Longitudinal study of leukocyte DNA methylation and biomarkers for cancer risk in older adults

1. 领域背景与文献引入

文献英文标题：Longitudinal study of leukocyte DNA methylation and biomarkers for cancer risk in older adults；发表期刊：Biomarker Research；影响因子：未公开；研究领域：肿瘤表观遗传学与生物标志物研究（老年人群白细胞DNA甲基化与癌症风险的纵向关联）。

DNA甲基化是表观遗传学的核心机制，通过调控基因表达参与细胞分化与表型维持，其异常模式（如全局低甲基化、抑癌基因启动子高甲基化）是癌症发生的早期事件。早期研究多为横断面设计，关注肿瘤组织或诊断后血液样本的甲基化差异，但无法区分“因”（癌症前的甲基化改变）与“果”（癌症导致的变化）。随着非侵入性生物标志物需求增长，血液甲基化作为泛癌指标的潜力受到关注，但仍存在关键空白：纵向研究匮乏（追踪健康个体甲基化动态与后续癌症风险）、细胞组成异质性干扰（血液由多种白细胞组成，比例随年龄变化显著，可能掩盖真实信号）、老年人群针对性不足（老年是癌症高发期，免疫细胞变化更明显）。

针对上述问题，本研究利用Health ABC队列的纵向血液样本，分析白细胞DNA甲基化的长期变化与癌症风险的关联，旨在明确细胞组成对甲基化变异的贡献，并识别与癌症相关的甲基化位点及其动态，为老年人群癌症风险的表观遗传生物标志物开发提供依据。

2. 文献综述解析

作者通过研究设计（横断面vs纵向）、样本类型（肿瘤组织vs血液）、分析层次（全局vs位点特异性）三个维度梳理现有研究，总结关键结论与局限：

现有研究的核心结论

1. 横断面研究：血液中某些CpG位点的甲基化异常与癌症诊断相关（如抑癌基因REC8启动子高甲基化、mTOR通路基因RPTOR低甲基化），但无法区分因果。
2. 纵向研究：少数研究发现癌症发生前的甲基化动态（如位点低甲基化速率加快）与风险相关，但样本量小且未校正细胞组成。
3. 细胞组成干扰：不同白细胞类型的甲基化谱差异大，年龄相关的细胞比例变化（如老年粒细胞增加）可能掩盖癌症信号，现有校正方法（如参考细胞类型的CpG面板）仅能捕获主要细胞类型。

现有研究的局限

多数为小样本横断面设计，缺乏“先甲基化变化、后癌症发生”的纵向证据；未系统解析细胞组成对甲基化-癌症关联的干扰；针对老年人群的研究极少。

本研究的创新价值

1. 纵向设计：追踪老年健康个体的甲基化动态与后续癌症风险，首次明确细胞组成对甲基化变异的贡献。
2. 整合分析：结合PCA（主成分分析）与细胞组成估计，解析全局甲基化变异的来源（细胞组成vs位点特异性变化）。
3. 动态验证：评估位点甲基化变化速率与癌症诊断时间的关联，为“预警型”生物标志物提供纵向证据。

3. 研究思路总结与详细解析

本研究以Health ABC队列的纵向血液样本为基础，通过“样本采集→甲基化检测→数据预处理→细胞组成估计→全局/位点分析→纵向关联→外部验证”的技术路线，系统探讨甲基化与癌症的关联。

3.1 队列样本与DNA甲基化检测

实验目的：获取老年人群纵向血液样本的全基因组甲基化数据。
方法细节：纳入Health ABC队列20名参与者（70-79岁，基线与第6年的外周血buffy coat样本），排除3名仅1个时间点样本（无法纵向分析）和1名白血病患者（Per13，甲基化谱异常），最终分析37个样本。使用Illumina HM850K芯片检测866,836个CpG位点的甲基化水平（β值=甲基化信号/总信号），样本随机分布在芯片上以减少批次效应；通过R包minfi处理数据，过滤性别染色体探针、检测p值>0.01的探针及映射质量差的探针，最终保留739,648个CpG位点。
结果解读：所有样本通过质量控制（β值密度符合双峰分布，性别一致性验证）；Per1和Per9因细胞组成变化显著，未在聚类中与自身样本配对，提示细胞异质性对甲基化数据的影响。
实验所用关键产品：Illumina Infinium Human MethylationEPIC BeadChips（HM850K）、R包minfi（版本1.22）。

3.2 细胞组成估计与全局甲基化分析

实验目的：解析甲基化变异的细胞组成来源，并评估全局甲基化与癌症的关联。
方法细节：使用minfi的estimateCellCounts函数，基于细胞类型特异性CpG面板估计6种白细胞比例（CD8+ T细胞、CD4+ T细胞、B细胞、NK细胞、粒细胞、单核细胞）；通过PCA对过滤后的CpG位点降维，提取前5个主成分（PC1-PC5），分析其与细胞组成、人口学特征及癌症的关联。
结果解读：纵向分析显示，从基线到第6年，所有参与者的CD8+ T细胞比例显著下降（p=0.02）、粒细胞比例显著升高（p=0.04）；第6年时，癌症组的CD8+ T细胞比例低于无癌组（0.003±0.005 vs 0.03±0.02，p=0.02）、粒细胞比例更高（0.66±0.09 vs 0.52±0.14，p=0.04）。PCA结果显示，PC1解释21%的甲基化变异，与粒细胞比例正相关、与淋巴细胞比例负相关（反映细胞组成变化）；第6年时，癌症组的PC1值显著高于无癌组（p=0.04），说明细胞组成变化是甲基化-癌症关联的重要驱动因素。
实验所用关键产品：R包minfi的estimateCellCounts函数。

3.3 位点特异性差异甲基化分析

实验目的：识别与癌症相关的特定CpG位点。
方法细节：先将每个CpG的β值与前5个主成分进行线性回归，得到校正后的残差β值（消除细胞组成及未知混杂）；使用t检验比较第6年时癌症组（7人）与无癌组（12人）的残差β值，设定suggestive阈值p≤1e-5、lenient阈值p≤3e-5；通过Roos等的独立数据集（癌症 discordant 双胞胎的血液甲基化数据）验证结果可靠性。
结果解读：共识别3个suggestive位点（如MTA3基因的cg02162462，与转移相关）、10个lenient位点（涉及RPTOR、REC8、KCNQ1、ZSWIM5等基因）。外部验证显示，仅RPTOR基因的cg08129331位点在独立数据集中复制（癌症组β值更低，p=0.05），说明该位点的低甲基化与癌症关联具有普遍性。
实验所用关键产品：R包minfi的线性回归与t检验功能。

3.4 纵向甲基化动态与癌症诊断时间的关联

4. Biomarker研究及发现成果解析

Biomarker 定位与筛选逻辑

本研究识别两类Biomarker：细胞组成相关的全局甲基化特征（PC1）、位点特异性甲基化动态（如RPTOR的cg08129331）。筛选逻辑：先通过全局分析明确细胞组成的贡献，再通过位点分析筛选差异CpG，最后结合纵向动态验证与癌症的时间关联。

研究过程详述

Biomarker来源：Health ABC队列参与者的外周血白细胞DNA。
验证方法：
1. 细胞组成估计：基于甲基化数据的in silico方法，明确PC1与细胞组成的关联。
2. 差异分析：t检验筛选校正后的差异CpG位点。
3. 纵向关联：分析deltaβ与诊断时间的相关性，验证动态关联。
4. 外部复制：与Roos等的独立数据集对比，评估结果普遍性。

核心成果提炼

1. 细胞组成是甲基化变异的主要来源：第6年时，癌症组的CD8+ T细胞减少、粒细胞增加，且PC1（反映细胞组成）与癌症显著关联（p=0.04），说明解析细胞异质性是血液甲基化研究的关键。
2. RPTOR的cg08129331是潜在泛癌生物标志物：该位点位于mTOR通路基因的内含子，第6年时癌症组β值更低（p≤3e-5），且在独立数据集中复制（p=0.05）；纵向deltaβ与诊断时间正相关（p=0.05），提示低甲基化及变化速率可作为风险指标。
3. REC8、ZSWIM5的动态变化具有预警价值：REC8的cg07516252位点，癌症组的deltaβ更低（甲基化下降更快），与诊断时间正相关（R=0.89，p=0.01），说明其甲基化变化可能早于临床诊断。

创新性与统计学结果

创新性：首次在老年人群中系统解析细胞组成对甲基化-癌症关联的干扰，并通过纵向分析识别出具有时间动态特征的癌症风险生物标志物。
统计学结果：
- RPTOR的cg08129331：第6年癌症组vs无癌组p≤3e-5，纵向deltaβ与诊断时间相关性p=0.05（n=6）。
- REC8的cg07516252：纵向相关性p=0.01（n=6）。
- ZSWIM5的cg04429789：纵向相关性p=0.03（n=6）。

综上，本研究明确了细胞组成异质性是血液甲基化研究的关键干扰因素，并识别出RPTOR、REC8等基因的甲基化动态可作为老年人群癌症风险的潜在生物标志物，为非侵入性癌症预警提供了纵向表观遗传证据。