生信分析干货-酰化修饰调控分析

在往期的文章中我们介绍了，两组学关联分析的思路（生信分析干货 |两组学关联分析系列(一)及其在文章中的应用(生信分析干货 | 两组学关联分析(二))。作为一种能够有效整合不同层次分子信息的研究方法，多组学关联分析正逐渐成为揭示复杂生命过程机制的重要工具。本期文章讲围绕酰化修饰组学与蛋白质组学的关联分析，从数据整合策略、功能关联挖掘以及可视化呈现等多个维度，提供其他的分析视角，供各位老师同学参考。

1. 应用场景概述

酰化修饰是一类由代谢产物提供酰基并共价修饰蛋白质赖氨酸等残基的翻译后修饰。酰化修饰主要包括乙酰化、丙酰化、丁酰化、琥珀酰化、巴豆酰化、乳酰化等类型，它们广泛存在于代谢酶、转录因子及组蛋白等关键蛋白上，并在能量代谢、基因转录、信号通路调控等过程中发挥重要作用。酰化修饰组学能够在全局尺度上描绘修饰蛋白及其位点谱图，从而揭示修饰状态的动态变化及其与疾病发生发展的关联。将酰化修饰组学与蛋白质组学数据进行整合分析，能够从分子层面提供更全面、更深入的生物学见解。

2. 蛋白质组-酰化修饰组学联合分析

蛋白质上特定位点的酰化修饰水平受到其本体蛋白丰度的显著影响。因此，当我们想要对蛋白质组-酰化修饰组组进行联合分析时就会关注酰化修饰位点与其对应蛋白丰度之间的关联。九象限图是呈现此类关联的有效工具¹，它能直观展示修饰水平与蛋白水平的变化组合。其中，修饰水平发生显著变化而其对应蛋白丰度保持稳定的位点，通常被视为受到特异性调控的关键靶点，其生物学意义更为突出。大家也可关注我们往期的文章（生信分析干货 | 两组学关联分析系列(一)），里面有更详细的介绍。

3. 酰化修饰的精密调控机制

除了受到自身蛋白丰度的影响，蛋白质酰化修饰的水平还受到各种酰基转移酶和去酰化酶的调控。在这一过程中，“写入器 (writer) ”酰基转移酶负责将“供体 (donor) ”酰基CoA中的酰基基团添加到赖氨酸的侧链上，从而导致蛋白发生酰化修饰。此外，“擦除器 (eraser) ”去酰化酶可催化去除上述氨基酸残基上的酰基基团。组蛋白上的各类酰化修饰是表观遗传调控的核心，其水平的变化会直接引发染色质构象重塑与基因表达谱改变，进而深刻影响细胞命运决定并驱动疾病进程。将组蛋白酰化修饰水平的变化与蛋白质表达谱进行关联分析，有助于揭示其潜在调控的下游基因及功能通路。

酰化修饰调控酶的蛋白差异分析：对所有的酰化修饰的调控酶进行差异分析，根据差异结果绘制火山图，并展示具有显著差异的酰化修饰酶

酰化修饰与调控酶相关性分析：对所有的酰化修饰位点与所有的调控酶进行相关性分析，统计具有显著相关的调控酶的数量

4. 聚焦组蛋白酰化修饰及其下游效应

4.1 组蛋白酰化修饰全景图

系统展示所有鉴定到的组蛋白酰化修饰位点，并按组蛋白家族进行分类归纳，提供一份全面的组蛋白修饰景观图。

组蛋白酰化修饰全景：展示所有鉴定到的组蛋白酰化修饰，并按照组蛋白大类进行展示

4.2 组蛋白酰化修饰的下游功能通路分析

为探究组蛋白酰化修饰的潜在生物学功能，我们将其修饰水平与全蛋白质组的表达量进行斯皮尔曼相关性分析。随后，对相关性系数矩阵进行基因集富集分析（GSEA），并以热图形式展示GSEA富集结果。图中使用NES进行着色，并对具有显著统计学意义的富集通路进行突出标注，从而揭示受组蛋白酰化状态潜在影响的核心信号通路与生物学过程。

组蛋白的表观遗传调控分析：对组蛋白酰化以及所有的蛋白分子计算相关性，根据斯皮尔曼相关性系数降序后进行GSEA分析，使用GSEA富集的NES值绘制热图，具有显著关联(p<0.05)的信号通路用星号*标注出来

5. 基于机器学习挖掘核心调控因子

为更精准地鉴定组蛋白酰化修饰的潜在核心调控酶，我们在初步相关性分析的基础上，进一步引入LASSO回归模型。该模型能够同时考量所有候选酶的表达量，并有效处理调控酶之间普遍存在的多重共线性问题，从而筛选出对组蛋白修饰水平最具解释力的核心调控酶的集合2。通过可视化LASSO回归系数，可以直观地评估各调控酶与目标修饰的关联强度，系数越高，表明该酶越有可能是关键的潜在调控因子。

筛选潜在的组蛋白酰化修饰调控酶：使用LASSO回归进一步筛选组蛋白酰化修饰的潜在调控酶。LASSO回归不仅可以同时考虑所有酶的表达，而且能够很好地处理多重共线性的问题（调控酶之间高度相关），得到一个精简可以用的模型。使用LASSO回归系数对结果进行可视化，回归系数越高，调控酶与组蛋白酰化修饰的关联性越强，也提示其是更有可能是潜在的调控因子

参考文献：

1.Yang Z, Yan C, Ma J, et al: Lactylome analysis suggests lactylation-dependent mechanisms of metabolic adaptation in hepatocellular carcinoma. Nat Metab. 5:61-79, 2023

2.Dou Y, Kawaler EA, Cui Zhou D, et al: Proteogenomic Characterization of Endometrial Carcinoma. Cell. 180:729-748 e26, 2020