Methylation profiling

一行要約

DNA methylation profiling はゲノム全域の CpG メチル化状態を定量する手法であり、CNS 腫瘍分類の gold standard として WHO に採用され、肺癌では SCLC サブタイプの non-invasive 分類 (Chemi et al. NatCancer 2022)、cfDNA methylation による cancer-of-unknown-primary 同定 (Conway et al. NatCommun 2024)、腫瘍組成 deconvolution (Chakravarthy et al. NatCommun 2018) など、腫瘍分類・cell-of-origin 決定・liquid biopsy への応用が急速に拡大している。

原理

DNA メチル化の生物学

DNA メチル化は CpG dinucleotide のシトシン 5 位にメチル基を付加する epigenetic 修飾であり、DNA methyltransferase (DNMT1 / DNMT3A / DNMT3B) によって触媒される。

• DNMT1 (maintenance methyltransferase) : DNA 複製時に hemimethylated CpG を認識し、娘鎖のメチル化パターンを忠実に複製 → epigenetic inheritance の分子基盤
• DNMT3A / DNMT3B (de novo methyltransferase) : 未メチル化 CpG に新規メチル化を付加。発生・分化・がん化で活性化
• TET 酵素 (TET1/2/3) : 5-methylcytosine (5mC) → 5-hydroxymethylcytosine (5hmC) → 5-formylcytosine → 5-carboxylcytosine の oxidative demethylation を触媒 → active demethylation pathway

CpG island と遺伝子発現制御

ゲノム中の CpG は全体として低メチル化 (約70-80% methylated) だが、promoter 領域の CpG island (GC 含量 >50%、O/E CpG >0.6、長さ >200 bp) は通常低メチル化で転写活性維持。がんでは CpG island の異常高メチル化 (promoter hypermethylation) による tumor suppressor gene サイレンシングが hallmark:

• CDKN2A (p16INK4a) : Promoter methylation → CDK4/6 pathway 活性化
• MLH1: Promoter methylation → mismatch repair 欠損 → MSI-high
• MGMT: Promoter methylation → テモゾロミド感受性 (GBM)
• RASSF1A: 肺癌で高頻度 methylation
• RB1: SCLC の一部で epigenetic silencing

逆に global hypomethylation (LINE-1 / Alu repeat demethylation) はゲノム不安定性 / 染色体再配列を促進。

CIMP (CpG Island Methylator Phenotype)

大腸癌で最初に記述された phenotype で、多数の CpG island が協調的に高メチル化される。CIMP-high (MLH1 methylation / BRAF V600E / MSI-high と関連) vs CIMP-low/negative で予後・治療応答が異なる。肺癌でも CIMP-like phenotype の報告があるが、大腸癌ほど standardized な定義は確立されていない。

測定プラットフォーム比較

Platform	原理	CpG coverage	DNA input	TAT	コスト	特徴
Illumina EPIC array (850K)	Bisulfite + hybridization	約850K CpG	250-500 ng	3-5 日	中	CNS 分類の gold standard、batch processing 効率高
RRBS	制限酵素 + bisulfite + NGS	CpG-rich 領域 約5% ゲノム	50-100 ng	1-2 週	中-高	CpG island 集中
WGBS	Bisulfite + WGS	全ゲノム 約28M CpG	1-5 μg	2-3 週	高	Reference standard、high input 必要
Nanopore	Native DNA、電流変化	全ゲノム	1 μg	1-2 日	高	Bisulfite 不要、5mC / 5hmC 同時検出
cfMeDIP-seq	MBD / 免疫沈降 + NGS	Methylated fraction	1-10 ng cfDNA	1-2 週	中-高	Liquid biopsy 最適化 (Shen et al. NatProtoc 2019)
T7-MBD-seq	T7 phage MBD + NGS	Methylated fraction	低 input	1-2 週	中	CUP 分類で validated (Conway et al. NatCommun 2024)

Bisulfite 処理は非メチル化シトシンをウラシルに化学変換し、メチル化シトシンとの配列差を PCR 増幅 + sequencing / array hybridization で検出する。DNA degradation が主要 limitation であり、FFPE 由来低品質 DNA では failure rate が上昇する。Nanopore sequencing は bisulfite 変換なしに native DNA の電流変化パターンからメチル化を直接検出 → FFPE / low-input に有利。

5mC vs 5hmC の区別: 標準 bisulfite では 5mC と 5hmC は区別不能。Oxidative bisulfite (oxBS-seq) / TAB-seq / Nanopore で 5hmC を個別定量可能。TET pathway 解析に重要。

主要エビデンス

CNS 腫瘍分類 (methylation-based classifier)

Sill et al. CancerCell 2026 は Illumina EPIC array ベースの methylation classifier を拡張し、WHO 2021 CNS 分類の gold standard diagnostic tool として確立。Histological diagnosis の 10-15% を reclassify → 治療方針変更を直接惹起。肺癌 methylation classifier の prototype として参照される。

SCLC methylation subtyping

• cfDNA methylation による SCLC サブタイプ分類: Chemi et al. NatCancer 2022 は cfDNA methylome profiling で SCLC を non-invasive にサブタイプ分類することに成功。ASCL1-high / NEUROD1-high の methylation signature を cfDNA から識別 → 組織生検なしでの subtype-guided therapy selection への道筋
• 臨床的に relevant な SCLC サブタイプ: Heeke et al. CancerCell 2024 が腫瘍組織 + cfDNA の methylation 解析で臨床的に relevant な SCLC サブタイプを同定。Prognostic / predictive value の prospective validation に向けた基盤
• Leukocyte methylation subtraction: Haq et al. iScience 2022 は白血球由来 methylation signal を subtraction することで、cfDNA 中の腫瘍特異的 methylation signature を高精度に抽出 → SCLC の prognostic subgroup 定義

cfDNA methylation による cancer detection / tissue-of-origin

• Cancer-of-unknown-primary (CUP) : Conway et al. NatCommun 2024 は T7-MBD-seq による cfDNA methylation classifier「CUPiD」を開発。29 腫瘍クラスの分類で AUROC 0.984、CUP パイロットコホート 41 例の 78% で予測提示・88.5% が臨床的に矛盾なし。CUP 治療の site-specific therapy 選択を non-invasive に可能にする
• Epigenetic profiling for CUP: Moran et al. LancetOncol 2016 は組織 methylation array ベースの CUP 分類の先駆的 multicenter study
• Liquid biopsy epigenomic profiling: Baca et al. NatMed 2023 は 1 ml 血漿から H3K4me3 / H3K27ac / DNA methylation の 3 種エピゲノムマーカーを同時プロファイリングし、15 種類のがんで diagnostic marker / 薬剤標的 / 治療抵抗機序を非侵襲的に検出
• Multi-cancer early detection (MCED) : cfDNA methylation は Grail Galleri 等の MCED platform の core technology。Liu et al. AnnOncol 2020 / Klein et al. AnnOncol 2021 が大規模 validation を報告

腫瘍組成 deconvolution

• MethylCIBERSORT: Chakravarthy et al. NatCommun 2018 は DNA methylation データに CIBERSORT deconvolution を適用し、腫瘍組成 (tumor / immune / stromal fraction) を推定。HNSCC 464 例の検証と汎癌種 TCGA 7596 例で免疫 hot/cold クラスターを同定 → IO response 予測への応用
• Neural-net deconvolution: Yasumizu et al. NARCancer 2024 は neural network ベースの methylation deconvolution で TME 組成と予後の関連を解明

Tumor suppressor gene サイレンシング

Promoter CpG island のメチル化は遺伝子サイレンシングの主要 epigenetic 機構であり、がんの hallmark。肺癌では:

• CDKN2A (p16) : NSCLC の 25-40% で promoter methylation → CDK4/6 pathway deregulation
• RASSF1A: 肺癌の最頻 methylation target (約40-60%) → RAS effector pathway 異常
• Intragenic methylation: Neri et al. Nature 2017 が gene body methylation の機能 (spurious transcription initiation の防止) を解明

Epigenetic age / pesticide 暴露

Maas et al. NatMed 2026 は methylation profiling で大腸癌の若年発症と農薬暴露の epigenetic fingerprint を関連づけた。Epigenetic clock (Horvath clock / GrimAge) は生物学的年齢推定に使用され、がんリスク評価にも応用。

限界と注意点

技術的限界

限界	影響	対策
Bisulfite による DNA degradation	FFPE 低品質 DNA で failure rate 上昇	Nanopore (bisulfite-free)、enzymatic conversion (EM-seq)
5mC / 5hmC 非区別	TET pathway 解析に支障	oxBS-seq / TAB-seq / Nanopore
Array probe 設計範囲限定	EPIC 850K は全 CpG の 約3%	WGBS / Nanopore で全ゲノム coverage
腫瘍純度依存	低腫瘍含有検体で signal 希釈	In silico deconvolution / microdissection
Batch effect	Array 間 / bisulfite conversion batch 間	適切な normalization (BMIQ / SWAN)
cfDNA input 制限	血漿 cfDNA 量 10-50 ng が ceiling	cfMeDIP enrichment / enzymatic conversion

解釈上の注意

• Correlation ≠ causation: Methylation 変化が driver (直接的 silencing) か passenger (clonal expansion の marker) かの区別が必要
• Tissue-specific methylation: Cell-of-origin により baseline methylation pattern が異なる → pan-cancer 解析では tissue normalization が必須
• CHIP (Clonal Hematopoiesis) : cfDNA methylation 解析で白血球由来 clonal signal が confounding。Leukocyte methylation subtraction (Haq et al. iScience 2022) で対処
• Dynamic methylation: 治療中のメチル化変化 (epigenetic therapy / stress response) により longitudinal monitoring の解釈が複雑化

Open Questions

• 肺癌 methylation classifier: CNS 分類に続き、NSCLC / SCLC / LCNEC の methylation-based diagnostic classifier の確立。Histological diagnosis を上回る molecular precision の prospective validation
• cfDNA methylation for SCLC subtype-guided therapy: Chemi et al. NatCancer 2022 / Heeke et al. CancerCell 2024 の non-invasive subtyping を DLL3 標的治療・IO・化学療法の selection に prospective に integrate する trial design
• Epigenetic therapy integration: DNMT inhibitor (azacitidine / decitabine) / EZH2 inhibitor が methylation landscape を reprogramming → IO 感受性回復の可能性。Methylation profiling による treatment response monitoring
• Fragmentomics + methylation 統合: Lo et al. Science 2021 / Song et al. NatBiomedEng 2022 が提唱する multi-modal cfDNA 解析 (methylation + fragment size + nucleosome positioning) の clinical utility 実証
• MCED 臨床実装: Grail Galleri 等の methylation-based multi-cancer early detection platform の prospective randomized screening trial 結果。False positive / overdiagnosis の cost-effectiveness 評価
• Single-cell methylation: scBS-seq / sc-methylation + sc-transcriptome joint profiling で cell-state と methylation の因果関係を single-cell resolution で解明
• 5hmC の clinical utility: 5-hydroxymethylcytosine profiling が 5mC に追加の diagnostic / prognostic 情報を提供するか。cfDNA 5hmC assay の validation

重要論文 Top 10

1. ★★★★★ Chemi et al. NatCancer 2022 — cfDNA methylation で SCLC サブタイプの non-invasive 分類を実現
2. ★★★★★ Sill et al. CancerCell 2026 — CNS methylation classifier 拡張 — WHO 分類の gold standard
3. ★★★★★ Conway et al. NatCommun 2024 — CUPiD — cfDNA methylation で CUP の tissue-of-origin 同定
4. ★★★★ Chakravarthy et al. NatCommun 2018 — MethylCIBERSORT — methylation deconvolution で TME hot/cold 同定
5. ★★★★ Baca et al. NatMed 2023 — cfDNA epigenomic triple profiling で 15 cancer type 分類

関連エンティティ

• 関連手法: ChIP-seq (histone modification profiling), ATAC-seq (chromatin accessibility), ctDNA-liquid-biopsy (cfDNA methylation 解析の delivery platform), Nanopore-long-read (bisulfite-free methylation 検出)
• 関連遺伝子: TP53 / CDKN2A (promoter methylation による silencing)
• 関連概念: SCLC-molecular-subtypes (methylation-based subtyping), Epigenetic-chromatin-remodeling-pathway
• ドメイン: cancer-biology, lung-cancer-biology

関連論文

直近 30 件のみ表示中 (関連 60 件)。 全件は MOC ページ または Obsidian (source Markdown) から辿れます。

Basic-Extracellular vesicles

• Liu et al. JNanobiotechnology 2026 — Overcoming blood-brain barrier and chemoresistance in glioblastoma by angiopep-2-modified NK cell-derived extracellular

Basic-Immunotherapy

• Chong et al. NatBiotechnol 2022 — Identification of tumor antigens with immunopeptidomics
• Lee et al. NatImmunol 2022 — Significance of bystander T cell activation in microbial infection
• Hogg et al. NatRevDrugDiscov 2020 — Targeting the epigenetic regulation of antitumour immunity

Basic-Liquid-biopsy

• Liu et al. AnnOncol 2020 — Sensitive and specific multi-cancer detection and localization using methylation signatures in cell-free DNA
• Penny et al. BiochemCellBiol 2024 — Chromatin-and nucleosome-associated features in liquid biopsy implications for cancer biomarker discovery
• Lalchungnunga et al. BrJCancer 2026 — Deconvolution of haematological cancer methylation patterns reveals a predominantly non-disease related proliferation
• Heeke et al. CancerCell 2024 — Tumor-and circulating-free DNA methylation identifies clinically relevant small cell lung cancer subtypes
• Shimizu et al. CancerGeneTher 2022 — Pan-cancer methylome analysis for cancer diagnosis and classification of cancer cell of origin
• Wang et al. ClinTranslMed 2025 — Cell-free epigenomes enhanced fragmentomics-based model for early detection of lung cancer
• Mo et al. JAMAOncol 2023 — Early detection of molecular residual disease and risk stratification for stage I to III colorectal cancer via
• Yasumizu et al. NARCancer 2024 — Neural-net-based cell deconvolution from DNA methylation reveals tumor microenvironment associated with cancer prognosis
• Fang et al. NatCancer 2026 — Decoding pediatric brain tumors via CSF-derived methylomes
• Noe et al. NatCommun 2024 — DNA methylation and gene expression as determinants of genome-wide cell-free DNA fragmentation
• Bruhm et al. NatRevCancer 2025 — Genomic and fragmentomic landscapes of cell-free DNA for early cancer detection
• Zhou et al. ProcNatlAcadSciUSA 2022 — Epigenetic analysis of cell-free DNA by fragmentomic profiling
• Annapragada et al. SciTranslMed 2024 — Genome-wide repeat landscapes in cancer and cell-free DNA
• Moser et al. TrendsGenet 2023 — Bridging biological cfDNA features and machine learning approaches
• Behrouzi et al. TrendsMolMed 2025 — Cell-free and extrachromosomal DNA profiling of small cell lung cancer
• Haq et al. iScience 2022 — Cell-free DNA methylation-defined prognostic subgroups in small-cell lung cancer identified by leukocyte methylation …

Basic-Neutrophil and myeloid cell

• Zhu et al. CancerCell 2025 — Cancer cell-derived arginine fuels polyamine biosynthesis in tumor-associated macrophages to promote immune evasion

Basic-Oncogene and genetics

• Sill et al. CancerCell 2026 — Advancing CNS tumor diagnostics with expanded DNA methylation-based classification
• You et al. Cell 2024 — Disruption of cellular plasticity by repeat RNAs in human pancreatic cancer
• Reggiardo et al. CellRep 2022 — Mutant KRAS regulates transposable element RNA and innate immunity via KRAB zinc-finger genes
• Ma et al. MolCell 2023 — SRSF2 plays an unexpected role as reader of m5c on mRNA, linking epitranscriptomics to cancer

Basic-Others

• Sarni et al. NatGenet 2026 — A progeria syndrome links DNA hypermethylation to age-related pathology
• Laisne et al. NatRevCancer 2025 — Epigenomic heterogeneity as a source of tumour evolution
• Davalos et al. TrendsCancer 2026 — How DNA methylation predicts response to cancer therapies

Clinical-NEC

• Kawasaki et al. Cell 2020 — An organoid biobank of neuroendocrine neoplasms enables genotype-phenotype mapping
• Lantuejoul et al. TranslLungCancerRes 2020 — New molecular classification of large cell neuroendocrine carcinoma and small cell lung carcinoma with potential