TCGA

甲基化芯片

450k甲基化芯片可以检测人全基因组近450000个甲基化位点，具有单碱基的分辨率。全面的覆盖了96%的CpG岛，并根据需求加入了CpG岛以外的CpG位点信息，人类干细胞非CpG甲基化位点，正常组织与肿瘤（多种癌症）组织差异甲基化位点，编码区以外的CpG岛，miRNA启动子区域和GWAS疾病相关区域的位点，同时覆盖270的90%的位点。

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：（C*G）/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]。

image

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]。