中国人民大学统计与大数据研究院罗翔宇老师与合作者共同提出了一种用于探测在不同细胞类型中具有中介效应的CpG位点的统计方法。该方法叫做MICS，它仅仅利用bulk DNA 甲基化数据即可实现，不需要细胞层次的甲基化信息，因此能大大减少不必要的测量成本。此方法利用因果推断中的线性结构方程模型，首先通过中介变量（mediator）与暴露变量（exposure）的信息得到具有细胞类型层次的exposure-mediator P值矩阵，然后再通过结果变量（outcome）进一步得到细胞类型层次的mediator-outcome P值矩阵，最后通过控制假发现率（false discovery rate）将两个P值矩阵进行结合从而发现显著的具有中介效应和细胞类型特异性的CpG位点。将此方法应用在一项吸烟状态与肺功能关系的研究中，我们在淋巴细胞中发现了9个具有中介效应的CpG位点。相关研究成果以“Testing Cell-Type-Specific Mediation Effects in Genome-Wide Epigenetic Studies”在线发表在《Briefings in Bioinformatics》（IF: 8.990）上。

MICS方法流程示意图

在表观基因组中，DNA的甲基化可能在一个暴露变量对于另一个结果变量的因果桥梁上起一个中介的效应。比如吸烟导致肺部疾病的这个因果关系中，可能是吸烟首先改变了某个位点的DNA甲基化的程度，且这个位点的甲基化恰恰会导致某个肺部疾病，那么这个位点就起着一个中介的作用。之前的统计方法利用bulk DNA甲基化数据可以实现在整体层次上中介效应CpG位点的探测，但是该中介效应可能是随着细胞类型的不同而发生改变，因此如何能够得到具有细胞类型特异性的中介效应位点尤为重要。我们提出的方法MICS即可实现该目标。

此研究成果中，罗翔宇老师的研究得到国家自然科学基金、中国人民大学理工处科研经费、中国人民大学双一流经费、中国人民大学校级高性能与大数据公共计算云平台的支持。