EP37 表观遗传+机器学习辅助遗传病诊断

在本期节目中，由我为大家介绍DNA甲基化与机器学习在遗传病诊断中的应用。从基础的表观遗传调控讲起，到机器学习如何帮助分析数百万个CpG位点，我们会一起了解人工智能如何改变临床诊断的精准度与速度。本期节目还特别介绍了 EpiSign平台——一种利用甲基化“表观指纹”辅助罕见病诊断的创新技术。它通过机器学习算法分析血液DNA甲基化模式，已能检测两百余种先天性神经发育障碍，显著提高了诊断率。我们也将讨论它的工作机制、临床成效、局限性，以及未来在表观遗传病、癌症早筛中的潜力。参考文献EpiSign网站：https://epigen.ccm.sickkids.ca/和嘉琦师兄合作的 cfDNA 甲基化 paper：10.1186/s12943-021-01330-w三代测序甲基化分析：10.1038/s41576-025-00822-5术语列表表观遗传学Epigenetics研究在不改变DNA序列的情况下，基因如何被开启或关闭的学科。就像同一本说明书，不同人有不同的“阅读方式”。DNA甲基化DNA Methylation在DNA的胞嘧啶（C）上加上甲基（–CH₃），形成“开关”，决定基因是否被表达。是最经典的表观遗传修饰之一。CpG位点CpG SiteDNA中一个C和一个G相邻的位置，是甲基化最常发生的区域。可理解为基因调控的“关键节点”。表观签名 / 表观指纹Episignature一种疾病特有的甲基化模式，像“指纹”一样可用于识别特定病症。EpiSign平台正是基于这种特征。神经发育障碍Neurodevelopmental Disorder (NDD)一类影响脑部发育的疾病，如智力障碍、自闭症、发育迟缓等。部分由基因或表观遗传异常引起。意义不明变异Variant of Uncertain Significance (VUS)在基因测序中发现的变异，尚不清楚是否与疾病有关。EpiSign通过甲基化特征帮助重新评估这些变异。支持向量机Support Vector Machine (SVM)一种常用的机器学习算法，用于分类任务。EpiSign使用SVM模型区分不同疾病的甲基化模式。DNA甲基化芯片DNA Methylation Microarray一种检测几十万到上百万个CpG位点的实验工具，如Illumina EPIC芯片，用于EpiSign的数据收集。批次效应Batch Effect不同实验批次或检测平台间产生的系统性误差，会干扰机器学习模型的准确性。Agentic AI / 智能代理Agentic AI一种能自动执行分析、解释和报告生成的AI系统，未来或可自动完成整个甲基化诊断流程。MethylGPT / 甲基化大模型MethylGPT类似ChatGPT的基础模型，但专门训练于甲基化数据上，可用于泛化预测或新疾病发现。cfDNA / 循环游离DNACell-free DNA存在于血液中的游离DNA片段，可反映体内细胞状况，常用于癌症早筛和非侵入性产检。EPIC芯片Illumina Infinium EPIC Array当前主流的DNA甲基化检测芯片，覆盖约85万个位点，EpiSign和EPICUP等检测均基于它。亚硫酸氢盐处理Bisulfite Conversion实验步骤：将未甲基化的C转为U（最终为T），以便区分甲基化与未甲基化位点。若对播客有任何问题或者投稿，或需要获得文字版音频总结，请联系我 [email protected]，小红书/微博：@撸森森同时也可以添加微信zhaosen830进入听友交流群，谢谢Thanks♪(･ω･)ﾉ在小宇宙查看该单集文稿