２００９；３６（２）
凡时财等：ＤＮＡ甲基化的生物信息学研究进展 １４５
Ｔａｂｌｅ２
ＴｈｅｐｕｂｌｉｓｈｅｄｒｅｓｕｌｔｓｏｆｈｕｍａｎＤＮＡｍｅｔｈｙｌａｔｉｏｎｗｉｔｈｈｉｇｈ－ｔｈｒｏｕｇｈｐｕｔｄｅｔｅｃｔｉｏｎｔｅｃｈｎｉｑｕｅｓ
表２已发表的大规模检测人的ＤＮＡ甲基化状态的研究结果
相关的一些ＤＮＡ甲基化模式．ＭｅｔｈＤＢ和
２
ＤＮＡ甲基化的相关数据库
数据库的构建是生物信息学研究的重要内容．
ＭｅｔｈｙＣａｎｃｅｒ还提供了ＤＮＡ甲基化的可视化工具．通过对现有的分散的ＤＮＡ甲基化数据的整理分析，这些数据库提供了内容独立、记录相对完整、格式比较统一的数据资源，为后期的深入挖掘提供了极大便利．随着大规模深度测序技术在ＤＮＡ甲基化检测中的应用，建立相应数据库用以存储和分析相关数据，开发类似于ＣｐＧＶｉｅｗｅｒｔ２５】的可视化分析工具将具有重要价值．
目前发表的较大规模的ＤＮＡ甲基化相关数据库有４个：ＭｅｔｈＤＢ、ＭｅｔｈｙＣａｎｃｅｒ、ＰｕｂＭｅｔｈ和ＭｅｔｈＣａｎｃｅｒＤＢ，数据情况见表３．其中，ＭｅｔｈＤＢ是最早整合文献中ＤＮＡ甲基化数据的数据库，也是涵盖物种和组织最多的数据库，其余３个数据库都采用了文献挖掘的方法，收集了文献中已报道的与特定癌症
Ｔａｂｌｅ３
Ｄａｔａｂａｓｅｓｒｅｌａｔｅｄ
ｔｏＤＮＡ
ｍｅｔｈｙｌａｔｉｏｎ
表３ＤＮＡ甲基化相关的数据库
测、对ＣｐＧ岛片段以及ＣｐＧ岛的甲基化状态预测．
３
ＤＮＡ甲基化的预测研究
实验手段检测ＤＮＡ甲基化状态的方法虽然比
Ｍｅｔｈｙｌａｔｏｒ（ｈｔｔｐ：／／ｂｉｏ．ｄｆｃｉ．ｈａｒｖａｒｄ．ｅｄｕ／Ｍｅｔｈｙｌａｔｏｒ／ｉｎｄｅｘ．ｈｔｍｌ）是目前唯一的预测单个ＣｐＧ双核苷酸甲基化状态的工具ｐｑ．该工具基于ＭｅｔｈＤＢ数据库∞３ｌ】中人的２８３９个ＤＮＡ甲基化模式数据，以ＣｐＧ位点周围３９ｂｐ的序列模式为特征，采用支持向量机的方法得到了８７％的正确率．该研究还表明，基因的非翻译区的甲基化程度要高于外显子和内含子．由于单个ＣｐＧ双核苷酸的甲基化状态在细胞生长过程中是动态变化的【４ｌ，因此Ｍｅｔｈｙｌａｔｏｒ的应用相对有限．
２００６年，Ｒｏｌｌｉｎｓ等【２ｌ】发表了人脑组织全基因
较可靠，但是其对于人力财力的需求以及检测技术方面的缺陷，使得目前大规模的ＤＮＡ甲基化的实验数据还比较有限．研究计算预测ＤＮＡ序列甲基化状态的方法显得极为重要．另一方面，作为实验检测技术的补充，预测算法能够挖掘出数据中隐藏的重要特征，为人们进一步认识ＤＮＡ甲基化机理提供重要依据和研究思路．目前发表的对ＤＮＡ甲基化模式进行预测的方法中，按照预测目标的类型可以分为，对单个ＣｐＧ双核苷酸的甲基化状态预