技术概述
RRBS（Reduced Representation Bisulfite Sequencing）即简化表示亚硫酸氢盐测序，是一种专为DNA甲基化研究设计的高通量测序技术。该技术通过限制性内切酶酶切富集CpG密集区域，结合亚硫酸氢盐处理，能够以较低成本实现单碱基分辨率的DNA甲基化检测。在进行RRBS测序数据分析之前，数据质控分析是确保后续分析结果可靠性的关键环节。
RRBS测序数据质控分析是指对原始测序数据进行全面的质量评估和筛选过程，主要包括原始数据质量评估、接头序列去除、低质量碱基过滤、数据比对质量评估、甲基化转化效率评估以及重复序列去除等多个环节。由于RRBS技术涉及酶切、亚硫酸氢盐转化等复杂实验流程，其数据具有独特的特征，如酶切片段大小分布、CpG位点覆盖偏好性等，因此需要采用专门的质控策略和方法。
高质量的质控分析对于RRBS研究至关重要。首先，测序过程中可能产生各种质量问题，如测序错误、接头污染、低质量碱基等，这些都会影响甲基化位点识别的准确性。其次，亚硫酸氢盐处理可能导致DNA片段化过度或转化不完全，需要在质控阶段进行评估和筛选。第三，酶切效率的差异可能导致目标区域富集程度的偏差，需要通过质控数据进行评估。最后，充分的质控分析可以为后续的甲基化差异分析、功能注释等下游分析提供可靠的数据基础。
RRBS测序数据质控分析的核心目标包括：确保测序数据的碱基质量达到分析标准；去除实验过程引入的技术噪声；评估亚硫酸氢盐转化效率；检测样本间的一致性；识别可能存在的样本污染或混杂；为后续的生物信息学分析提供高质量的数据集。通过系统化的质控流程，可以显著提高甲基化检测的准确性和可重复性，确保研究结论的科学可靠性。
检测样品
RRBS测序数据质控分析适用于多种类型的生物样品，不同样品类型在质控过程中可能需要针对性的处理策略。以下是常见的适合进行RRBS测序及质控分析的样品类型：
- 动物组织样品：包括各种实验动物的组织样本，如肝脏、肾脏、心脏、脑组织、肌肉组织等。此类样品通常具有较好的DNA完整性，适合进行RRBS分析。
- 植物组织样品：包括叶片、根、茎、花、果实等植物组织。植物样品因含有细胞壁，DNA提取难度较大，且存在胞嘧啶甲基化修饰，需要特别注意转化效率的评估。
- 临床病理组织：包括肿瘤组织及癌旁组织，是研究肿瘤表观遗传学的重要材料。此类样品可能存在异质性，需要在质控中评估样本纯度。
- 血液样品：全血、血清、血浆样品。血液样品是临床研究中最易获得的样品类型之一，其中游离DNA（cfDNA）的甲基化分析具有重要诊断价值。
- 细胞系样品：原代细胞或永生化细胞系。细胞系样品纯度高、均一性好，是进行机制研究的理想材料。
- 微量样品：包括单细胞、激光显微切割获得的微量组织等。微量样品的DNA量有限，质控时需要特别关注文库复杂度。
- 福尔马林固定石蜡包埋（FFPE）样品：此类样品DNA可能存在降解和交联，质控时需要评估DNA片段化程度。
- 古DNA样品：古代生物遗存中提取的DNA，通常高度降解且含量极低，质控标准需要适当调整。
对于不同类型的样品，质控分析的侧重点可能有所不同。例如，FFPE样品需要特别关注DNA降解程度对酶切片段分布的影响；微量样品需要评估文库复杂度是否足以支持可靠分析；植物样品需要区分不同类型的胞嘧啶甲基化。在实际操作中，应根据样品特性和研究目的制定适宜的质控策略。
检测项目
RRBS测序数据质控分析涵盖多个层面的检测项目，从原始测序数据到最终的分析结果，每个环节都需要严格的质量把控。以下是主要的检测项目内容：
- 原始测序数据质量评估：包括碱基质量值分布、GC含量分布、碱基分布均匀性、N碱基含量、测序错误率分布等指标的评估，是质控分析的第一步。
- 接头序列检测与去除：识别并去除测序接头序列，避免接头污染对后续分析的影响。RRBS文库因片段较短，接头污染问题尤为突出。
- 低质量序列过滤：根据质量阈值去除低质量的reads或碱基，常用的方法包括滑动窗口过滤、末端修剪等。
- 序列长度筛选：根据酶切片段的预期大小范围进行筛选，去除过长或过短的片段，确保数据符合RRBS技术特征。
- 比对质量评估：评估reads比对到参考基因组的效率、唯一比对率、多重比对率等指标，反映数据整体质量。
- 酶切效率评估：检测酶切位点的覆盖情况，评估限制性内切酶的酶切效率，识别可能的酶切不完全位点。
- 亚硫酸氢盐转化效率评估：通过分析非CpG位点的胞嘧啶残留比例，评估亚硫酸氢盐处理的质量。转化效率低会导致假阳性甲基化信号。
- 重复序列分析：检测PCR扩增产生的重复reads，评估文库复杂度。高重复率可能表明起始DNA量不足或扩增过度。
- CpG覆盖度分析：评估覆盖的CpG位点数量、覆盖深度分布、基因组覆盖均匀性等指标，是衡量RRBS数据质量的核心参数。
- 样本间一致性评估：对于多样本研究，评估样本间数据质量的一致性，识别异常样本。
- 样本污染检测：检测可能存在的样本交叉污染或外源DNA污染，确保数据纯净性。
- 甲基化水平分布评估：分析整体甲基化水平分布，识别异常的甲基化模式。
上述检测项目构成了完整的RRBS测序数据质控体系，每个项目都有相应的评估标准和阈值。在实际分析中，需要综合考虑各项指标，做出全面的质量评估结论。
检测方法
RRBS测序数据质控分析采用多种生物信息学方法和工具，按照标准化的流程逐步完成。以下是详细的检测方法介绍：
一、原始数据质量控制
原始数据质量控制是质控分析的首要环节，主要采用FastQC等工具进行全面的数据质量评估。FastQC能够生成包括碱基质量分布、GC含量、N碱基含量、序列长度分布、重复序列水平、接头含量等多维度质量报告。对于RRBS数据，需要特别关注GC含量的双峰分布特征，这是由酶切片段的CpG富集特性决定的。同时需要检测序列末端的接头污染，因为RRBS文库片段较短，更易产生接头读数。
接头去除和低质量序列修剪通常采用Trimmomatic、Cutadapt或Trim Galore等工具。Trim Galore是专门针对RRBS数据优化的工具，能够自动识别接头序列并保留酶切位点信息。参数设置需要平衡数据质量和数据保留量，常用参数包括：去除质量值低于20的碱基、去除小于20bp的短序列、去除测序末端质量值低于指定阈值的碱基等。
二、序列比对分析
经过预处理的clean reads需要比对到参考基因组，常用的比对工具包括Bismark、BSMAP、BS-Seeker2等专门为亚硫酸氢盐测序数据设计的比对软件。Bismark是最常用的工具，它基于Bowtie2或HISAT2构建比对引擎，能够高效处理亚硫酸氢盐转化后的序列比对问题。
比对过程中需要进行亚硫酸氢盐转化处理，将参考基因组中的胞嘧啶转化为胸腺嘧啶，同时处理reads中的相应变化。比对结果需要评估总比对率、唯一比对率、多重比对率等指标。对于RRBS数据，比对率通常低于全基因组甲基化测序，但CpG位点的覆盖效率更高。
三、甲基化位点识别与转化效率评估
比对后的数据需要进行甲基化位点识别。Bismark等工具可以提取每个胞嘧啶位点的甲基化状态，生成甲基化调用文件。对于RRBS数据，主要关注CpG位点的甲基化状态。
亚硫酸氢盐转化效率评估是质控的重要环节。通常通过分析非CpG位点（CHG、CHH）的胞嘧啶残留比例来评估转化效率。在哺乳动物中，非CpG甲基化水平很低，因此CHG和CHH位点检测到的甲基化信号主要来源于转化不完全。理想的转化效率应高于99%。此外，还可以使用lambda噬菌体DNA等非甲基化对照来评估转化效率。
四、重复序列分析
PCR重复序列的识别采用Picard或SAMtools等工具。对于RRBS数据，由于酶切片段的存在，真正的生物学重复和PCR重复需要区分处理。同一酶切位点产生的相同序列可能是真实的生物学重复，而非PCR假象。一些专门的工具如deduplicate_bismark可以处理这一问题。
重复率过高会影响甲基化定量的准确性，需要根据实际情况决定是否去除重复序列。对于起始DNA量有限的样品，去除重复可能造成数据量的大幅减少，需要权衡利弊。
五、CpG覆盖度分析
CpG覆盖度分析是评估RRBS数据质量的核心内容。需要统计覆盖的CpG位点总数、覆盖深度分布、基因组覆盖比例等指标。高质量的RRBS数据通常能覆盖100万至300万个CpG位点。还需要分析覆盖均匀性，检查是否存在特定区域的覆盖偏好性。
同时需要分析CpG岛、启动子区域、基因区域等功能区域的覆盖情况，评估数据是否满足后续分析需求。还应该检测样本间的CpG覆盖一致性，确保可比性。
六、多维度质量评估报告生成
最终需要整合所有质控结果，生成全面的质量评估报告。报告应包含各项指标的数值、图表展示以及质量评价结论。可采用MultiQC等工具整合多个质控软件的结果，生成统一的质量报告。
检测仪器
RRBS测序数据质控分析依赖于高通量测序平台产生原始数据，同时需要高性能计算设备进行数据处理。以下是相关的主要仪器设备：
- Illumina测序平台：包括NovaSeq系列、HiSeq系列、NextSeq系列、MiSeq系列等。Illumina平台是目前RRBS测序的主流平台，具有高通量、高准确性、低错误率的特点。NovaSeq系列适合大规模样本的测序，MiSeq适合小规模或验证性研究。
- 文库制备设备：包括超声破碎仪（如Covaris）、片段分析仪（如Agilent Bioanalyzer、TapeStation）、PCR仪、磁珠纯化系统等。文库制备质量直接影响RRBS测序数据质量。
- 亚硫酸氢盐处理设备：专门的亚硫酸氢盐转化仪器或常规温控设备，用于DNA的亚硫酸氢盐处理步骤。
- 高性能计算服务器：用于数据质控分析的计算设备。RRBS数据处理需要较大的内存和计算资源，推荐配置包括多核CPU（32核以上）、大容量内存（128GB以上）、高速存储系统。
- 数据存储设备：包括大容量硬盘阵列、磁带库等，用于存储原始数据和中间分析文件。RRBS项目通常产生大量数据，需要完善的存储管理方案。
- 生物信息分析工作站：用于数据可视化、报告生成等后续分析工作的工作站设备。
在软件层面，质控分析需要使用多种生物信息学软件和数据库资源，包括FastQC、Trimmomatic、Cutadapt、Trim Galore、Bismark、BSMAP、Bowtie2、HISAT2、SAMtools、Picard、MultiQC等主流工具，以及参考基因组数据库、CpG岛注释数据库等资源。
应用领域
RRBS测序数据质控分析在多个生命科学和医学研究领域具有广泛应用，高质量的质控分析是确保研究结论可靠性的重要保障：
- 肿瘤表观遗传学研究：研究肿瘤发生发展过程中的DNA甲基化变化，识别肿瘤特异性甲基化标志物，探索表观遗传调控机制。高质量的质控分析对于发现真实的甲基化差异至关重要。
- 发育生物学研究：研究胚胎发育、细胞分化过程中的甲基化重编程现象，揭示发育调控的表观遗传机制。RRBS技术特别适合研究全基因组甲基化水平的动态变化。
- 干细胞研究：研究干细胞多能性维持和定向分化过程中的甲基化调控，评估干细胞的表观遗传状态。
- 衰老研究：研究衰老过程中的DNA甲基化变化，识别衰老相关的甲基化标志物，探索衰老的表观遗传机制。
- 环境表观遗传学：研究环境因素（如营养、压力、毒素暴露）对DNA甲基化的影响，揭示环境-基因相互作用机制。
- 植物表观遗传学：研究植物发育、逆境响应过程中的DNA甲基化调控，作物改良的表观遗传策略。
- 临床诊断标志物开发：基于血液或其他体液样本的甲基化标志物筛选，开发无创诊断方法。质控分析对于临床应用尤为关键。
- 药物研发：评估表观遗传药物（如DNA甲基转移酶抑制剂）的疗效，研究药物的表观遗传作用机制。
- 法医学研究：利用DNA甲基化进行年龄推断、体液识别等法医学应用。
- 群体遗传学研究：大规模人群队列的甲基化组学研究，探索遗传变异与甲基化变异的关联。
在上述各应用领域中，RRBS技术以其较高的性价比和广泛的适用性，成为中大规模甲基化研究的重要技术选择。严格的数据质控分析是确保研究可重复性和结果可靠性的基础。
常见问题
问题一：RRBS数据的比对率为什么比普通全基因组测序数据低？
RRBS数据的比对率确实通常低于普通全基因组测序数据，这是由RRBS技术的特性决定的。主要原因包括：第一，亚硫酸氢盐处理将未甲基化的胞嘧啶转化为尿嘧啶，测序后读作胸腺嘧啶，这种转化导致序列与参考基因组的匹配度下降；第二，RRBS富集CpG密集区域，这些区域的序列复杂性可能较低，影响比对效率；第三，酶切片段的末端可能存在酶切位点序列，增加了比对的复杂性。一般来说，RRBS数据的唯一比对率在60%-80%范围内属于正常水平。
问题二：如何判断亚硫酸氢盐转化效率是否达标？
亚硫酸氢盐转化效率的评估主要有两种方法。第一种方法是通过分析非CpG位点（CHG、CHH）的胞嘧啶残留比例。由于哺乳动物基因组中非CpG甲基化水平极低，这些位点检测到的甲基化信号主要来源于转化不完全。转化效率可通过公式计算：转化效率 = 1 - 非CpG位点的甲基化比例。理想的转化效率应高于99%。第二种方法是在实验中加入lambda噬菌体DNA等非甲基化对照DNA，通过检测对照DNA的甲基化水平来评估转化效率。质控报告中应包含转化效率的检测结果。
问题三：RRBS数据的重复率多少是可接受的？
RRBS数据的重复率评估需要考虑其特殊性。由于RRBS基于酶切片段，同一酶切位点产生的序列天然相同，这与随机打断建库不同。一般而言，对于常规样本，PCR重复率在20%-30%以下是可接受的；对于微量样本或FFPE样本，重复率可能较高。需要注意的是，过高的重复率会影响定量准确性和统计效能，但盲目去除重复序列可能导致信息损失。建议根据样本类型、起始DNA量和研究目的综合评估，并在分析报告中说明处理策略。
问题四：RRBS能覆盖多少CpG位点？覆盖深度多少合适？
RRBS通常能覆盖100万至300万个CpG位点，约占人类基因组总CpG位点的5%-10%。虽然覆盖范围有限，但这些位点主要位于CpG岛、启动子等基因调控区域，具有重要的生物学意义。覆盖深度的需求取决于研究目的：对于差异甲基化分析，建议每个样本平均覆盖深度在10-30倍；对于单位点精确分析，可能需要更高的覆盖深度。需要注意的是，由于RRBS酶切片段大小不均一，覆盖深度分布往往不均匀，质控时应关注覆盖深度的分布特征而非仅关注平均值。
问题五：样本间CpG覆盖一致性差怎么办？
样本间CpG覆盖不一致可能影响后续的比较分析。解决方案包括：第一，检查实验因素，确保酶切条件、文库制备流程一致；第二，评估测序深度是否足够，必要时补充测序；第三，采用标准化的质控流程，确保数据处理方式一致；第四，在下游分析时，可考虑仅分析各样本共同覆盖的CpG位点，确保可比性；第五，对于覆盖差异过大的样本，可能需要重新测序或剔除。质控报告应包含样本间覆盖一致性的评估指标。
问题六：FFPE样本的RRBS质控有什么特殊注意事项？
FFPE样本由于DNA降解和交联，质控时需要特别注意以下方面：第一，评估DNA片段化程度，FFPE样本通常DNA片段较短，可能影响酶切片段的分布；第二，关注文库构建效率，降解严重的样本文库产量可能较低；第三，评估覆盖的CpG位点数量和分布，可能需要调整分析参数；第四，FFPE样本的重复率通常较高，需要谨慎处理去重问题；第五，可能需要增加测序深度以补偿DNA损伤带来的信息损失。建议对FFPE样本设置更宽松的质控阈值，同时在报告中说明样本状态。
