CpG-Insel

CpG-Inseln sind spezielle Bereiche in der Buchstabenfolge der Erbsubstanz (z. B. des Menschen), die sich von der übrigen Buchstabenfolge (=DNA-Sequenz) dadurch unterscheiden, dass 'CpG' häufiger vorkommt. CpG-Inseln entstehen durch Mechanismen, die mit der Nutzung der Erbsubstanz als Informationsträger zu tun haben. Dadurch sind CpG-Inseln wichtige Markierungen, die z. B. für die Genetik, Medizin und Bioinformatik Bedeutung haben.

Definition

CpG-Inseln (engl.: CpG-islands) sind genomische Regionen mit statistisch erhöhter CpG-Dinukleotid-Dichte.

Diese Dichte wird auf die Einzelnukleotid- und Dinukleotidfrequenzen im gesamten betrachteten Genomauschnitt bezogen. CpG bedeutet Cytosin-phosphatidyl-Guanosin. Das p wird mit angegeben, um GC von CG innerhalb von Phosphonukleosidketten (= DNA-Molekülen) besser zu unterscheiden (siehe auch 5'-Ende, 3'-Ende).

CpG-Dinukleotide sind Sequenzen, die Genetiker als Palindrome bezeichnen, da sie von beiden Seiten gelesen gleich lauten (wie 'Otto' oder 'Lagerregal'). Wenn man die DNA als Doppelstrang betrachtet, und Cytosine sich mit Guaninen paaren (Basenpaarungsregel), dann sieht ein CpG so aus:

 --CpG--
 --GpC--

Entstehung und Bedeutung

Die beiden Cytosine in einem CpG-Dinukleotid sind im menschlichen Genom meist methyliert (DNA-Methylierung). In einigen Bereichen wird die Methylierung dauerhaft unterdrückt. Häufig sind diese Bereiche CpG-Inseln und liegen oft vor Genen (den sogenannten Promotorbereichen). Die CpG dieser Regionen sind meist nicht methyliert und entgehen dadurch einem Mutationsdruck, der nachfolgend beschrieben wird:

Cytosine sind chemisch labil. Sie können in der Zelle einer Desaminierung unterliegen. Aus methylierten Cytosin wird dabei Thymin, aus unmethylierten Cytosin (z. B. in den CpG-Inseln) wird Uracil. Während Thymidin eine "normale" Nukleobase der DNA ist, gehört Uracil nicht in die DNA. Uracil -eigentlich eine RNA-Base- wird sehr gut erkannt und durch Cytosin ersetzt. Die DNA-Reparaturmechanismen der Zelle nehmen das auf dem gegenüberliegenden DNA-Strang vorhandene Guanosin als Grundlage der Fehlerkorrektur. In den methylierten CpG-Dinukleotiden entsteht durch die Desaminierung hingegen Thymidin. Dieser "Fehler" wird wesentlich häufiger toleriert als Uracil und führt zu einer dauerhaften Mutation.

Das folgende Schema zeigt die möglichen Mutationen durch Desaminierung und die Folgen durch Reparatur der DNA bzw. durch dauerhafte Etablierung von Mutationen.

                   1.                   2.                        3. 
                                                                |
     Methyliert:                                                |
       m                                                        |      m
a)   --CpG--  Desaminierung  --TpG--  häufig       --CpG--      | -> --CpG--
     --GpC--                 --GpC--               --GpC--      |    --GpC--
         m                       m                     m        |        m
                                                                |
                                                                |
b)                                    selten       --TpG--      | -> --TpG--
                                                   --ApC--      |    --ApC--
                                                       m        |
     Unmethyliert:                                              |
                                                                |
c)   --CpG--  Desaminierung  --UpG--  sehr häufig  --CpG--      | 
     --GpC--                 --GpC--               --GpC--      |
                                                                |
                                                                |
                                                                |
d)                                    sehr selten  --UpG--      | -> --TpG--
                                                   --ApC--      |    --ApG--
                                                                |

Legende zum Schema: Dargestellt sind zwei CpG-Dinukleotide, von denen eins sich in einem methylierten Bereich befindet [a) und b)], während das andere in einem unmethylierten Bereich -z. B. einer CpG-Insel- lokalisiert ist [c) und d)]. Die "auffälligen" Nukleobasen sind fett vervorgehoben.

1. Eine Desaminierung führt zu einem neuen Dinukleotid, in welchem die komplementäre Basenpaarung aufgehoben ist.

2. Für die nachfolgende Wiederherstellung der komplementären Basenpaarung stehen jeweils zwei Varianten zur Verfügung, die mit unterschiedlicher Wahrscheinlichkeit verlaufen. Der Unterschied zwischen a) und b) mit "häufig" und "selten" kommt dadurch zustande, dass der gegenüberliegende Strang eine Methylierung des CpG aufweist. Dadurch wird dieser Strang in diesem Bereich vom DNA-Reparatursystem als "älterer", konservierter Strang verstanden. Der größere Unterschied zwischen c) und d) mit "sehr häufig" und "sehr selten" geht darauf zurück, dass Uracil keine DNA-Base ist.

3. Im Anschluß an die mutativen Ereignisse werden gegebenenfalls falsche Methylierungen oder Nukleobasen ersetzt.

Der Mechanismus der spontanen Umwandlung von methylierten Cytosin in Thymin hat dazu geführt, dass die Frequenz an CpG-Dinukleotiden im Genom nur circa ein Fünftel so hoch ist, wie man sie sonst erwarten würde. In den CpG-Inseln ist die Frequenz dagegen etwa so hoch wie die anderer Dinukleotide (z.B GpC, TpG, ...).

CpG-Inseln werden auch zur Regulation der Expression (dem Ablesen) der Gene verwendet, und sind damit ein Mechanismus der epigenetischen Genregulation. Methylierung der CpG-Inseln eines Genes bedeutet, dass diese Gene nicht abgelesen werden (Silencing). Circa 60 % aller menschlichen Gene haben CpG-Inseln in ihren Promotorbereichen.

Methylierung von CpG-Inseln spielt sowohl in der Entstehung von Krebs (als Mechanismus zum Abschalten von Tumorsuppressorgenen) als auch beim genomischen Imprinting eine Rolle.

Bioinformatische Analyse

Auffinden von CpG-Inseln mit Hilfe von Markov-Ketten

Bezeichnet $C_{st}^{+}$ die Anzahl der st-Paare auf CpG-Inseln und $C_{st}^{-}$ sonst (nicht CpG-Inseln) mit $s,t\in \{A,C,G,T\}$ . Die Übergangswahrscheinlichkeiten werden über Maximum Likelihood berechnet: $a_{st}^{+}={\frac {C_{st}^{+}}{\sum _{t'}^{}C_{st'}^{+}}}$ und $a_{st}^{-}={\frac {C_{st}^{-}}{\sum _{t'}^{}C_{st'}^{-}}}$ Die Bestimmung basiert auf Sequenzabschnitten, von denen man weiß, ob es sich um CpG-Inseln handelt oder nicht. Gegeben sei nun eine unbekannte Sequenz X. Frage: "Handelt es sich um eine CpG-Insel?" Bezeichnungen:

P(+|X) Wahrscheinlichkeit, dass X CpG-Insel
P(-|X) Wahrscheinlichkeit, dass X keine CpG-Insel

Zusätzlich wird eine Score-Funktion definiert: $S(X):=\log \left({\frac {P(+|X)}{P(-|x)}}\right)={\begin{cases}>0,&{\mbox{wenn CpG-Insel}}\\<0,&{\mbox{wenn keine CpG-Insel}}\\=0&{\mbox{nicht entscheidbar}}\end{cases}}$

Als "Prior" wird die Gesamtlänge aller CpG-Inseln relativ zur Gesamtlänge des Genoms verwendet.

Auffinden von CpG-Inseln mit Hilfe des Hidden Markov Modells

Als sichtbare Zustände bezeichnet man hierbei die Basen (G,C,A,T) an den jeweiligen Stellen in der DNA-Sequenz. Der nicht-sichtbare Zustand sagt etwas darüber aus, ob diese Base Teil einer CpG-Insel ist oder nicht (+,-). Es gibt 4 mögliche Übergangswahrscheinlichkeiten:

$a_{st}=P(Z_{i}=t|Z_{i+1}=s)$ $s,t\in \{+,-\}$ .

Jeder versteckte Zustand s erzeugt mit einen Emissionswahrscheinlichkeit $e_{s}(b)$ einen sichtbaren Zustand b (eine Base):

$e_{s}(b)=P(X_{i}=b|Z_{i}=s)$

Die Wahrscheinlichkeit, dass ein sichtbarer Zustand von einem versteckten Zustand emittiert wurde ergibt sich demnach aus: $P(Z|X)=P(X|Z)*P(Z)/P(X)$

mit: $P(Z)=P(Z_{1}){\prod _{i=2}^{N}{a_{Z_{i-1}}*Z_{i}}}=$ $\prod _{i=1}^{N}{a_{Z_{i-1}}*a_{Z_{i}}}$ (s. Markov-Kette)

Damit ergibt sich: $P(Z|X)={\frac {\prod _{i=1}^{N}{a_{Z_{i-1}}*a_{Z_{i}}}*\prod _{i=1}^{N}{e_{Z}(X_{i})}}{P(X)}}$

Da der Aufwand zur Maximierung von P(Z | X) mit der Länge der Sequenz exponentiell steigt, eignet sich der rekursive Viterbi-Algorithmus zur Lösung des Problems.