随着大型队列甲基化数据不断积累，研究重点逐渐由大规模关联发现转向机制解析。对于已有表型、遗传、随访和甲基化数据的队列，无需对所有样本进行相同深度的信息分析。更有效、更合理的策略是利用已有数据筛选队列的关键样本，再通过高信息密度检测进一步提出机制假设。
一种可行的分层研究路径是：以甲基化array覆盖主体队列，建立规模化、标准化和可复用的数据底座；再从中选择关键子队列开展5-Base分析，进行基因组变异与5mC的关联分析；最终通过主体队列或独立队列验证得到的候选信号。虽然这一设计并不适用于所有研究项目，但为“规模”和“深度”之间的资源配置提供了一个值得讨论的框架。
1. 规模层与深度层承担不同研究
甲基化array的主要优势在于，能够在固定CpG位点进行大规模、标准化检测，适用于表观基因组关联研究（EWAS）、纵向轨迹分析、表观遗传时钟、甲基化风险评分（MRS）以及跨队列复现，可稳定比较不同个体、不同时间点和不同研究中心之间的差异。
5-Base则侧重高信息密度的联合分析。据因美纳官方资料，该流程可以从同一份DNA和同一批测序数据中获得基因组与CpG 5mC信息。全基因组5-Base通常需要更高的数据量、测序投入和分析资源，因此不适合覆盖主体队列的全部样本。
从研究设计角度看，两类技术并非替代关系：array更适合建立主队列数据底座，5-Base更适合用于关键子队列样本的深度分析，解析候选甲基化信号周围的遗传变异、拷贝数变化或区域性5mC改变。因此，分层研究的核心不是各技术的信息量大小，而是不同信息深度与样本的合理配置。
2. 关键子队列的选择
进行深度分析的关键子队列不适合简单的随机抽样，而应根据前期数据和具体研究问题共同预先确定。例如，代谢疾病或药物反应研究可选择临床特征和治疗方案相近、但结果处于两个极端的人群；环境暴露研究可比较暴露水平相近、甲基化反应不同的个体；纵向队列研究可优先选择具有完整时间点、甲基化轨迹发生明显变化的参与者。
此外，极端表型两阶段设计在遗传研究中已有较成熟的方法学基础。相关研究表明，在部分大效应或稀有变异场景中，优先分析表型两端个体可能提高发现效率；但真实效应较小、表型测量误差较大或疾病异质性较强时，极端抽样也可能产生偏倚，不能普遍认为其优于随机抽样。[1]
因此，“关键子队列”选择时，应控制年龄、性别、细胞组成、治疗方式、样本保存时间和主要临床混杂因素，并保持发现样本的选择标准与验证队列独立，避免反复筛选并高估信号。子队列个体“代表性”是指这些样本能够代表某个明确的生物学对照或疾病过程。
3. array发现关联，5-Base解析关联来源
目前，虽然大型甲基化队列已经积累了大量疾病和环境暴露相关CpG，但EWAS显著信号并不能直接确定其来源。
GoDMC联盟基于32,851名参与者的血液DNA甲基化和基因型数据，建立了超过27万个独立mQTL。研究估计，这些遗传效应可以解释约15%—17%的DNA甲基化加性遗传方差；同时，只有少数共享遗传关联能够简单解释为“甲基化导致疾病”或“疾病导致甲基化”关系[2] 。该结果说明，主体队列中发现的CpG或DMR可能受遗传变异、环境暴露或疾病过程的影响；可能位于功能调控区域，或仅仅与因果信号存在连锁或共变关系。
从array关联进入5-Base深度层后，关键子队列可同时获得基因组与5mC信息，减少跨样本和跨批次匹配带来的不确定性，解析候选甲基化区域的遗传背景。但这种联合分析主要用于形成机制假设，不能直接证明因果关系。
4. 组织背景决定mQTL的正确解释
血液是大型人群队列最易获得的样本，但疾病的主要作用组织并不一定是血液。外周血中稳定存在的mQTL或疾病相关CpG不能直接外推到脑、脂肪、肝脏或心血管组织。
GTEx的一项多组织研究分析了9种组织的多份样本，共识别出286,152个具有mQTL的CpG，其中超5%具有组织特异性。分析发现，mQTL与2,254个GWAS信号共定位，涉及83种复杂性状；但仅约33%同时存在于同一组织的eQTL和mQTL[3]。该研究表明，从遗传变异到甲基化，再到基因表达和疾病表型，并不总能在一种方便采集的组织中被完整分析。
血液array适合大规模关联发现和候选人群筛选，5-Base可以在关键样本中补充更广泛的遗传与5mC信息。如果目标是解释靶器官机制，仍需结合配对组织、RNA、蛋白或细胞类型特异性数据；如果目标组织无法获得，研究结果应明确限定为血液中的系统性或替代性信号，不能直接定义为疾病靶组织中的调控机制。
5. 中国队列需要建立本土化深度调控参考
人群祖源是另一项不能忽视的背景因素。现有mQTL、GWAS和其他功能基因组资源中，欧洲祖源样本仍占较大比例，而不同人群之间的等位基因频率、连锁不平衡结构和部分调控效应存在差异。对于中国大型队列而言，仅依赖外部参考可能遗漏部分本土遗传背景下的重要信号。
一项东亚人群mQTL研究分析了3,523名中国参与者的全血数据，并在另外1,858名中国参与者中进行重复验证。结果显示，超过9%的mQTL具有东亚人群特异性，有助于精细定位部分东亚人群特异的复杂性状遗传关联[4] 。
一种更现实的资源建设路径，是先通过array建立主体队列的统一甲基化数据，再根据祖源、疾病亚型、暴露水平和临床结局选择关键子队列。5-Base获得的基因组与5mC联合数据，可形成与本土队列相匹配的调控参考，并辅助解释更大规模的array结果。
6. 纵向队列应聚焦关键时间点
在纵向研究中，深度分析的价值不一定来自增加更多时间点，而在于选择能够改变机制判断的关键时间点。例如，一项吸烟研究在5,044名参与者的基线血样中开展DNA甲基化分析，其中1,032人拥有中位间隔11年的重复血样。纵向分析识别出368个戒烟后发生甲基化变化的位点，且不同位点的恢复速度存在差异[5] 。
对于此类研究，可以先利用大规模array数据识别甲基化变化的基本轨迹，再选择暴露水平相近、但恢复速度不同的人群，或选择同一个体暴露前后和长期随访的关键样本展开联合分析。这一设计不是用5-Base重新检测全部纵向样本，而是利用关键时间点样本观察遗传背景和全基因组5mC状态能否解释个体间的轨迹差异。需要注意的是，即使遗传变异与甲基化轨迹同时出现，并不能证明基因-环境互作，仍需要稳定的暴露测量、足够的样本量和独立验证。
7. 可操作的两层队列设计
在实际项目中，可以采用“主体队列＋关键子队列”的分层设计，两层样本量并不存在统一模板。例如，数千至万级的主体队列可采用甲基化array完成EWAS、细胞组成估计、表观时钟、MRS、纵向轨迹和跨队列复现；随后根据已经获得的表型和甲基化数据，选择数百份关键样本开展5-Base分析。
研究样本可以来自疾病结局或治疗反应的两个极端，也可以来自甲基化亚型、特殊祖源背景、完整纵向时间轴或暴露反应明显不一致的人群。深度分析的目标，是在相同DNA背景下进一步观察遗传变异和5mC，并形成具体候选机制。
获得的候选信号最终仍需回到主体队列。array覆盖范围内的CpG可以直接进行复现；候基因组选变异可以通过已有基因分型、插补、靶向检测或独立队列验证；array未覆盖的DMR则需要设计新的靶向方案或在外部样本中进行正交验证。
由此形成完整的分层研究路径：
主体队列array发现稳定信号→ 关键子队列5-Base增加联合信息→ 形成变异-5mC-表型候选关系→ 回到主体队列或独立队列验证→ 进入表达与功能研究
“万人array＋数百份5-Base”仅用于说明这一设计逻辑，并不是固定的样本量建议，关键子队列的规模仍需根据效应量、表型分布、测序深度、多重检验和预算进行统计学设计。
结论：大型队列的下一步，是让规模与深度形成闭环
大型甲基化队列需要稳定、标准化且可复用的数据底座，以支持大规模关联发现、信号复现、模型开发和历史数据再利用。当主体队列识别出稳定的疾病、暴露或纵向甲基化信号后，可进一步筛选关键子队列，将有限的深度分析资源集中到最有可能区分生物学机制的样本中，而深度分析提出的候选关系再返回主体队列或独立样本中验证。
在分层体系中，两类技术的关系可以概括为：
array建立规模化、可复用的数据底座层；
5-Base承担关键子队列的基因组—5mC联合分析，提高机制发现的分辨率。
上述设计并不是大型队列的唯一方案，也不意味着每个项目都需要增加5-Base层。但对于已经拥有丰富表型、随访和甲基化数据，同时希望从关联进一步进入机制研究的队列，“主体队列＋关键子队列”的设计提供了一种更具可操作性的资源配置思路，实现了研究规模、信息深度和资源投入之间的合理配置。
参考文献（滑动查看）
1.Kang G, Lin D, Hakonarson H, Chen J. Two-stage extreme phenotype sequencing design for discovering and testing common and rare genetic variants: efficiency and power. Human Heredity. 2012;73(3):139–147. doi:10.1159/000337300.
2.Min JL, Hemani G, Hannon E, et al. Genomic and phenotypic insights from an atlas of genetic effects on DNA methylation. Nature Genetics. 2021;53:1311–1321. doi:10.1038/s41588-021-00923-x.
3.Oliva M, Demanelis K, Lu Y, et al. DNA methylation QTL mapping across diverse human tissues provides molecular links between genetic variation and complex traits. Nature Genetics. 2023;55:112–122. doi:10.1038/s41588-022-01248-z.
4.Liu Y, et al. Analysis of blood methylation quantitative trait loci in East Asians reveals ancestry-specific impacts on complex traits. Nature Genetics. 2023. doi:10.1038/s41588-023-01494-9.
5.Dugué PA, Jung CH, Joo JE, et al. Smoking and blood DNA methylation: an epigenome-wide association study and assessment of reversibility. Epigenetics. 2020;15(4):358–368. doi:10.1080/15592294.2019.1668739.
6.Illumina. Illumina 5-Base DNA Prep. Product information and technical documentation. 2026.
本文讨论的是大型队列中的分层研究设计。极端表型、mQTL、纵向甲基化变化及基因组—5mC联合关联均不等同于因果机制；相关发现仍需在主体队列、独立人群、目标组织和功能实验中进一步验证。
仅供科研使用，不用于诊断程序。
因美纳《表观新见》系列报道之“5-Base的核心实验室实施”
扫描下方二维码，观看专家观点
01｜
02｜
03｜
04｜
快点亮"在看”吧！
热门跟贴