样本在全基因组 GC 分箱中的甲基化水平，计算一个预期偏差得分。最终的偏差校正后偏差得分是观测得分与预期得分之差。这分离了由 TF 结合动力学驱动的甲基化变化，而非由序列组成引起的变化。
注释灵活性： 该程序包包含了人类（GRCh38）和小鼠（mm10）基因组的预计算注释，并提供了 methylTFRAnnotationBuilder 用于为其他组装版本生成自定义注释。

分析工作流

该程序包支持降维（如 PCA）、表型间的差异活性测试、变异性分析以及基序足迹可视化。它可以与下游因子模型（如 MOFA）集成，将甲基化衍生的活性与基因表达或染色质可及性数据相结合。

核心贡献

methylTFR 软件： 一个新的 R 程序包，它直接从 DNA 甲基化推断 TF 活性，提供了与基于可及性和表达量的度量方法相媲美的标准化、定量且低维的输出。
偏差校正机制： 一种用于校正 GC 组成偏差的新颖方法，确保偏差得分反映的是生物学活性而非序列伪影。
集成框架： 能够通过多组学因子分析（MOFA）将甲基化衍生的 TF 活性得分与基于 regulon 推断的活性（VIPER）以及染色质可及性（chromVAR）进行集成。

结果

1. 人类免疫细胞的细胞类型特异性

应用于 14 种人类免疫细胞类型（BLUEPRINT 项目）的 147 个全基因组重亚硫酸盐测序（WGBS）样本：

分类准确率： 由 632 个 methylTFR 基序活性得分构成的特征主成分，比来自 270 万个 1-kb 镶嵌区域或 74,554 个远端增强子的嵌入表示能更有效地分离细胞类型。随机森林模型使用这 632 个紧凑的基序集达到了与数百万个镶嵌区域相当的准确率（~0.85–0.88）。
谱系分离： CEBP 和 ETS 家族被确定为区分髓系和淋巴系谱的关键调节因子。与 T 细胞和 B 细胞相比，CEBP 和 ETS 基序在单核细胞和粒细胞中表现出较低的偏差得分（表明甲基化缺失及可能的结合）。
验证： 偏差校正是必不可少的；未校正的得分会导致细胞类型重叠。偏差得分与 H3K27ac ChIP-seq 信号及 TF ChIP-seq 峰值相关，证实了偏差得分较低的位点（相对于预期而言发生低甲基化）对应于活跃的调控区域和 TF 占据。

2. CD4+ T 细胞记忆形成

分析 CD4+ T 细胞分化轨迹（初始 $\to$ 中心记忆 $\to$ 效应记忆）：

轨迹分辨率： 对 methylTFR 得分的 PCA 分析将细胞群体沿已知的记忆形成轨迹进行了排序。
调控转变： 分析揭示了从初始细胞中的 SPI/ETS 家族活性向记忆细胞中的 AP-1 家族（JUN, BATF, FOS）活性的转变。这与差异甲基化区域（DMR）富集分析一致，但提供了一个连续的全基因组视角。
稳定性： 虽然基于基因表达的 VIPER 推断活性在记忆亚群之间显示出异质性，但 methylTFR 偏差得分保持稳定，这表明 DNA 甲基化在分化定型后是一个更稳定的调控层。

3. 单细胞多模态集成

应用于单细胞多模态数据集（受病毒和化学暴露影响的免疫细胞）的伪体（pseudobulk）谱图：

互补视图： 通过 MOFA 集成 methylTFR（甲基化）和 chromVAR（可及性）得分发现，甲基化衍生的活性通常提供了独特的信息。例如，因子 3 主要由甲基化驱动，并分离了初始 T 细胞与记忆 T 细胞，而这种区别在仅靠可及性数据时并不清晰。
负相关性： 大多数 TF 在甲基化衍生活性与可及性衍生活性之间表现出负相关，这符合“甲基化抑制结合”（methylMinus）的模型。然而，methylPlus 因子表现出了正相关性。
谱系驱动因素： 分析识别出了谱系特异性的调节因子（如 B 细胞中的 EBF1, SPI1），其中甲基化变化驱动了可及性变化，凸显了甲基化作为特定谱系中染色质状态驱动者的作用。

重要性与主张

论文声称 methylTFR 通过将 DNA 甲基化框架化为 TF 活性而非位点级变化，填补了一个关键的方法论空白。其重要性在于：

可解释性： 它提供了一个具有生物学解释性的、低维的 TF 活性谱，可以直接与表达和可及性数据进行比较。
鲁棒性： 即使在数据稀疏（如单细胞伪体）的情况下也能有效运行，并能校正诸如 GC 含量之类的技术偏差。
互补性： 结果表明，DNA 甲基化提供了另一种独特的、增益性的调控信息层。在 T 细胞记忆形成过程中，甲基化变化比可及性变化更为显著且稳定，这表明甲基化可能充当一种“谱系记录”层。
实用性： 该工具成功识别了已知的谱系调节因子（CEBP, ETS, AP-1），并解析了仅使用其他数据模态时难以区分的细胞状态，验证了其在研究不同生物学背景下 TF 驱动的调控机制方面的效用。

作者指出了局限性，特别是在该方法是全基因组范围内聚合信号而非解析位点特异性活动，以及它是从甲基化状态而非直接测量结合来推断活性。然而，他们认为这种聚合对于保持可解释性和处理稀疏数据是一项优势。