DNA甲基化读出细胞分化程度：不用转录组，也能看到衰老组织向间充质漂移

DNA甲基化样本现在可以给出一个连续的分化指数，取值接近0表示多能状态，接近1表示终末分化，且不同数据集之间可以直接比较。 此前DNA甲基化数据虽然规模庞大、测量稳定，却一直没有通用的分化状态量化方法，相关判断只能依赖转录组等噪声更大的模态。 在由5个独立数据集、180个样本组成的模型选择集上，随机森林预测的分类准确率为0.97，且结果对参数取值不敏感。

预测器把分化状态当作多能、多潜能和终末分化三类，再用三类概率的加权和给出连续指数。 特征来自1298个分化相关CpG，其中882个在胚胎干细胞中甲基化、随分化逐步去甲基化，416个相反。 训练集为146个Illumina 450k样本，覆盖25个胚胎干细胞、86个胎儿组织和35个成人组织样本；在细胞分裂实验中，指数不随群体倍增次数单调变化。

在分选细胞中，分化指数随年龄升高，且这种升高与早期胎儿发育方向的甲基化变化同向。 此前并不清楚分化状态本身是否随年龄改变，还是仅反映细胞组成变化。 在55个肝细胞样本中指数与年龄相关（校正性别后线性P=1e-11），在支气管上皮细胞、naïve CD4+ T细胞和多种胶质细胞中同样升高，而神经元和髓系细胞未见明显升高。

该指数面向DNA甲基化样本，训练集全部来自Illumina 450k平台，验证覆盖450k、EPIC、snmCT-Seq和snm3C-Seq3数据。在单核数据上验证是在相对尺度上完成的，作者指出单核甲基化数据的高稀疏性可能影响绝对尺度上的准确性。作者提出，未来可用EPIC、全基因组重亚硫酸盐测序或单核数据构建改进版本。

作者说明训练集来自不同研究，可能带来批次效应，但所选CpG要求同时满足胎儿和成人分化中的显著变化，且效应量阈值高于批次效应可解释的范围。作者也指出，目前没有证据表明这些生殖层特异CpG上的甲基化漂移具有功能意义，这仍是一个待探索的问题。