✖


Jump to content

Эпифенотипирование

    Add links
    Общая методология эпифенотипирования
    На этом рисунке изображен общий рабочий процесс эпифенотипирования с упором на использование машинного обучения для создания достоверных моделей для прогнозирования фенотипов на основе закономерностей метилирования ДНК.

    Эпифенотипирование включает изучение взаимосвязи между закономерностями метилирования ДНК и фенотипическими признаками у людей и популяций, чтобы иметь возможность предсказать фенотип на основе профиля метилирования ДНК. В следующих разделах рассматриваются основы эпифенотипирования, обзор общей методологии, ее применения, преимуществ и ограничений.

    Эпигенетика относится к наследственным изменениям в экспрессии генов, которые не являются изменениями в основной последовательности ДНК... [1] Метилирование ДНК является ключевым эпигенетическим механизмом, включающим добавление метильных (-CH 3 ) групп к определенным участкам ДНК, почти всегда к цитозин-гуаниндинуклеотидам (сайтам CpG). Сайты CpG представляют собой последовательности ДНК, в которых за нуклеотидом цитозина следует нуклеотид гуанина, соединенный фосфатной группой. [2]

    Фон

    [ редактировать ]

    Термин эпифенотипирование происходит от объединения двух слов «эпигенетика» и «фенотипирование». Эпифенотипирование — это процесс использования закономерностей метилирования ДНК по всему геному для прогнозирования фенотипов. [3] [4] С помощью вычислительных методов эпифенотипирование использует данные метилирования ДНК для вывода информации о фенотипических признаках, таких как гестационный возраст, пол, клеточный состав и генетическое происхождение. [3] [4] [5] [6]

    Важно отметить, что эпифенотипирование и исследование ассоциаций на уровне эпигенома (EWAS) — это оба подхода, используемые в эпигенетических исследованиях, однако они фокусируются на различных аспектах анализа эпигенетических данных. Эпифенотипирование направлено на выведение фенотипической информации из эпигенетических данных и понимание биологического значения эпигенетических закономерностей. [3] Принимая во внимание, что EWAS — это подход, основанный на гипотезах, который сосредоточен на выявлении конкретных эпигенетических маркеров, связанных с конкретным статусом заболевания, фактором окружающей среды и / или фенотипом. [7] [8]

    Термин «эпифенотипирование» был впервые введен в статье в 2023 году, в которой оценивалось использование эпифенотипирования в исследованиях массива метилирования ДНК плаценты человека. [3] Стоит отметить, что, хотя этот конкретный термин, возможно, появился недавно, сам метод использования данных о метилировании ДНК для прогнозирования фенотипов используется с 2011 года. [9]

    Рабочий процесс эпифенотипирования

    [ редактировать ]

    В следующем разделе рассматривается общая методология, используемая в исследованиях, создающих модели эпифенотипирования.

    Сбор данных

    [ редактировать ]

    Во-первых, исследователи извлекают и очищают ДНК из представляющих интерес образцов (например, крови или плацентарной ткани). Затем образцы ДНК анализируются с помощью высокопроизводительных технологий, таких как массивы метилирования ДНК (например, массив Illumina Infinium MmethylationEPIC (850K)) или полногеномное бисульфитное секвенирование (WGBS) для сбора данных о метилировании ДНК. Помимо сбора биологических образцов, также собираются ключевые биологические переменные (например, гестационный возраст при рождении, пол и этническая принадлежность, о которой сообщают сами пациенты) и технические переменные (например, время обработки и температура, при которой хранятся образцы). [3]

    Предварительная обработка

    [ редактировать ]

    Необработанные данные о метилировании ДНК проходят этапы предварительной обработки для устранения технических отклонений и фильтрации шума или некачественных зондов метилирования. На этом этапе также происходят нормализация и пакетная коррекция. Пакеты R, такие как minfi, wateRmelon и ewastools, облегчают проверку качества данных. [10] [11] [12] Например, эффективность преобразования бисульфита, качество работы матрицы и средняя общая интенсивность флуоресценции являются важными показателями для оценки между образцами. [3] [13] Было показано, что использование алгоритмов нормализации данных (например, функциональной или квантильной) и фильтрации зондов снижает вариабельность биологических и технических переменных между наборами данных о метилировании ДНК. [14] [15] [16] Анализ главных компонентов (PCA) часто применяется для уменьшения размерности данных, прежде чем приступить к их дальнейшему анализу. [17]

    Модель обучения

    [ редактировать ]

    На этом этапе разрабатывается модель, которая пытается предсказать эпифенотипы на основе данных о метилировании ДНК. Предсказания модели сравниваются с известной фенотипической информацией для проверки. Часть набора данных из предварительно обработанных и нормализованных данных используется для обучения модели, известной как набор обучающих данных. Были разработаны модели эпифенотипирования, которые используют линейную регрессию для идентификации CpG, которые являются предикторами интересующего фенотипа, в то время как в новых моделях используются методы машинного обучения. [4] [5] Алгоритмы машинного обучения , такие как случайные леса или машины опорных векторов, используются для обучения моделей на предварительно обработанных данных о метилировании ДНК. [18]

    Применение модели

    [ редактировать ]

    После того, как модели будут протестированы и продемонстрирована их высокая предсказательная сила, их можно будет применить к новым данным о метилировании ДНК для вывода эпифенотипов. Иногда создание эпифенотипов является заключительным этапом исследования, но в других случаях эпифенотипы создаются для дальнейшего анализа и исследований ассоциаций. Эпифенотипы могут быть включены в качестве ковариат в другие модели, которые ищут связи между фенотипами и закономерностями метилирования ДНК. [3] [19]

    Дальнейший анализ также может быть проведен на основе предполагаемых эпифенотипов, чтобы найти потенциальные связи между эпифенотипами и конкретными биологическими функциями или болезненными процессами. Например, могут существовать CpG, которые с высокой степенью прогнозирования фенотипа могут указывать, какие гены важны для развития этого фенотипа. Примером этого является изучение того, как состав клеток крови или плаценты связан с преэклампсией или как определенные CpG, предсказывающие эпигенетический возраст, коррелируют с несоответствиями гестационного возраста. [3]

    Приложения

    [ редактировать ]
    На рисунке показаны примеры применения эпифенотипирования и некоторых различных фенотипов, которые модели могут предсказать на основе данных метилирования ДНК.

    Эпигенетические часы

    [ редактировать ]

    Наиболее распространенным применением эпифенотипирования являются эпигенетические часы , которые предсказывают возраст биологического образца на основе метилирования ДНК. [20] [21] Эпигенетические изменения, включая изменения в метилировании ДНК (общее глобальное гипометилирование), связаны со старением клеток. [22]

    Эпигенетически прогнозируемый хронологический возраст обычно увеличивается с фактическим хронологическим возрастом, но скорость эпигенетического старения может варьироваться в зависимости от ткани и между людьми. [20] Отклонение прогнозируемого и фактического возраста известно как эпигенетическое ускорение возраста. [23] Эпигенетическое ускорение старения связано с несколькими фенотипами, включая ожирение, [24] заболеваемость раком легких, [25] и травматический стресс [26] среди других.

    Эпигенетические часы первого поколения

    [ редактировать ]

    Первые опубликованные эпигенетические часы, которые использовали метилирование ДНК для предсказания хронологического возраста, были созданы группой Бокландта в 2011 году. [9] Эти часы были созданы с использованием образцов слюны и основаны на 3 CpG, обнаруженных в 3 промоторах генов ( EDARADD, TOM1L1 и NPTX2 ). Два года спустя Стив Хорват создал эпигенетические часы для 51 различных тканей и типов клеток, используя 353 CpG. [4]

    Эпигенетические часы второго поколения

    [ редактировать ]

    С 2013 года произошел взрыв новых эпигенетических часов: новые часы включают в свои модели больше сайтов CpG и имеют более высокую точность прогнозирования. [20] [21] Кроме того, были разработаны как внутренние, так и внешние эпигенетические часы. [27]

    Были разработаны новые эпигенетические часы, известные как «второе поколение», в которых использовались дополнительные клинические биомаркеры (например, количество лейкоцитов) для более точного прогнозирования фенотипического возраста, а не хронологического возраста образца на основе метилирования ДНК. [21] [28] Модель PhenoAge, обученная на образцах цельной крови, предсказала фенотипический возраст, используя 513 CpG, с улучшенным прогнозированием смертности по сравнению с часами «первого поколения», такими как часы Хорвата. [28] GrimAge — еще одна модель, обученная использовать метилирование ДНК для прогнозирования уровней семи белков плазмы и продолжительности жизни/времени до смерти. [29] Также было показано, что GrimAge позволяет прогнозировать другие фенотипы, такие как время до ишемической болезни сердца, время до рака, время до менопаузы и когнитивные способности. [5] [29] И PhenoAge, и GrimAge были разработаны для цельной крови, тогда как другие часы были разработаны для других тканей, таких как мозг. [30] и скелетные мышцы. [31]

    Эпигенетические часы также были разработаны для прогнозирования срока беременности на основе метилирования ДНК из пуповинной крови или плаценты. [32] [33] [34] Ускорение эпигенетического возраста, измеренное по образцам плаценты, было связано с преэклампсией и материнской дислипидемией. [35] [36]

    Эпигенетические часы Количество CpG Салфетка Публикация
    Эпигенетический предсказатель возраста 3 Слюна (лейкоциты и эпителиальные клетки) Бокландт и др., 2011 г. [9]
    Мультитканевые эпигенетические часы 353 51 тип тканей и клеток Хорват, 2013 г. [4]
    Эпигенетические часы Ханнума 71 Цельная кровь Ханнум и др., 2013 г. [37]
    ФеноЭйдж 513 Цельная кровь Левин и др., 2018 г. [28]
    GrimAge 1030 Цельная кровь Лу и др., 2019 г. [5]

    Криминалистические приложения

    [ редактировать ]

    Эпигенетические часы могут быть использованы в судебной медицине для оценки хронологического возраста биологического образца. [38] [39] [40] Эпигенетические часы могут быть использованы для оценки возраста неопознанного тела, биологического образца преступника или для разрешения юридического спора о возрасте человека. Помимо оценок возраста, существует ряд других потенциальных фенотипов, которые могут быть полезны в судебно-медицинской экспертизе и которые можно выяснить с помощью метилирования ДНК: генетическое происхождение, курение, употребление алкоголя, размер тела, социально-экономический статус и многое другое. [40]

    Некоторые ограничения в применении этой технологии в судебной медицине заключаются в том, что создание полных профилей метиломов технически сложно для большинства судебно-медицинских лабораторий, люди молодого и пожилого возраста плохо представлены в большинстве наборов модельных данных, этические и юридические проблемы, а также низкое количество/качество. Образцы ДНК. [39] [40] [41]

    Эпифенотипирование в онкологии

    [ редактировать ]

    Известно, что раковые клетки имеют измененные закономерности метилирования ДНК по сравнению с нормальными клетками. [21] Одним из применений эпифенотипирования является использование моделей для прогнозирования индивидуального риска развития рака, а в некоторых случаях закономерности метилирования ДНК используются для диагностики определенных типов рака. [42] Различные модели эпифенотипирования для использования в онкологии были разработаны для различных видов рака, включая рак молочной железы, предстательной железы, неврологический рак и рак легких, среди других. [21] Еще одним онкологическим применением эпифенотипирования является прогнозирование ткани происхождения рака на основе метилирования ДНК. [43] [44]

    Другие приложения

    [ редактировать ]

    Помимо рака, эпифенотипирование проводилось для прогнозирования индивидуального риска развития других заболеваний, включая болезнь Альцгеймера и сердечно-сосудистые заболевания. [45] [46]

    Другое применение эпифенотипирования включает прогнозирование клеточного состава в объемных образцах тканей. [47] [48] Также существуют некоторые модели эпифенотипирования, которые предсказывают генетическое происхождение или пол на основе глобальных закономерностей метилирования ДНК. [49] [50] [51]

    Преимущества и ограничения

    [ редактировать ]

    Модели эпифенотипирования хороши настолько, насколько хороши данные, которые они использовали для обучения своих моделей. Возрастной диапазон когорты, генетическое происхождение и соотношение полов — все это может повлиять на то, насколько прогнозирующей будет модель для других данных, а также на их внешнюю валидность. [21] Иногда модели эпифенотипирования работают или работают лучше только в определенных возрастных диапазонах или для определенных генетических предков. [52] Обычно это является результатом переобучения модели эпифенотипирования .

    Оценка риска метилирования (MRS)

    [ редактировать ]

    В то время как показатели полигенного риска (PRS) представляют собой оценку фенотипа человека на основе многих генетических вариантов, показатели риска метилирования (MRS) аналогичным образом обеспечивают оценку фенотипа человека на основе метилирования многих CpG. [53] PRS генерируются с помощью широкогеномных ассоциативных исследований (GWAS), и аналогично MRS генерируются с помощью EWAS. Некоторые используют термин MRS аналогично термину эпифенотипирование, чтобы предсказать фенотип на основе данных метилирования ДНК. [53]

    Модели классификации машинного обучения, такие как случайные леса, идентифицируют дискриминационные признаки в наборе данных для создания MRS. Например, MRS был разработан для идентификации курильщиков и некурящих. [54] Альтернативно, MRS можно использовать в качестве ковариаты в других анализах для корректировки этого фенотипа и уменьшения мешающих эффектов. Например, прогнозируемый статус курения на основе метилирования ДНК использовался в качестве ковариаты в исследовании EWAS, которое выявило связь между метилированием ДНК и шизофренией. [55]

    Ссылки

    [ редактировать ]
    1. ^ Гибни, скорая помощь; Нолан, CM (июль 2010 г.). «Эпигенетика и экспрессия генов» . Наследственность . 105 (1): 4–13. дои : 10.1038/hdy.2010.54 . ISSN   1365-2540 . ПМИД   20461105 .
    2. ^ Мур, Лиза Д.; Ле, Тук; Фань, Гопин (январь 2013 г.). «Метилирование ДНК и его основная функция» . Нейропсихофармакология . 38 (1): 23–38. дои : 10.1038/нпп.2012.112 . ISSN   1740-634X . ПМК   3521964 . ПМИД   22781841 .
    3. ^ Jump up to: а б с д и ж г час Хан, А.; Инкстер, AM; Пеньяэррера, MS; Кинг, С.; Килдеа, С.; Оберлендер, ТФ; Олсон, DM; Вайанкур, К.; Брэйн, У.; Беральдо, Э.О.; Беристейн, АГ; Клифтон, В.Л.; Дель Гоббо, ГФ; Лам, WL; Мец, ГАЗ (04 октября 2023 г.). «Применение подходов эпифенотипирования к исследованию массива метилирования ДНК плаценты человека» . Эпигенетика и хроматин . 16 (1): 37. дои : 10.1186/s13072-023-00507-5 . ISSN   1756-8935 . ПМЦ   10548571 . ПМИД   37794499 .
    4. ^ Jump up to: а б с д и Хорват, Стив (10 декабря 2013 г.). «Возраст метилирования ДНК тканей и типов клеток человека» . Геномная биология . 14 (10): 3156. doi : 10.1186/gb-2013-14-10-r115 . ISSN   1474-760X . ПМК   4015143 . ПМИД   24138928 . (Ошибка: два : 10.1186/s13059-015-0649-6 , PMID   25968125 , Часы втягивания . Если ошибка была проверена и не влияет на цитируемый материал, замените ее. {{erratum|...}} с {{erratum|...|checked=yes}}. )
    5. ^ Jump up to: а б с д Лу, Аке Т.; Куах, Остин; Уилсон, Джеймс Г.; Райнер, Алекс П.; Авив, Авраам; Радж, Кеннет; Хоу, Лифан; Баккарелли, Андреа А.; Ли, Юн; Стюарт, Джеймс Д.; Уитсел, Эрик А.; Ассимес, Фемистокл Л.; Ферруччи, Луиджи; Хорват, Стив (21 января 2019 г.). «Метилирование ДНК GrimAge точно предсказывает продолжительность жизни и здоровье» . Старение . 11 (2): 303–327. дои : 10.18632/aging.101684 . ISSN   1945-4589 . ПМК   6366976 . ПМИД   30669119 .
    6. ^ Титус, Александр Дж.; Галлимор, Рэйчел М.; Салас, Лукас А.; Кристенсен, Брок К. (19 июля 2017 г.). «Деконволюция клеточного типа в результате метилирования ДНК: обзор последних приложений» . Молекулярная генетика человека . 26 (С2): Р216–Р224. дои : 10.1093/hmg/ddx275 . ISSN   0964-6906 . ПМЦ   5886462 . ПМИД   28977446 .
    7. ^ Кампанья, Мария Пиа; Ксавье, Александр; Лехнер-Скотт, Жаннетт; Молтби, Вики; Скотт, Родни Дж.; Буцкуэвен, Хельмут; Йокубайтис, Вилия Г.; Леа, Родни А. (04 декабря 2021 г.). «Общеэпигеномные ассоциативные исследования: современные знания, стратегии и рекомендации» . Клиническая эпигенетика . 13 (1): 214. дои : 10.1186/s13148-021-01200-8 . ISSN   1868-7083 . ПМЦ   8645110 . ПМИД   34863305 .
    8. ^ Фланаган, Джеймс М. (2015). «Общеэпигеномные ассоциативные исследования (EWAS): прошлое, настоящее и будущее» . Эпигенетика рака . Методы молекулярной биологии (Клифтон, Нью-Джерси). Том. 1238. стр. 51–63. дои : 10.1007/978-1-4939-1804-1_3 . ISBN  978-1-4939-1803-4 . ISSN   1940-6029 . ПМИД   25421654 .
    9. ^ Jump up to: а б с Бокландт, Свен; Линь, Вэнь; Зель, Мэри Э.; Санчес, Франсиско Х.; Зиншаймер, Джанет С.; Хорват, Стив; Вилен, Эрик (22 июня 2011 г.). «Эпигенетический предсказатель возраста» . ПЛОС ОДИН . 6 (6): e14821. Бибкод : 2011PLoSO...614821B . дои : 10.1371/journal.pone.0014821 . ISSN   1932-6203 . ПМК   3120753 . ПМИД   21731603 .
    10. ^ Ари, Мартин Дж.; Яффе, Эндрю Э.; Коррада-Браво, Гектор; Лэдд-Акоста, Кристина; Фейнберг, Эндрю П.; Хансен, Каспер Д.; Иризарри, Рафаэль А. (15 мая 2014 г.). «Minfi: гибкий и комплексный пакет биокондуктора для анализа микрочипов метилирования ДНК Infinium» . Биоинформатика . 30 (10): 1363–1369. doi : 10.1093/биоинформатика/btu049 . ISSN   1367-4811 . ПМК   4016708 . ПМИД   24478339 .
    11. ^ Пидсли, Рут; И Вонг, Хлоя С.; Вольта, Мануэла; Ланнон, Кэти; Милль, Джонатан; Шалквик, Леонард К. (01 мая 2013 г.). «Подход на основе данных к предварительной обработке данных массива метилирования Illumina 450K» . БМК Геномика . 14 (1): 293. дои : 10.1186/1471-2164-14-293 . ISSN   1471-2164 . ПМЦ   3769145 . ПМИД   23631413 .
    12. ^ Мурат, Катажина; Грюнинг, Бьёрн; Потерлович, Паулина Виктория; Вестгейт, Джиллиан; Тобин, Десмонд Дж; Потерлович, Кшиштоф (01 мая 2020 г.). «Ewastools: конвейер Infinium Human Mmethylation BeadChip для популяционной эпигенетики, интегрированный в Галактику» . ГигаСайенс . 9 (5). doi : 10.1093/gigascience/giaa049 . ISSN   2047-217X . ПМК   7219210 . ПМИД   32401319 .
    13. ^ Триш, Тимоти Дж.; Вайзенбергер, Дэниел Дж.; Ван Ден Берг, Дэвид; Лэрд, Питер В.; Зигмунд, Кимберли Д. (1 апреля 2013 г.). «Низкоуровневая обработка шариков Illumina Infinium для метилирования ДНК» . Исследования нуклеиновых кислот . 41 (7): е90. дои : 10.1093/nar/gkt090 . ISSN   1362-4962 . ПМЦ   3627582 . ПМИД   23476028 .
    14. ^ Фортен, Жан-Филипп; Лаббе, Орели; Лемир, Матье; Занке, Брент В.; Хадсон, Томас Дж.; Фертиг, Элана Дж.; Гринвуд, Селия М.Т.; Хансен, Каспер Д. (3 декабря 2014 г.). «Функциональная нормализация данных массива метилирования 450k улучшает репликацию в крупных исследованиях рака» . Геномная биология . 15 (11): 503. дои : 10.1186/s13059-014-0503-2 . ISSN   1474-760X . ПМК   4283580 . ПМИД   25599564 .
    15. ^ Максимович, Йована; Гордон, Лавиния; Ошлак, Алисия (15 июня 2012 г.). «SWAN: подмножество-квантиль в пределах нормализации массива для чипов Illumina Infinium HumanMmethylation450 BeadChips» . Геномная биология . 13 (6): Р44. дои : 10.1186/gb-2012-13-6-r44 . ISSN   1474-760X . ПМЦ   3446316 . ПМИД   22703947 .
    16. ^ Ван дер Мост, Питер Дж; Куперс, Линн К; Снайдер, Гарольд; Нольте, Илья (24 января 2017 г.). «QCEWAS: автоматизированный контроль качества результатов общеэпигеномных ассоциативных исследований». Биоинформатика . 33 (8): 1243–1245. doi : 10.1093/биоинформатика/btw766 . hdl : 1983/d96c2caa-6e07-431a-932b-6d44ceeeecd7c . ISSN   1367-4803 . ПМИД   28119308 .
    17. ^ Мяо, Руи; Данг, Ци; Цай, Цзе; Хуан, Хай-Хуэй; Се, Шэн-Ли; Лян, Юн (сентябрь 2022 г.). «Анализ разреженных главных компонентов на основе геномной сети для коррекции гетерогенности типов клеток в исследованиях ассоциаций на уровне эпигенома» . Медицинская и биологическая инженерия и вычислительная техника . 60 (9): 2601–2618. дои : 10.1007/s11517-022-02599-9 . ISSN   1741-0444 . ПМИД   35789457 . S2CID   250282262 .
    18. ^ Ли, Донг-Донг; Чен, Тин; Лин, Ю-Лян; Цзян, ЮнАнь; Ли, Цю-Ген (2022). «Модель диагностики метилирования, основанная на случайных лесах и нейронных сетях для идентификации астмы» . Вычислительные и математические методы в медицине . 2022 : 2679050. дои : 10.1155/2022/2679050 . ISSN   1748-6718 . ПМЦ   9534672 . ПМИД   36213574 .
    19. ^ Гуинтивано, Джерри; Шабалин Андрей А; Чан, Робин Ф.; Рубинов, Дэвид Р.; Салливан, Патрик Ф.; Мельцер-Броди, Саманта; Аберг, Каролина а; ван ден Оорд, Эдвин Дж.К.Г. (01.11.2020). «Инфляция тест-статистики в исследованиях ассоциаций всего метилома» . Эпигенетика . 15 (11): 1163–1166. дои : 10.1080/15592294.2020.1758382 . ISSN   1559-2294 . ПМЦ   7595582 . ПМИД   32425094 .
    20. ^ Jump up to: а б с Бергсма, Тесса; Рогаева Екатерина (январь 2020 г.). «Часы метилирования ДНК и их способность прогнозировать фенотипы старения и продолжительность здоровья» . Нейронаучные идеи . 15 : 263310552094222. дои : 10.1177/2633105520942221 . ISSN   2633-1055 . ПМЦ   7376380 . ПМИД   32743556 .
    21. ^ Jump up to: а б с д и ж Юсефи, Пол Д.; Судерман, Мэтью; Лэнгдон, Райан; Уайтхерст, Оливер; Дэйви Смит, Джордж; Релтон, Кэролайн Л. (июнь 2022 г.). «Предсказатели здоровья на основе метилирования ДНК: применение и статистические соображения» . Обзоры природы Генетика . 23 (6): 369–383. дои : 10.1038/s41576-022-00465-w . ISSN   1471-0064 . ПМИД   35304597 . S2CID   247548403 .
    22. ^ Джонсон, Адив А.; Акман, Кемаль; Калимпорт, Стюарт Р.Г.; Вуттке, Дэниел; Штольцинг, Александра; де Магальяйнс, Жоау Педро (октябрь 2012 г.). «Роль метилирования ДНК в старении, омоложении и возрастных заболеваниях» . Исследования омоложения . 15 (5): 483–494. дои : 10.1089/rej.2012.1324 . ISSN   1549-1684 . ПМЦ   3482848 . ПМИД   23098078 .
    23. ^ Бозак, Энн К.; Рифас-Шиман, Шерил Л.; Голд, Дайан Р.; Лаубах, Закари М.; Пернг, Вэй; Иверт, Мари-Франс; Карденас, Андрес (12 апреля 2023 г.). «Возраст метилирования ДНК при рождении и в детстве: характеристики эпигенетических часов и характеристики, связанные с ускорением эпигенетического возраста в когорте проекта Viva» . Клиническая эпигенетика . 15 (1): 62. дои : 10.1186/s13148-023-01480-2 . ISSN   1868-7083 . ПМЦ   10099681 . ПМИД   37046280 .
    24. ^ Хорват, Стив; Эрхарт, Вибке; Брош, Марио; Аммерполь, Оле; из Шенфельса, Витиго; Аренс, Маркус; Хейтс, Нильс; Белл, Джордана Т.; Цай, Пей Чиен; Спектор, Тим Д.; Делоукас, Панос; Зиберт, Райнер; Сипос, Бенс; Беккер, Томас; Рёкен, Кристоф (28 октября 2014 г.). «Ожирение ускоряет эпигенетическое старение печени человека» . Труды Национальной академии наук . 111 (43): 15538–15543. Бибкод : 2014PNAS..11115538H . дои : 10.1073/pnas.1412759111 . ISSN   0027-8424 . ПМК   4217403 . ПМИД   25313081 .
    25. ^ Левин, Морган Э.; Хосгуд, Х. Дин; Чен, Брайан; Абшер, Девин; Асимес, Фемистокл; Хорват, Стив (24 сентября 2015 г.). «Возраст метилирования ДНК в крови предсказывает возникновение рака легких в будущем в рамках инициативы по охране здоровья женщин» . Старение . 7 (9): 690–700. дои : 10.18632/aging.100809 . ISSN   1945-4589 . ПМЦ   4600626 . ПМИД   26411804 .
    26. ^ Бокс, Марко П.; Мирло, Ханс К. ван; Руттен, Барт П.Ф.; Рэдстейк, Тимоти РДЖ; Де Витте, Лот; Гез, Эльберт; Хорват, Стив; Шалквик, Леонард К.; Винкерс, Кристиан Х.; Броен, Джаспер, Калифорния; Верметтен, Эрик (01 января 2015 г.). «Продольные изменения длины теломер и эпигенетического возраста, связанные с травматическим стрессом и посттравматическим стрессовым расстройством» (PDF) . Психонейроэндокринология . В этом выпуске есть специальный раздел «Биомаркеры в армии: новые результаты проспективных исследований». 51 : 506–512. doi : 10.1016/j.psyneuen.2014.07.011 . ISSN   0306-4530 . ПМИД   25129579 . S2CID   8699936 .
    27. ^ Белл, Кристофер Г.; Лоу, Роберт; Адамс, Питер Д.; Баккарелли, Андреа А.; Бек, Стефан; Белл, Джордана Т.; Кристенсен, Брок К.; Гладышев Вадим Н.; Хейманс, Бастиан Т.; Хорват, Стив; Идекер, Трей; Исса, Жан-Пьер Ж.; Келси, Карл Т.; Мариони, Риккардо Э.; Рейк, Вольф (25 ноября 2019 г.). «Часы старения метилирования ДНК: проблемы и рекомендации» . Геномная биология . 20 (1): 249. doi : 10.1186/s13059-019-1824-y . ISSN   1474-760X . ПМК   6876109 . ПМИД   31767039 .
    28. ^ Jump up to: а б с Левин, Морган Э.; Лу, Аке Т.; Куах, Остин; Чен, Брайан Х.; Ассимес, Фемистокл Л.; Бандинелли, Стефания; Хоу, Лифан; Баккарелли, Андреа А.; Стюарт, Джеймс Д.; Ли, Юн; Уитсел, Эрик А.; Уилсон, Джеймс Дж; Райнер, Алекс П; Авив, Авраам; Ломан, Курт (18 апреля 2018 г.). «Эпигенетический биомаркер старения для продолжительности жизни и здоровья» . Старение . 10 (4): 573–591. дои : 10.18632/aging.101414 . ISSN   1945-4589 . ПМК   5940111 . ПМИД   29676998 .
    29. ^ Jump up to: а б МакКрори, Катал; Фиорито, Джованни; Эрнандес, Белинда; Полидоро, Сильвия; О'Халлоран, Эшлинг М; Хевер, Энн; Ни Чиллей, Клиона; Лу, Аке Т; Хорват, Стив; Винейс, Паоло; Кенни, Роуз Энн (19 ноября 2020 г.). «GrimAge превосходит другие эпигенетические часы в прогнозировании возрастных клинических фенотипов и смертности от всех причин» . Журналы геронтологии: серия А. 76 (5): 741–749. дои : 10.1093/gerona/glaa286 . ISSN   1079-5006 . ПМК   8087266 . ПМИД   33211845 .
    30. ^ Гродштейн, Франсин; Лемос, Бернардо; Ю, Лей; Кляйн, Ганс-Ульрих; Ятру, Артемида; Бухман, Арон С.; Ширби, Джемма Л.; Милль, Джонатан; Шнайдер, Джули А.; Де Ягер, Филип Л.; Беннетт, Дэвид А. (01 сентября 2021 г.). «Связь эпигенетических часов в ткани головного мозга с патологиями мозга и распространенными фенотипами старения» . Нейробиология болезней . 157 : 105428. doi : 10.1016/j.nbd.2021.105428 . ISSN   0969-9961 . ПМЦ   8373772 . ПМИД   34153464 .
    31. ^ Вуазен, Сара; Харви, Николас Р.; Хаупт, Лариса М.; Гриффитс, Лин Р.; Эштон, Кевин Дж.; Коффи, Вернон Г.; Деринг, Томас М.; Томпсон, Джейми-Ли М.; Бенедикт, Кристиан; Седернес, Джонатан; Линдхольм, Мален Э.; Крейг, Джеффри М.; Роулендс, Дэвид С.; Шарплс, Адам П.; Хорват, Стив (август 2020 г.). «Эпигенетические часы скелетных мышц человека» . Журнал кахексии, саркопении и мышц . 11 (4): 887–898. дои : 10.1002/jcsm.12556 . ISSN   2190-5991 . ПМЦ   7432573 . ПМИД   32067420 .
    32. ^ Болин, Дж.; Хоберг, SE; Магнус, П.; Риз, ЮВ; Гьессинг, Гонконг; Магнус, MC; Парр, CL; Пейдж, СМ; Лондон, SJ; Нистад, В. (07 октября 2016 г.). «Прогнозирование гестационного возраста на основе дифференциально метилированных областей по всему геному» . Геномная биология . 17 (1): 207. дои : 10.1186/s13059-016-1063-4 . ISSN   1474-760X . ПМК   5054559 . ПМИД   27717397 .
    33. ^ Найт, Анна К.; Крейг, Джеффри М.; Теда, Кристиана; Беквад-Хансен, Мари; Бибьерг-Граухольм, Йонас; Хансен, Кристина С.; Холлегаард, Мэдс В.; Хугард, Дэвид М.; Мортенсен, Пребен Б.; Вайншаймер, Шантель М.; Верге, Томас М.; Бреннан, Патрисия А.; Кубеллс, Джозеф Ф.; Ньюпорт, Д. Джеффри; Стоу, Закари Н. (07 октября 2016 г.). «Эпигенетические часы гестационного возраста при рождении на основе данных о метилировании крови» . Геномная биология . 17 (1): 206. дои : 10.1186/s13059-016-1068-z . ISSN   1474-760X . ПМК   5054584 . ПМИД   27717399 .
    34. ^ Ли, Юнсунг; Шуфани, Сана; Вексберг, Розанна; Уилсон, Саманта Л.; Юань, Виктор; Берт, Эмбер; Марсит, Кармен; Лу, Аке Т.; Ритц, Беате; Болин, Джон; Йессинг, Хокон К.; Харрис, Дженнифер Р.; Магнус, Пер; Биндер, Александра М.; Робинсон, Венди П. (24 июня 2019 г.). «Плацентарные эпигенетические часы: оценка гестационного возраста с использованием уровней метилирования плацентарной ДНК» . Старение . 11 (12): 4238–4253. дои : 10.18632/aging.102049 . ISSN   1945-4589 . ПМК   6628997 . ПМИД   31235674 .
    35. ^ Суваков, Соня; Гамрави, Ранин; Кубро, Хайруниса; Ты, Хайтао; Уайт, Венди М.; Тоба, Ивонн С. Батлер; Милич, Наташа М.; Гранде, Джозеф П.; Каннингем, Джули М.; Чебиб, Фуад Т.; Прата, Лариса GP Eye; Чжу, И; Чкония, Тамара; Киркланд, Джеймс Л.; Нат, Карл А. (август 2021 г.). «Эпигенетические маркеры и маркеры старения указывают на состояние, подобное ускоренному старению, у женщин с преэкламптической беременностью» . Электронная биомедицина . 70 : 103536 дои : 10.1016/j.ebiom.2021.103536 . ISSN   2352-3964 . ПМЦ   8365351 . ПМИД   34391091 .
    36. ^ Шреста, Дипика; Воркалемаху, Цегаселассие; Текола-Аеле, Фасил (03.10.2019). «Материнская дислипидемия на ранних сроках беременности и эпигенетическое старение плаценты» . Эпигенетика . 14 (10): 1030–1 дои : 10.1080/15592294.2019.1629234 . ISSN   1559-2294 . ПМК   6691987 . ПМИД   31179827 .
    37. ^ Ханнум, Грегори; Гинни, Джастин; Чжао, Лин; Чжан, Ли; Хьюз, Гай; Садда, ШриниВас; Клотцл, Бренди; Бибикова Марина; Фань, Цзянь-Бин; Гао, Юань; Деконде, Роб; Чен, Мензис; Раджапаксе, Индика; Друг, Стивен; Идекер, Трей (январь 2013 г.). «Профили метилирования всего генома раскрывают количественные данные о темпах старения человека» . Молекулярная клетка . 49 (2): 359–367. дои : 10.1016/j.molcel.2012.10.016 . ISSN   1097-2765 . ПМК   3780611 . ПМИД   23177740 .
    38. ^ Аанес, Ховард; Блека, Эйвинд; Дальберг, Пол Скейдж; Карм, Кристина Тотланд; Лехтимяки, Терхо; Райтакари, Олли; Кяхёнен, Мика; Хурме, Микко; Ролсет, Веслемой (9 февраля 2023 г.). «Новый эпигенетический предиктор возраста на основе крови для подростков и молодых людей» . Научные отчеты . 13 (1): 2303. Бибкод : 2023НатСР..13.2303А . дои : 10.1038/s41598-023-29381-7 . ISSN   2045-2322 . ПМЦ   9911637 . ПМИД   36759656 .
    39. ^ Jump up to: а б Монтесанто, Альберто; Д'Акуила, Патриция; Лагани, Винченцо; Папараццо, Эрсилия; Джерачитано, Сильвана; Форментини, Лаура; Джаккони, Робертина; Карделли, Маурицио; Провинциалы, Мауро; Беллицци, Дина; Пассарино, Джузеппе (сентябрь 2020 г.). «Новая надежная эпигенетическая модель для судебно-медицинского прогнозирования возраста». Журнал судебной медицины . 65 (5): 1424–1431. дои : 10.1111/1556-4029.14460 . ISSN   0022-1198 . ПМИД   32453457 . S2CID   218894971 .
    40. ^ Jump up to: а б с Видаки, Афина; Кайзер, Манфред (21 декабря 2017 г.). «От судебно-медицинской эпигенетики к судебно-эпигеномике: расширение возможностей расследования ДНК» . Геномная биология . 18 (1): 238. дои : 10.1186/s13059-017-1373-1 . ISSN   1474-760X . ПМЦ   5738715 . ПМИД   29268765 .
    41. ^ Фрейре-Арадас, А.; Хирон-Сантамария, Л.; Москера-Мигель, А.; Амброа-Конде, А.; Филлипс, К.; Касарес де Кал, М.; Гомес-Тато, А.; Альварес-Диос, Дж.; Поспих, Э.; Алифери, А.; Синдеркомб Корт, Д.; Браницкий, В.; Лареу, М.В. (сентябрь 2022 г.). «Общие эпигенетические часы от детства до старости». Международная судебно-медицинская экспертиза: Генетика . 60 : 102743. doi : 10.1016/j.fsigen.2022.102743 . hdl : 10347/29147 . ISSN   1872-4973 . ПМИД   35777225 .
    42. ^ Пан, Юньбао; Лю, Гохун; Чжоу, Фулин; Су, Божин; Ли, Ижун (01 февраля 2018 г.). «Профили метилирования ДНК в диагностике и терапии рака». Клиническая и экспериментальная медицина . 18 (1): 1–14. дои : 10.1007/s10238-017-0467-0 . ISSN   1591-9528 . ПМИД   28752221 . S2CID   3232298 .
    43. ^ Чжэн, Чуньлэй; Сюй, Ронг (08 мая 2020 г.). «Прогнозирование происхождения рака с помощью модели глубоких нейронных сетей, основанной на метилировании ДНК» . ПЛОС ОДИН . 15 (5): e0226461. Бибкод : 2020PLoSO..1526461Z . дои : 10.1371/journal.pone.0226461 . ISSN   1932-6203 . ПМК   7209244 . ПМИД   32384093 .
    44. ^ Канг, Шули; Ли, Цинцзяо; Чен, Цюань; Чжоу, Юнган; Парк, Стейси; Ли, Джина; Граймс, Брэндон; Крысан Константин; Ю, Мин; Ван, Вэй; Альбер, Фрэнк; Сунь, Фэнчжу; Дубинетт, Стивен М.; Ли, Вэньюань; Чжоу, Сянхун Жасмин (24 марта 2017 г.). «CancerLocator: неинвазивная диагностика рака и прогнозирование происхождения ткани с использованием профилей метилирования бесклеточной ДНК» . Геномная биология . 18 (1): 53. дои : 10.1186/s13059-017-1191-5 . ISSN   1474-760X . ПМК   5364586 . ПМИД   28335812 .
    45. ^ Пак, Чихён; Ха, Джихван; Пак, Санхён (01 февраля 2020 г.). «Прогнозирование болезни Альцгеймера на основе глубокой нейронной сети путем интеграции набора данных об экспрессии генов и метилировании ДНК». Экспертные системы с приложениями . 140 : 112873. doi : 10.1016/j.eswa.2019.112873 . ISSN   0957-4174 . S2CID   201888983 .
    46. ^ Вестерман, Кеннет; Фернандес-Санлес, Альба; Патил, Прасад; Себастьяни, Паола; Жак, Поль; Старр, Джон М.; Дж. Дири, Ян; Лю, Цин; Лю, Симин; Элосуа, Роберто; ДеМео, Дон Л.; Ордовас, Хосе М. (21 апреля 2020 г.). «Эпигеномная оценка риска сердечно-сосудистых заболеваний и взаимодействия с традиционными показателями риска» . Журнал Американской кардиологической ассоциации . 9 (8): e015299. дои : 10.1161/JAHA.119.015299 . ISSN   2047-9980 . ПМЦ   7428544 . ПМИД   32308120 .
    47. ^ Чжу, Тяньюй; Лю, Джеклин; Бек, Стефан; Пан, Солнце; Кэппер, Дэвид; Лехнер, Мэтт; Тирлвелл, Крисси; Бриз, Чарльз Э.; Тешендорфф, Эндрю Э. (март 2022 г.). «Атлас метилирования пантканевой ДНК позволяет in silico разлагать метиломы тканей человека с разрешением клеточного типа» . Природные методы . 19 (3): 296–306. дои : 10.1038/s41592-022-01412-7 . ISSN   1548-7105 . ПМЦ   8916958 . ПМИД   35277705 .
    48. ^ Хаусман, Юджин Андрес; Аккомандо, Уильям П.; Кестлер, Девин С.; Кристенсен, Брок К.; Марсит, Кармен Дж.; Нельсон, Хизер Х.; Винке, Джон К.; Келси, Карл Т. (8 мая 2012 г.). «Массивы метилирования ДНК как суррогатные меры распределения клеточной смеси» . БМК Биоинформатика . 13 (1): 86. дои : 10.1186/1471-2105-13-86 . ISSN   1471-2105 . ПМЦ   3532182 . ПМИД   22568884 .
    49. ^ Юань, Виктор; Прайс, Э. Магда; Дель Гоббо, Джулия; Мостафави, Сара; Кокс, Брайан; Биндер, Александра М.; Михелс, Карин Б.; Марсит, Кармен; Робинсон, Венди П. (9 августа 2019 г.). «Точный прогноз этнической принадлежности на основе данных метилирования плацентарной ДНК» . Эпигенетика и хроматин . 12 (1): 51. дои : 10.1186/s13072-019-0296-3 . ISSN   1756-8935 . ПМК   6688210 . ПМИД   31399127 .
    50. ^ Чжан, Фан Фан; Кардарелли, Роберт; Кэрролл, Джоан; Фульда, Кимберли Г.; Каур, Манлин; Гонсалес, Карина; Вишванатха, Джамбори К.; Сантелла, Регина М.; Морабия, Альфред (май 2011 г.). «Значительные различия в глобальном метилировании геномной ДНК в зависимости от пола и расы/этнической принадлежности в периферической крови» . Эпигенетика . 6 (5): 623–629. дои : 10.4161/epi.6.5.15335 . ISSN   1559-2294 . ПМЦ   3230547 . ПМИД   21739720 .
    51. ^ Ван, Юйчэн; Хэннон, Эйлис; Грант, Оливия А.; Горри-Стоун, Тайлер Дж.; Кумари, Мина; Милль, Джонатан; Чжай, Сяоцзюнь; Макдональд-Майер, Клаус Д.; Шалквик, Леонард К. (28 июня 2021 г.). «Классификатор пола на основе метилирования ДНК для прогнозирования пола и выявления анеуплоидии половых хромосом» . БМК Геномика . 22 (1): 484. doi : 10.1186/s12864-021-07675-2 . ISSN   1471-2164 . ПМК   8240370 . ПМИД   34182928 .
    52. ^ Тонг, Чжунхуэй; Тан, Джолена Ин Ин; Лу, Эйлин Шужен; Фуа, Ю Вэй; Чан, Ксавье Лян Шунь; Син, Кристофер Киу-Чунг (18 января 2021 г.). «Искусственная нейронная сеть, переменные-предикторы и порог чувствительности для прогнозирования возраста на основе метилирования ДНК с использованием образцов крови» . Научные отчеты . 11 (1): 1744. Бибкод : 2021НатСР..11.1744Т . дои : 10.1038/s41598-021-81556-2 . ISSN   2045-2322 . ПМК   7814006 . ПМИД   33462351 .
    53. ^ Jump up to: а б Хюльс, Анке; Чамара, Дарина (01.02.2020). «Методологические проблемы при построении показателей риска метилирования ДНК» . Эпигенетика . 15 (1–2): 1–11. дои : 10.1080/15592294.2019.1644879 . ISSN   1559-2294 . ПМК   6961658 . ПМИД   31318318 .
    54. ^ Эллиотт, Ханна Р.; Тиллин, Тереза; Макардл, Венди Л.; Хо, Карен; Дуггирала, Апарна; Фрейлинг, Тим М.; Дэйви Смит, Джордж; Хьюз, Алан Д.; Чатурведи, Ниш; Релтон, Кэролайн Л. (3 февраля 2014 г.). «Различия в курении связаны с закономерностями метилирования ДНК у жителей Южной Азии и европейцев» . Клиническая эпигенетика . 6 (1): 4. дои : 10.1186/1868-7083-6-4 . ISSN   1868-7083 . ПМЦ   3915234 . ПМИД   24485148 .
    55. ^ Хэннон, Эйлис; Демпстер, Эмма; Виана, Джоана; Беррейдж, Джо; Смит, Адам Р.; Макдональд, Руби; Сен-Клер, Дэвид; Горчица, Колетт; Брин, Джером; Терман, Себастьян; Каприо, Яакко; Тулопулу, Тимотея; Пол, Хиллеке Э. Хулсхофф; Болькен, Марк М.; Кан, Рене С. (30 августа 2016 г.). «Комплексный генетико-эпигенетический анализ шизофрении: доказательства совместной локализации генетических ассоциаций и дифференциального метилирования ДНК» . Геномная биология . 17 (1): 176. дои : 10.1186/s13059-016-1041-x . ISSN   1474-760X . ПМЦ   5004279 . ПМИД   27572077 .
    Retrieved from "https://en.wikipedia.org/w/index.php?title=Epiphenotyping&oldid=1229086341"
    Arc.Ask3.Ru: конец переведенного документа.
    Arc.Ask3.Ru
    Номер скриншота №: d0f018a2c4b879bef0581a5fd7c03b7a__1718383860
    URL1:https://arc.ask3.ru/arc/aa/d0/7a/d0f018a2c4b879bef0581a5fd7c03b7a.html
    Заголовок, (Title) документа по адресу, URL1:
    Epiphenotyping - Wikipedia
    Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)