TCGA_甲基化

甲基化芯片

CpG位点 （英语：CpG sites，或称为 CG位点 ），我理解的cg就是cg位点

是指DNA的某个区域，其上的 碱基 序列以 胞嘧啶 接着 鸟嘌呤 出现。“CpG”是“—C—磷酸—G—”的缩写 ，指 磷酸二酯键 连接了胞嘧啶和鸟嘌呤，其中C位于5'端而G位于3'端。

在CpG位点中的胞嘧啶可以被 甲基化 为 5-甲基胞嘧啶 。在 哺乳动物 中，基因内CpG位点的甲基化会改变此基因的表达，对这一表达调控的研究是 表观遗传学 的重要组成部分。涉及添加甲基基团的 酶 称为 DNA甲基转移酶 。

在哺乳动物中，70%到80%的CpG位点的胞嘧啶是甲基化的

未甲基化的CpG位点可以被免疫系统的 浆细胞样树突状细胞 、 单核细胞 、 NK细胞 和 B细胞 上的 TLR9 （Toll样受体9）识别，来检测体内的微生物感染。

CpG岛 是一个富含CpG位点的区域，但客观精确描述所谓“富含”的定义尚不明确。通常对于CpG岛的正式定义为：一个长度至少为200bp的片段，其GC含量高于50%，且“观察期望比”（observed-to-expexted）高于60%。

注：观察期望比：即CpG位点的观察值（片段实际含有的CpG位点数目）和“期待值”的比值。“期待值”通常有两种算法：（CG）/LS [4] 或（（C+G）/2）^2/LS [5] 。其中，C、G代表胞嘧啶和鸟嘌呤的数目；LS代表片段长度（length of sequence）。

很多哺乳动物基因组中的CpG岛和基因的起始位点相联系 [6] 。因此，CpG岛的存在对于基因的预测和解释具有帮助作用。

在哺乳动物基因组中，CpG岛的序列长度通常为300-3000bp，在约40%的基因的 启动子 附近都有发现 [7] 。在人基因组中则有约70%的基因 启动子 有高CpG含量。如前文提及，CpG位点的实际存在率比随机概率的结果要低得多 [5] 。

2002年的某研究阐述了CpG岛的预测规则，使用这种规则可以排除一些高GC含量的基因组序列，如 Alu重复序列 。基于对人21和22号染色体的完全测序研究成果，长度大于500bp、GC含量高于55%、CpG位点“观察期望比”高于65%的DNA序列更有可能是“真正的”CpG岛 [8] 。

CpG岛以至少达到60%的理论CpG位点含量（可达到4-6%）为特征，而基因组中平均CpG含量只有约1%（CG抑制）。和在基因 编码区 中的CpG位点不同，在基因正常表达时，位于基因启动子区中的CpG位点往往不会被 甲基化 ；这种现象表明启动子序列中的CpG位点的 甲基化 很可能导致基因表达被抑制。DNA甲基化和组蛋白修饰是 基因铭印 的核心过程 [9] 。大多数组织间或正常样本和癌症样本间的甲基化差异发生在CpG岛附近（CpG island shores）而非CpG岛内部 [10] 。

一种CpG岛形成的假说图解：通过未被甲基化，从而在漫长的进化史上保留下来

在脊椎动物中，CpG岛往往位于基因转录起始位点附近，尤其是 持家基因 。CpG位点有被甲基化的倾向，借助这种甲基化可以分辨新合成的DNA链和母链，这在DNA序列复制后的最终校对环节起重要作用。甲基化的胞嘧啶容易脱氨转变成胸腺嘧啶，导致T/G错误配对。 胸腺嘧啶DNA糖苷酶 （TDG）是人类用于修复TG错配的酶。但由于CpG位点的稀少性，TDG在理论上没有足够高的效率来消除这些快速发生的突变。通常认为CpG岛存在的原因是因受如下选择压力导致的：需要相对更高的CpG含量、更低的甲基化水平或是调控基因需要。最近也有研究称大多数的CpG岛是由非选择压力形成的 [11] 。

Case列显示的是该文件里数据来自于多少cases。比如569，说明这个文件整合了所有569个cases的genotyping数据，有些数字为1的，说明这个文件里只有一个case的数据。

对于RNAseq后续的分析，如果要用软件比如limma，edgeR比较表达差异的基因，就用counts数据。如果你想自己做t-test，下载counts数据自己做normalization再进行比较也行，或者下载已经做过normalization的RPKM/RPKM-UQ直接比较也行

癌旁的数据也包含在这些cases里了，下载metadata就能看到每个sample的信息，你会发现有些是来自solid tissue normal，这些都是癌旁的数据

数据库名称：Oncomine数据库。

基因表达差异分析（通过检索基因表达谱差异，挖掘具有研究价值的靶分子，检索特定研究靶分子，分析其在肿瘤中的表达情况），多基因共表达分析，Oncomine和TCGA相比的优势就是，它除了数据，还提供了一些简洁易 *** 作的分析工具，如差异表达分析、共表达分析等，分析后可以直接出图用在文章里。另外它还整合了TCGA和GEO的部分数据。

tcga工作组发的文章。

The Cancer Genome Atlas （TCGA， 数据库。TCGA数据源大部分都是公开的。

目前来能够从TCGA数据库中提取数据的处理工具有cBioPortal ），ICGC（ 和GenePattern（

以上就是关于TCGA_甲基化全部的内容，包括:TCGA_甲基化、请教关于TCGA数据的问题、pan-cancer的基因表达在哪个数据库等相关内容解答，如果想了解更多相关内容，可以关注我们，你们的支持是我们更新的动力！