CpG位点是指脱氧核糖核酸同一条链上,沿5′至3′方向,胞嘧啶核苷酸后紧接着鸟嘌呤核苷酸的位置。字母p表示通过磷酸二酯键连接这两个核苷酸的磷酸基团。CpG位点在脊椎动物生物学中尤为重要,因为其中的胞嘧啶是DNA甲基化的主要靶点;DNA甲基化是一种参与基因组调控的化学修饰。CpG序列及其甲基化状态是两个不同的属性:CpG位点既可以被甲基化,也可以不被甲基化。
序列结构与术语
CpG描述的是DNA同一条链上相邻的碱基,而不是两条互补链之间的胞嘧啶—鸟嘌呤碱基对。这一区别很重要,因为在普通双链DNA中,几乎每个胞嘧啶都与鸟嘌呤配对,但只有部分胞嘧啶在其所在链上后接鸟嘌呤。
这一双链序列可写为:
5′—C—G—3′
3′—G—C—5′
分别沿每条链自身的5′至3′方向读取时,两条链都含有一个CpG。因此,CpG是一种具有反向互补对称性的二核苷酸。两条链上对应的胞嘧啶可以都被甲基化、都不被甲基化,也可以具有不同的甲基化状态。只有一条链被甲基化的双链DNA称为半甲基化DNA。
基因组中的CpG位点通常用其胞嘧啶在指定参考链上的坐标来标示。根据分析方法的不同,两条互补链上的胞嘧啶可以分别测量,也可以作为一个CpG二联体处理。
甲基化及其维持
在哺乳动物中,甲基化通常是在胞嘧啶环的第5位碳原子上添加一个甲基,形成5-甲基胞嘧啶。这不会改变DNA序列,通常也不会妨碍修饰后的胞嘧啶与鸟嘌呤配对,而是会改变DNA与调控蛋白及染色质其他组分的相互作用方式。
DNA甲基转移酶负责建立和维持这些修饰。在哺乳动物中:
- DNMT3A和DNMT3B主要负责建立新的甲基化模式。
- DNMT1与UHRF1等因子协同作用,在DNA复制后优先维持半甲基化CpG位点的甲基化状态。
复制产生的子代DNA分子包含一条亲代链和一条新合成链。维持性甲基化可在新链上与亲代链已甲基化CpG相对应的位置恢复甲基化。这一机制有助于在细胞分裂过程中保持调控状态,但这种维持并非完全准确,在整个基因组中也并不均一。
如果在连续的复制周期中未能恢复甲基化,甲基化就会被动丢失。甲基化也可以通过主动途径去除:TET酶将5-甲基胞嘧啶氧化为包括5-羟甲基胞嘧啶在内的衍生物,随后经进一步处理,可通过DNA修复恢复为未修饰的胞嘧啶。
因此,CpG甲基化是表观遗传学的重要组成部分,但并不是一成不变的标记。其模式会随细胞类型、发育阶段、基因组位置和生物学条件而变化。
在基因组中的分布
CpG在基因组中的分布并不均匀。脊椎动物基因组中的CpG二核苷酸数量通常低于根据胞嘧啶和鸟嘌呤总体频率所预测的数量。
一个主要原因是甲基化胞嘧啶在化学上不稳定。脱氨作用会将5-甲基胞嘧啶转化为胸腺嘧啶,形成T:G错配。如果这一错配未被修复并最终固定下来,原有的CpG就可能在一条链上变成TpG,在另一条链上变成CpA。在漫长的进化过程中,这一过程促使CpG数量减少,并使甲基化的CpG成为显著的突变热点。
相比之下,未甲基化的胞嘧啶脱氨后会形成尿嘧啶;这种碱基通常不存在于DNA中,容易被修复系统识别。两种情况给修复系统带来的不同挑战,有助于解释为何甲基化CpG的突变率较高。
CpG甲基化的重要性因生物种类而异。植物不仅在CpG序列中对胞嘧啶进行甲基化,也会在其他序列背景中进行这种修饰。许多无脊椎动物的DNA甲基化较为稀少,或具有不同的分布模式;有些生物的基因组中则很少或完全没有常规的胞嘧啶甲基化。因此,不应将哺乳动物中的模式视为普遍规律。
CpG岛、岸区与陆架区
**CpG岛**是GC含量较高、CpG二核苷酸密度也较高的DNA区域。许多CpG岛与启动子重叠,也有一些位于基因内部或基因之间。
一种沿用已久、广泛使用的计算定义将符合以下条件的区域识别为CpG岛:
- 长度至少为200个碱基对;
- GC含量大于50%;
- CpG观测值与期望值之比大于0.6。
不同注释方法采用的定义和阈值有所不同。观测值与期望值之比的一种常见表达式为
其中,为CpG二核苷酸的数量,为序列长度,和分别为该序列中胞嘧啶和鸟嘌呤的数量。
在正常哺乳动物细胞中,许多与启动子相关的CpG岛大体保持未甲基化状态,其中也包括一些未活跃表达的基因处的CpG岛。这些区域较少发生甲基化,有助于保护其中的CpG,避免因甲基化相关过程而从序列中丢失。
从CpG岛边界向外延伸约2千碱基的区域通常称为CpG岸区,再向外延伸约2千碱基的区域称为CpG陆架区。这些是为分析而划定的基因组区域类别,并非边界分明的生化结构。岸区的甲基化差异对于区分组织和细胞状态可能具有重要意义。
对基因调控的影响
CpG甲基化与基因表达之间的关系取决于其所处位置和生物学背景。
启动子甲基化。 与启动子相关的CpG岛发生密集甲基化,往往与稳定的转录抑制相关。甲基化可以干扰某些转录因子的结合,并招募能够与染色质修饰复合物相互作用的甲基化CpG结合蛋白。
基因体甲基化。 转录区域内的甲基化往往可以与活跃表达并存。研究发现,它与抑制不恰当的基因内部转录起始以及转录的其他调控过程有关,但其作用不能用“甲基化即不活跃”这一简单规则概括。
远端调控区域。 增强子及其他调控元件处的CpG甲基化可能与这些区域的活性和可及性相关。因果作用的方向取决于具体情境:甲基化可能有助于调节蛋白质结合,而已结合的蛋白质也可能影响局部甲基化。
CpG甲基化参与基因组印记、X染色体失活的某些环节,以及许多转座元件的抑制等过程。它与组蛋白修饰、核小体组织方式及调控蛋白协同发挥作用,而不是一个独立的开关。
测量与解读
CpG甲基化既可在单个位点水平研究,也可在全基因组范围内研究。
**亚硫酸氢盐测序**通过化学处理将未甲基化的胞嘧啶转化为尿嘧啶,后者在随后的测序中被读作胸腺嘧啶。在标准条件下,5-甲基胞嘧啶会被保留下来,并被读作胞嘧啶。因此,将测序读段与参考序列比较,就可以估算各个CpG位点的甲基化水平。
常规亚硫酸氢盐测序无法区分5-甲基胞嘧啶和5-羟甲基胞嘧啶,因为二者通常都会被读作胞嘧啶。专门的氧化法、酶法或其他对修饰敏感的方法可以区分二者。
其他方法包括:
- 针对选定CpG位点的甲基化芯片;
- 甲基化敏感性限制性内切酶检测;
- 检测甲基化DNA区域的富集方法;
- 根据分子信号变化推断修饰的长读长DNA测序方法。
报告中的甲基化百分比通常代表所采集DNA分子的平均值,而不是指单个胞嘧啶只有一部分发生修饰。例如,50%的甲基化水平可能反映等位基因特异性甲基化、不同细胞群的混合,或其他方面相似的细胞之间存在甲基化差异。
解读结果时,还必须考虑测序覆盖度、化学转化不完全、检测方法特有的偏倚,以及产生或消除CpG位点的遗传变异。甲基化与表达之间的相关性本身并不能确立因果关系。
研究应用
CpG图谱可用于研究细胞身份、发育、衰老、环境应答以及与疾病相关的分子变化。选定CpG位点的测量结果可用作生物标志物,而多个位点的整体模式有助于辨别组织或细胞来源。
在癌症研究中,反复观察到的现象包括基因组部分区域大范围的甲基化丢失,以及特定启动子相关CpG岛的甲基化增加。这些变化具有异质性:对其含义的解读取决于肿瘤类型、基因组区域以及样本的细胞组成。
CpG在序列中的分布也能为进化研究提供信息。由于甲基化CpG的突变率较高,其演变历史可能影响对序列分化程度的估算,以及对反复出现的变异的解读。