Summary

Genomweite Analyse der DNA-Methylierung bei Magen-Darm-Krebs

Published: September 18, 2020
doi:

Summary

Hierin beschreiben wir ein Verfahren zur genomweiten Analyse der DNA-Methylierung bei Magen-Darm-Krebs. Das Verfahren ist von Bedeutung für Studien, die Zusammenhänge zwischen Methylierungsmustern von Genen und Faktoren untersuchen, die zur Karzinogenese bei Magen-Darm-Krebs beitragen.

Abstract

Die DNA-Methylierung ist eine wichtige epigenetische Veränderung, die biologisch sinnvoll ist und ein häufiger Schwerpunkt der Krebsforschung ist. Die genomweite DNA-Methylierung ist eine nützliche Maßnahme, um eine genaue Analyse des Methylierungsstatus von gastrointestinalen (GI) Malignitäten zu ermöglichen. Angesichts der vielfältigen möglichen translationalen Verwendungen der DNA-Methylierungsanalyse müssen praktizierende Kliniker und andere, die für DNA-Methylierungsstudien neu sind, in der Lage sein, Schritt für Schritt zu verstehen, wie diese genomweiten Analysen durchgeführt werden. Ziel dieses Protokolls ist es, eine detaillierte Beschreibung der Verwendung dieser Methode für die Biomarker-Identifikation bei GI-Malignomen zu liefern. Wichtig ist, dass wir drei kritische Schritte beschreiben, die erforderlich sind, um während der genomweiten Analyse genaue Ergebnisse zu erhalten. Klar und prägnant geschrieben, fehlen diese drei Methoden oft und sind für diejenigen, die in epigenetischen Studien neu sind, nicht spürbar. Wir verwendeten 48 Proben einer GI-Malignität (Magenkrebs), um praktisch hervorzuheben, wie genomweite DNA-Methylierungsanalysen bei GI-Malignomen durchgeführt werden können.

Introduction

Epigenetik bezieht sich auf vererbbare Veränderungen der Genfunktion ohne Veränderung der Sequenz von DNA1. Solche Veränderungen können auf die DNA-Methylierung zurückzuführen sein, bei der Methylgruppen auf einer DNA-Basis die Genexpression durch Veränderungen in der Chromatinverpackung verändern können. Krebsentwicklung und -progression können auftreten, wenn dieser Effekt zu einer veränderten Expression der Tumorsuppressorgeneführt 2. Alterung und chronische Entzündung sind sowohl Ursachen von Krebs als auch die Hauptgründe für Veränderungen der DNA-Methylierung beim Menschen3,4,5. Dies ermöglicht somit die Verwendung der DNA-Methylierung als Biomarker in der Krebsdiagnose und als Ziel für Behandlung und Prävention. Zur Früherkennung und Krebsprognose wird die DNA-Methylierung in Tumor-, Blut-, Urin- und Stuhlproben6gemessen, während demethylierungsmittel nun zur Behandlung von Leukämien wie dem myelodysplastischen Syndrom7eingesetzt werden.

Die genomweite DNA-Methylierungsanalyse mit Hilfe einer Array-Plattform zur komplexen Auswertung der DNA-Methylierung an einem einzelnen CpG-Lokus im menschlichen Genom kann genutzt werden, um den Methylierungsstatus von mehr als 450.000 CpG-Standorten in der genomischen DNA8,9zu untersuchen, was die Erforschung der Krebs-Epigenetik ermöglicht (siehe Tabelle der Materialien). Ganze Genombisulfit-Sequenzierung (WGBS) Technologien haben unsere Ansätze auf dem Gebiet der Epigenetikverändert 10,11. Es gibt jedoch einige Nachteile für die Technologien in Bezug auf erhebliche Kosten und Verarbeitungszeit für die epigenetische Analyse einer großen Anzahl von Proben10,11. Daher ist die Array-Plattform für eine komplexe Auswertung der DNA-Methylierung im menschlichen Genom machbarer. Die Verfügbarkeit von Ansätzen für genomweite Methylierungsanalysen hat sich in den letzten Jahren verbessert und ermöglicht es uns, unser Wissen darüber zu erweitern, wie DNA-Methylierung zur Krebsentwicklung und Progression beiträgt12. Jüngste Fortschritte in Mikroarray-Plattform-Ansätzen liefern uns die Begründung für eine genomweite Methylierungsanalyse, um eine neuartige epigenetische Signatur bei Magen-Darm-Krebs zu identifizieren13. Das Ziel dieses Protokolls ist es, eine detaillierte Beschreibung zu liefern, wie diese Methode zur Biomarker-Identifikation bei GI-Malignomen verwendet wird.

Protocol

Alle verfahren entsprachen den ethischen Standards der Ethikkommission für Humanforschung der Institutionen. Die Studie wurde vom Institutional Review Board am Juntendo University Shizuoka Hospital genehmigt, und die schriftliche Zustimmung in Kenntnis der Sachlage wurde aufgrund des retrospektiven Entwurfs aufgehoben. 1. Waschen der Rutschen Bereiten Sie 10 m ungefärbte formalinfixierte Paraffin-eingebettete (FFPE) Abschnitte vor. Gleitfolien in einen Glasschiebehalter legen: Verwenden Sie etwa 3–5 größte Querschnittsfolien, es sei denn, das Gewebe ist minimal, und es werden weitere Folien benötigt. Füllen Sie den Diahalter mit Xylol, und stellen Sie sicher, dass das gesamte Gewebe auf der Folie untergetaucht ist. 15 min sitzen lassen. Nach 15 min das Xylol mit den mit einer Pipettenspitze gehaltenen Dias ausgießen, damit die Dias nicht herausfallen. Gießen Sie mehr Xylol auf das gleiche Niveau wie zuvor. Lassen Sie für weitere 15 min sitzen. Nach 15 min das Xylol wieder ausgießen. Füllen Sie den Schiebehalter mit 100% Ethanol (EtOH), und stellen Sie sicher, dass das gesamte Gewebe auf dem Dia vollständig untergetaucht ist. 3 min sitzen lassen. Gießen Sie den EtOH ab, während Sie die Dias vorsichtig halten. Nachfüllen auf dem gleichen Niveau mit mehr EtOH. 2 min sitzen lassen. Gießen Sie den EtOH erneut ab und entfernen Sie die Folie. Legen Sie sie vorsichtig nach oben auf ein sauberes Papiertuch zum Trocknen. 10 min sitzen lassen. 2. Abkratzen der Dias Bereiten Sie Verdauungs-/Lysepuffer mit 650 ml Diethylpyrocarbonat (DEPC)-behandeltem Wasser, 100 ml Ethylendiamintetraessigsäure (EDTA), 50 ml Trishydrochlorid (Tris-HCL) 2 Mio. pH 8,8 und 200 ml 10% Natriumdodecylsulfat (SDS) vor (siehe Tabelle). Füllen Sie ein 1,5 ml Einweg-Polypropylenrohr mit 80 l Verdauungs-/Lysepuffer (siehe Materialtabelle). Legen Sie eine saubere Pipettenspitze in den Puffer. Identifizieren Sie Krebsgewebe des Tumorbereichs, der am besten für die Makrodissektion geeignet ist, entsprechend dem entsprechenden H&E-Gefärbtenabschnitt.HINWEIS: Der Tumorbereich für Makrodissektion sollte vorzugsweise von zwei qualifizierten Pathologen identifiziert werden. Makrodissekte-Krebsgewebe basierend auf dem markierten H&E-Gefärbtenabschnitt. Nehmen Sie eine saubere Rasierklinge und kratzen Sie das Krebsgewebe vorsichtig von der Rutsche, versuchen, es in einem Stück zu halten, so dass es einfacher ist, mit zu arbeiten. Nehmen Sie die Pipettenspitze aus einem Einweg-Polypropylenrohr mit Puffer und übertragen Sie es, um das verschrottete Gewebe in die Pufferdurchstechflasche zu übertragen (siehe Materialtabelle).HINWEIS: Die nasse Spitze sollte das Gewebe anziehen, was den Transfer erleichtert. Wiederholen Sie Schritt 2.5 mit den restlichen Folien. Nachdem das Gewebe in einem Einweg-Polypropylenrohr ist, verwenden Sie die Spitze, um sicherzustellen, dass das Gewebe vollständig untergetaucht ist und nicht an der Wand des Rohres klebt. Fügen Sie 20 L einer subtilisinen Serin-Protease in die Durchstechflasche und streichen Sie sanft zum Mischen (siehe Tabelle der Materialien). Die Durchstechflasche mindestens 4 h oder über Nacht in einen 55 °C-Wärmeblock geben. Achten Sie darauf, nach 2 h leicht wirbeln. 3. Bisulfitbehandlung Als Probe werden 45 l der verdauten Gewebelösung verwendet. Führen Sie die Bisulfitbehandlung mit Reagenzien in einem Bisulfit-Umwandlungskit gemäß den Anweisungen des Herstellers durch (siehe Tabelle der Materialien). Fügen Sie der DNA-Probe 5 l Verdünnungspuffer hinzu und inkubieren Sie 15 min bei 37 °C (siehe Materialtabelle). Während der Inkubation der Proben bereiten Sie das Bisulfit-Umwandlungsreagenz vor, indem Sie 750 l dH2O und 210 l Verdünnungspuffer zu einem Röhrchen CT-Umwandlungsreagenz hinzufügen (siehe Materialtabelle). Mischen Sie die Rohre durch Wirbeln für 10 min. Nach der 15 min Inkubation 100 l des vorbereiteten CT-Umwandlungsreagenzes zu jeder Probe hinzufügen und durch Inversion mischen. Die Proben im Dunkeln bei 50 °C für 12 bis 16 h inkubieren. Nach der Inkubation die Proben entfernen und 10 min auf Eis legen. Fügen Sie 400 L Bindungspuffer hinzu und mischen Sie jede Probe, indem Sie nach oben und unten pipetieren (siehe Tabelle der Materialien). Laden Sie jede Probe in eine Spinspalte und platzieren Sie die Spalte in ein 2 ml Sammelrohr (siehe Tabelle der Materialien). Zentrifugieren Sie jede Probe mit voller Geschwindigkeit (10.000 x g) für 1 min und entsorgen Sie den Durchfluss. Fügen Sie jeder Spalte 200 L Waschpuffer hinzu und drehen Sie mit voller Geschwindigkeit 1 min, wobei der Durchfluss verworfen wird (siehe Tabelle der Materialien). Fügen Sie jeder Spalte 200 L Desulfonationspuffer hinzu und lassen Sie die Säule 15 min bei Raumtemperatur stehen (siehe Materialtabelle). Nach der Inkubation drehen Sie die Spalten mit voller Geschwindigkeit für 1 min und entsorgen Sie den Durchfluss. Fügen Sie jeder Spalte 200 L Waschpuffer hinzu und drehen Sie mit voller Geschwindigkeit 1 min (siehe Tabelle der Materialien). Wiederholen Sie diesen Schritt noch einmal. Fügen Sie jeder Säule 46 l dH2O hinzu und legen Sie jede Säule in ein neues steriles 1,5 ml-Einweg-Polypropylenrohr (siehe Materialtabelle). Drehen Sie jede Röhre für 2 min, um die DNA zu elute. Entfernen Sie jede Spin-Säule aus dem Einweg-Polypropylenrohr und entsorgen Sie sie (siehe Materialtabelle). Die DNA ist nun für die Analyse bereit. 4. Array-Plattform zur Auswertung der DNA-Methylierung an einem CpG-Lokus im menschlichen Genom Bewerten Sie die Qualität der DNA (Qualitätsprüfung: QC) mit FFPE QC-Assay auf einem Echtzeit-PCR-Amplifikations- und Detektionsgerät, wobei die anschließende Datenanalyse gemäß den Anweisungen der Hersteller durchgeführt wird (siehe Tabelle der Materialien).HINWEIS: Proben mit ∆Cq-Werten kleiner als die empfohlene 5.0 werden weiterverarbeitet14. Analysieren Sie Proben mit einer Array-Plattform für die komplexe Auswertung der DNA-Methylierung, um den Methylierungsstatus von >450.000 CpG-Standorten im Genom zu bewerten (siehe Tabelle der Materialien). Produktinformationsblatt, Datenblatt und Produktdateien für die Array-Plattform sind verfügbar15.HINWEIS: Der Test wird gemäß den Anweisungen des Herstellers für FFPE-Material14durchgeführt. Berechnen Sie die hohe und niedrige Lokusmethylierung in einem Datenanalysetool für eine Arrayplattform als β-Wert mit einem Bereich von 0 bis 1 (siehe Materialtabelle). Verwenden Sie handelsübliche Software (siehe Materialtabelle), um einen β-Wert zu berechnen. Importieren Sie auf der Array-Plattform generierte Daten zur komplexen Auswertung der DNA-Methylierungsplattform in die R-Softwareumgebung (R v.2.15.1) und verarbeiten Sie diese mit einem Tool zur Analyse von Methylierungsarrays16,17.ANMERKUNG: Auf der Heatmap, die mit einem Datenanalysetool generiert wird, werden Spalten nach unbeaufsichtigtem Clustern sortiert, während die Reihenfolge der Zeilen auf der abnehmenden Bedeutung der t-Statistik für die Differentialmethylierung von oben nach unten basiert. Teilen Sie die Heatmap mithilfe des ersten Unterscheidungsmittels im unbeaufsichtigten Clustering in hohe und niedrige Methylierungsgruppen auf.ANMERKUNG: Für die Validierung mit quantitativer methylierungsspezifischer PCR (qMSP) wählen Sie Gene, die auf einem größeren β-Wert in Bezug auf CpG-Inseln in der Förderregion basieren, und aufgrund ihrer Eignung für Primer- und Sondendesign für qMSP. 5. Quantitative Methylierungsspezifische PCR (qMSP) Verwenden Sie die bisulfitmodifizierte DNA aus Schritt 3.3 als Vorlage für fluoreszenzbasierte Echtzeit-PCR in qMSP, um die Methylierung der Promotorregion in jeder Genanalyse zu bewerten. Führen Sie qMSP mit einem 96-Well-Echtzeit-PCR-Instrument (siehe Tabelle der Materialien). Prüfen Sie den Promotormethylierungsstatus des Zielgens auf der Bisulfit-modifizierten DNA mit 200 nM Vorwärtsprimer, 200 nM Reverse Primer und 80 nM Sonden. Bereiten Sie den Master-Mix mit 16,6 mM (NH4)2SO4, 67 mM Tris pH 8,8, 10 mM β-Mercaptoethanol, 10 nM Fluorescein, 0,166 mM jedes Desoxynukleotidtriphosphats und 0,04 U/l DNA-Polymerase vor (siehe Tabelle der Materialien). Das endige Reaktionsvolumen in jedem Bohrwert für alle Assays beträgt 25 l. Führen Sie den Zyklus von qMSP wie folgt durch: 95 °C für 5 Min. gefolgt von 55 Zyklen von 95 °C für 15 s, 60 °C für 1 min und 72 °C für 1 min.HINWEIS: Das Zielgen sollte auf der Grundlage der Kriterien ausgewählt werden, die mit größeren Beta-Werten zusammenhängen, mit CpG-Inseln in der Projektträgerregion in Verbindung stehen und für das Primer- und Sondendesign für qMSP geeignet sind. Verwenden Sie humangenombehandelt mit CpG-Methylase (M.SssI) als positive Methylierungskontrolle (siehe Tabelle der Materialien).ANMERKUNG: Die endgültige Quantifizierung der Methylierung wird als relativer Methylierungswert (RMV) definiert und für jede Methylierungsdetektionsreplikation mit 2–Ct berechnet, verglichen mit dem Mittelwert Ct für β-Actin (ACTB)18. Primer- und Sondensequenzen sind in Tabelle 1dargestellt. Für unentdeckte Replikationen wird eine Ct von 100 verwendet, was einen Wert von 2– Ct nahe Null ergibt. Es wird die folgende Formel verwendet: Mittelwert 2– Ct (RMV) = (2– – Ct_replicate_1 + 2 –Ct_replicate_2 + 2– Ct_replicate_3)/318.

Representative Results

Die Merkmale von 48 Patienten mit Magenkrebs in der Trainingskohorte sind wie folgt(Tabelle 2): Das Mittlere Alter der Patienten betrug 74 Jahre (52–89 Jahre), und die Kohorte umfasste 38 Männer (79,2%) und 10 Frauen (20,8%). Es gab 35 Patienten (72,9%) bei primärem Magenkrebs und bei 13 Patienten (27,1%) mit Restmagenkrebs (Primärmagenkrebs: erstes Auftreten einer nicht-metastasierenden Malignität im Magen; Restmagenkrebs: Krebs im Restmagen, der sich mehr als 5 Jahre nach distaler Gastrektomie entwickelt hat, unabhängig vom Grund für die ursprüngliche Resektion19). Es gab 23 Patienten (47,9%) mit Lymphknotenmetastasierung und 25 Patienten (52,1%) Ohne. Zunächst wurden alle 48 Proben (die Ausbildungskohorte) zur Identifizierung von Ausreißern geladen (Abbildung 1A). Zwei Stichproben ergaben Spitzenwerte, die größer als zwei Standardabweichungen waren, die von den anderen verschoben wurden, und diese Proben wurden entfernt (Abbildung 1B). Daher wurden 46 Proben durch DNA-Promotor-Hypermethylierung gruppiert. Die resultierende Heatmap wurde auf der Grundlage hoher und niedriger Methylierung in zwei Gruppen unterteilt (Abbildung 2). Diese Heatmap ermöglicht die Visualisierung der Top 50 Sonden innerhalb von 1.500 bp der Transkriptionsstartstelle (TSS) in der Differentialmethylierungsanalyse. Die hohen und niedrigen Methylierungsgruppen unterschieden sich in klinikopathologischen Faktoren im Zusammenhang mit einem aggressiven bösartigen Phänotyp. Das heißt, die Krebsart (Primärmagenkrebs: PGC) (p = 0,01, Odds Ratio = 9,09 (1,67–50,00)) und Das Vorhandensein von Lymphknotenmetastasierung (positiv) (p = 0,03, Odds Ratio = 6,82 (1,16–40,08)) traten als signifikante unabhängige Vorhersagefaktoren auf, als die klinischpathologischen Faktoren als Kovariate in der multivariaten Analyse verwendet wurden (Tabelle 3). Schließlich haben wir festgestellt, dass das EPB41L3-Gen20,21 (Primer- und Sondensequenzen in Tabelle 1) stark mit der Kodifizierung der Trainingskohorte in hoch- und niedrigmethylierungsgruppen in der Mikroarray-Analyse in Verbindung gebracht werden kann. Mit qMSP wurden die Ergebnisse der Mikroarray-Analyse für EPB41L3 in der Testkohorte (126 Proben) validiert. Die Merkmale der Patienten in der Testkohorte sind in Tabelle 4dargestellt. RMVs von EPB41L3 in PGC-Geweben waren in der univariaten Analyse signifikant höher als bei Residan-Magenkrebs (RGC) (p = 0,01) (Abbildung 3A). In ähnlicher Weise waren RMVs in Proben mit Lymphknotenmetastasen signifikant höher als rmVs ohne Lymphknotenmetastasierung (p = 0,03) (Abbildung 3B). Auf diese Weise kann uns die GENOMweite Analyse der DNA-Methylierung dabei helfen, bestimmte Gene zu identifizieren, um bestimmten klinischen Status bei Patienten mit GI-Malignomen zu charakterisieren. Abbildung 1: Betawerte in 48 Proben (Trainingskohorte). Alle 48 Proben (Ausbildungskohorte) wurden geladen und Ausreißer untersucht (A). Zwei Proben hatten Spitzen, die Ausreißer waren, und diese wurden entfernt (B). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 2: Die resultierende Heatmap. Die restlichen 46 Proben wurden durch DNA-Promotor-Hypermethylierung gruppiert. Die Heatmap wurde in hohe und niedrige Methylierungsgruppen unterteilt. Diese Heatmap ermöglicht die Visualisierung der Top 50 Sonden innerhalb von 1.500 bp der Transkriptionsstartstelle (TSS) in der Differentialmethylierungsanalyse. Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Abbildung 3: Relative Methylierungswerte (RMVs) für EPB41L3 bei primärem Magenkrebs (PGC) vs. Restmagenkrebs (RGC) und in Fällen mit und ohne Lymphknotenmetastasierung. Die Ergebnisse der Mikroarray-Analyse für EPB41L3 in der Testkohorte (126 Proben) wurden mit qMSP validiert. (A) Bei der univariaten Analyse waren die RMVs von EPB41L3 in PGC-Geweben signifikant höher als in RGC (p = 0,01). (B) Ebenso waren RMVs in Proben mit Lymphknotenmetastasen signifikant höher als bei Patienten ohne Lymphknotenmetastasierung (p = 0,03). Bitte klicken Sie hier, um eine größere Version dieser Abbildung anzuzeigen. Gen Vorwärts 5′ – 3′ Rückwärts 5′ – 3′ Sonde B-ACTIN TAG GGA GTA TAT AGG TTG GGG AAG TT AAC ACA CAA TAA CAA ACA CAA ATT CAC TGT GGG GTG , GTG ATG GAG GAG GTT TAG, 3IABkFQ EPB41L3 GGG ATA GTG GGG TTG ACG C ATA AAA ATC CCG ACG AAC GA AAA TTC GAA AAA CCG CGC GAC GCC GAA ACC A Tabelle 1: Primer- und Sondensequenzen. Klinikopathologische Faktoren Variablen Alter 74 (52 – 89) * Geschlecht Männlich / weiblich 38 (79.2%) / 10 (20.8%) Typ PGC / RGC 35 (72.9%) / 13 (27.1%) Lymphknotenmetastasierung (+) / (-) 23 (47.9%) / 25 (52.1%) PGC: Primärer Magenkrebs, RGC: Überbleibsel Magenkrebs * Median (Minimum-Maximum) Tabelle 2: Die Merkmale von 48 Patienten mit Magenkrebs in der Trainingskohorte. P-Wert Odds Ratio 95% Konfidenzintervall Typ (PGC) 0.01 9.09 1.67 – 50.00 Lymphknotenmetastasierung (+) 0.03 6.82 1.16 – 40.08 PGC: Primärer Magenkrebs Tabelle 3: Vorhersagefaktoren für die hohe Methylierungsgruppe (Cluster B). Klinikopathologische Faktoren Variablen Alter 71 (33 – 86) * Geschlecht Männlich / weiblich 96 (76.2%) / 30 (23.8%) Typ PGC / RGC 87 (69.0%) / 39 (31.0%) Lymphknotenmetastasierung (+) / (-) 50 (39.7%) / 76 (60.3%) PGC: Primärer Magenkrebs, RGC: Überbleibsel Magenkrebs * Median (Minimum-Maximum) Tabelle 4: Die Merkmale bei 126 Patienten mit Magenkrebs in der Testkohorte.

Discussion

Es gibt drei kritische Schritte, um genaue Ergebnisse aus der DNA-Methylierungs-Genom-weiten Analyse zu erhalten. Die erste ist die Makrodissektion eines Tumorbereichs durch vorzugsweise zwei qualifizierte Pathologen, die auf repräsentativen H&E-Gefärbten abschnittsbasierten Abschnitten basieren. Ungenaue Makrodissektion kann zu einer Kontamination mit angrenzenden nicht-kanzerösen Geweben führen, was zu unzuverlässigen Ergebnissen führt; daher ist eine sorgfältige Makrodissektion erforderlich. Die zweite ist die Bewertung der DNA-Qualität (Qualitätsprüfung: QC). Stichproben, die das QC (∆Cq > 5.0) nicht enthalten, können Daten schlechter Qualität ergeben. Daher sollten Proben mit ∆Cq > 5.0 entfernt und andere verwendet werden. Der dritte Schritt ist die Berechnung des β-Wertes, der durch ein Datenanalysetool für die Arrayplattform-Software als methyliertes Signal / das Gesamtsignal (methyliert + unmethyliert)17bestimmt wird. Der β-Wert reicht von 0–1 (oder 0%–100%), was biologisch einfach zu interpretieren ist17. Das Hauptproblem bei diesem Wert sind seine schlechten statistischen Eigenschaften, da seine hohe Heteroskedastizität impliziert, dass die Varianz zwischen Proben bei Methylierungsbereichen extreme (β = 0 oder β = 1) stark reduziert ist17. Darüber hinaus weisen β-Werte aufgrund schlechter Probenqualität möglicherweise keine reproduzierbaren biphasischen Spitzen22auf, und Proben ohne solche Spitzen sollten von weiteren Untersuchungen ausgeschlossen werden. Darüber hinaus sollte das Zielgen auf der Grundlage der Kriterien ausgewählt werden, die mit größeren Beta-Werten zusammenhängen, mit CpG-Inseln in der Projektträgerregion in Verbindung stehen und für das Primer- und Sondendesign für qMSP geeignet sind.

Die Auswertung der DNA-Methylierung an einem CpG-Lokus im menschlichen Genom wird mit Mikroarray-basierter Technologie mit einer festen Anzahl von Sonden durchgeführt, um spezifische genomische Loci zu untersuchen. Es ist die am weitesten verbreitete Methode in Epigenom-weiten Assoziationsstudien (EWAS) aufgrund seiner niedrigen Kosten, geringe Menge an DNA erforderlich, und deutlich kürzere Probenverarbeitungszeit, die hohe Durchsatzverarbeitung von vielen klinischen Probenermöglicht 23. Eine Array-Plattform für die komplexe Auswertung der DNA-Methylierung an einem einzelnen CpG-Lokus wird jedoch durch die Anzahl und Spezifität von Sonden für epigenetisch veränderte Loci begrenzt, was die Erforschung einiger genomischer Regionen verhindert. WGBS wird aufgrund seines breiteren Spektrums an genomischer Abdeckung im Allgemeinen als Goldstandard-Methode angesehen10,11. Diese Methode hat jedoch erhebliche Kosten und eine relativ lange Verarbeitungszeit für die Analyse einer großen Anzahl von Proben10,11. Es ist also nicht immer machbar. Im Vergleich dazu ist die Array-Plattform zur komplexen Auswertung der DNA-Methylierung an einem einzelnen CpG-Lokus im menschlichen Genom kosten- und genomisch fundiert. Kürzlich haben die neuesten aktualisierten Perlenchips bereit gemacht,24zu verwenden. Diese Assays können uns helfen, fast verdoppelte gemessene CpG-Standorte zu analysieren, die eine ideale genomweite Assoziationsstudie (GWAS) für große Probenpopulationen erreichen können.

Zusammenfassend kann die DNA-Methylierungs-Genom-weite Analyse mit der Array-Plattform zur komplexen Auswertung der DNA-Methylierung an einem einzelnen CpG-Lokus im menschlichen Genom wichtige Informationen über epigenetische Biomarker bei Magen-Darm-Krebs liefern. Im Vergleich zu WGBS ist diese Methode kostengünstig und verkürzt die Probenverarbeitungszeit. Daher ist diese Methode zum Nachweis der DNA-Methylierung an einem CpG-Lokus wahrscheinlich in der epigenetischen Biomarkerforschung weit verbreitet.

Disclosures

The authors have nothing to disclose.

Acknowledgements

Wir sind allen Mitgliedern des Department of Surgery, dem Sidney Kimmel Comprehensive Cancer Center an der Johns Hopkins University School of Medicine, für nützliche Diskussionen und technische Unterstützung besonders dankbar. Wir danken auch Kristen Rodgers für die großzügige technische Anleitung zu den Verfahren für die Bisulfitbehandlung und qMSP.

Materials

(NH4)2SO4 Sigma-Aldrich 14148 Step 5.2.
10% Sodium dodecyl sulfate (SDS) Quality Biological 351-032-721 EA Step 2.1.
100 % Ethanol Sigma-Aldrich 24194 Step 1.7.
ABI StepOnePlus Real-Time PCR System Applied BioSystems 4376600 Step 5.2. 96-well Real-Time PCR instrument
CT conversion reagent Zymo Research D5001-1 Step 3.2.3.
Deoxynucleotide triphosphate (dNTP) Invitrogen 10297-018 Step 5.2.
DEPC-treated water Quality Biological 351-068-131 Step 2.1.
Ethylenediaminetetraacetic acid (EDTA) Corning 46-034-CL Step 2.1.
EZ DNA Methylation Kit Zymo Research D5002 Step 3.2.
Fluorescein Bio-Rad #1708780 Step 5.2.
GenomeStudio omicX OMICS_00854 Step 4.3. Data analysis tool for an array platform as a β-value, with a range from 0 to 1
Human genomic DNA New England Bio Labs N4002S Step 5.3.
Infinium HD FFPE QC Kit Illumina WG-321-1001 Step 4.1. FFPE QC assay on a real-time PCR amplification
Infinium HumanMethylation450 assay Illumina WG-314 Step 4.2. Array platform for complex evaluation of DNA methylation to assess the methylation status of >450,000 CpG sites in the genome
LightCycler 480 Roche 5015278001 Step 4.1.
M-Binding Buffer Zymo Research D5002-3 Step 3.2.6.
M-Desulphonation Buffer Zymo Research D5002-5 Step 3.2.9.
M-Dilution Buffer Zymo Research D5002-2 Step 3.2.1.
Minfi package Bioconductor N/A Step 4.4.
M-Wash Buffer Zymo Research D5002-4 Step 3.2.10.
Platinum Taq polymerase ThermoFisher Scientific 10966-034 Step 5.2.
Proteinase K New England Biolabs P8107S Step 2.8.
Single-use polypropylene (Eppendorf) tube Eppendorf 24533495 Step 2.5.2.
Tris hydrochloride (Tris-HCL) 2 M pH 8.8 Quality Biological 351-092-101 Step 2.1.
Xylene Sigma-Aldrich 214736 Step 1.3.
Zymo Spin 1 Column Zymo Research C1003 Step 3.2.6.
β-Mercaptoethanol Sigma-Aldrich M3148 Step 5.2.

References

  1. Qiu, J. Epigenetics: unfinished symphony. Nature. 441 (7090), 143-145 (2006).
  2. Okugawa, Y., Grady, W. M., Goel, A. Epigenetic alterations in colorectal cancer: emerging biomarkers. Gastroenterology. 149 (5), 1204-1225 (2015).
  3. Ahuja, N., Li, Q., Mohan, A. L., Baylin, S. B., Issa, J. P. Aging and DNA methylation in colorectal mucosa and cancer. Cancer Research. 58 (23), 5489-5494 (1998).
  4. Hsieh, C. J., et al. Hypermethylation of the p16INK4a promoter in colectomy specimens of patients with long-standing and extensive ulcerative colitis. Cancer Research. 58, 3942-3945 (1998).
  5. Ushijima, T., Okochi-Takada, E. Aberrant methylations in cancer cells: where do they come from. Cancer Science. 96 (4), 206-211 (2005).
  6. Coppedè, F. Epigenetic biomarkers of colorectal cancer: Focus on DNA methylation. Cancer Letters. 342 (2), 238-247 (2014).
  7. Vasilatou, D., Papageorgiou, S. G., Dimitriadis, G., Pappa, V. Epigenetic alterations and microRNAs: new players in the pathogenesis of myelodysplastic syndromes. Epigenetics. 8 (6), 561-570 (2013).
  8. Ma, X., Wang, Y. W., Zhang, M. Q., Gazdar, A. F. DNA methylation data analysis and its application to cancer research. Epigenomics. 5 (3), 301-316 (2013).
  9. Morris, T. J., Beck, S. Analysis pipelines and packages for Infinium HumanMethylation450 BeadChip (450k) data. Methods. 72, 3-8 (2015).
  10. Rauluseviciute, I., Drabløs, F., Rye, M. B. DNA methylation data by sequencing: experimental approaches and recommendations for tools and pipelines for data analysis. Clinical Epigenetics. 11 (1), 193 (2019).
  11. Cazaly, E. Making sense of the epigenome using data integration approaches. Frontiers in Pharmacology. 10, 126 (2019).
  12. Leal, A., Sidransky, D., Brait, M. Tissue and cell-free DNA-based epigenomic approaches for cancer detection. Clinical Chemistry. 66 (1), 105-116 (2020).
  13. Song, W., Ren, J., Wang, W. J., Wang, C. T., Fu, T. Genome-wide methylation and expression profiling identify a novel epigenetic signature in gastrointestinal pan-adenocarcinomas. Epigenomics. 12 (11), (2020).
  14. Wong, E. M., et al. Tools for translational epigenetic studies involving formalin-fixed paraffin-embedded human tissue: applying the Infinium HumanMethyation450 Beadchip assay to large population-based studies. BMC Research Notes. 8, 543 (2015).
  15. . Illumina Available from: https://jp.support.illumina.com/downloads/infinium_humanmethylation450_product_files.html (2020)
  16. Fackler, M. J., et al. Genome-wide methylation analysis identifies genes specific to breast cancer hormone receptor status and risk of recurrence. Cancer Research. 71 (19), 6195-6207 (2011).
  17. Dedeurwaerder, S., et al. A comprehensive overview of Infinium HumanMethylation450 data processing. Briefings in Bioinformatics. 15 (6), 929-941 (2014).
  18. Hulbert, A., et al. Early detection of lung cancer using DNA promoter hypermethylation in plasma and sputum. Clinical Cancer Research: An Official Journal of the American Association for Cancer Research. 23 (8), 1998-2005 (2017).
  19. Shimada, H., Fukagawa, T., Haga, Y., Oba, K. Does remnant gastric cancer really differ from primary gastric cancer? A systematic review of the literature by the Task Force of Japanese Gastric Cancer Association. Gastric Cancer: Official Journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association. 19 (2), 339-349 (2016).
  20. Eijsink, J. J., et al. Detection of cervical neoplasia by DNA methylation analysis in cervico-vaginal lavages, a feasibility study. Gynecologic Oncology. 120 (2), 280-283 (2011).
  21. Sugimoto, K., et al. DNA methylation genome-wide analysis in remnant and primary gastric cancers. Gastric Cancer: Official Journal of the International Gastric Cancer Association and the Japanese Gastric Cancer Association. 22 (6), 1109-1120 (2019).
  22. Wang, Z., Wu, X., Wang, Y. A framework for analyzing DNA methylation data from Illumina Infinium HumanMethylation450 BeadChip. BMC Bioinformatics. 19, 115 (2018).
  23. Teh, A. L., et al. Comparison of methyl-capture sequencing vs. Infinium 450K methylation array for methylome analysis in clinical samples. Epigenetics. 11 (1), 36-48 (2016).
  24. Zhou, W., Laird, P. W., Shen, H. Comprehensive characterization, annotation and innovative use of Infinium DNA methylation BeadChip probes. Nucleic Acids Research. 45 (4), 22 (2017).

Play Video

Cite This Article
Sugimoto, K., Momose, H., Ito, T., Orita, H., Sato, K., Sakamoto, K., Brock, M. V. Genome-Wide Analysis of DNA Methylation in Gastrointestinal Cancer. J. Vis. Exp. (163), e61355, doi:10.3791/61355 (2020).

View Video