Stochastic modeling of DNA demethylation dynamics in ESCs

Abstract

DNA methylation and demethylation are opposing processes that when in balance create stable patterns of epigenetic memory. The control of DNA methylation pattern formation in replication dependent and independent demethylation processes has been suggested to be influenced by Tet mediated oxidation of a methylated cytosine, 5mC, to a hydroxylated cytosine, 5hmC. Based only on in vitro experiments, several alternative mechanisms have been proposed on how 5hmC influences replication dependent maintenance of DNA methylation and replication independent processes of active demethylation. In this thesis we design an extended and easily generalizable hidden Markov model that uses as input hairpin (oxidative-)bisulfite sequencing data to precisely determine the over time dynamics of 5mC and 5hmC, as well as to infer the activities of the involved enzymes at a single CpG resolution. Developing the appropriate statistical and computational tools, we apply the model to discrete high-depth sequenced genomic loci, and on a whole genome scale with a much smaller sequencing depth. Performing the analysis of the model’s output on mESCs data, we show that the presence of Tet enzymes and 5hmC has a very strong impact on replication dependent demethylation by establishing a passive demethylation mechanism, implicitly impairing methylation maintenance, but also down-regulating the de novo methylation activity.

DNA-Methylierung und Demethylierung sind gegenläufige Prozesse, die im Gleichgewicht stabile Muster des epigenetischen Gedächtnisses erzeugen. Es wird angenommen, dass die Kontrolle der DNA-Methylierungsmusterbildung in replikationsabhängige und unabhängige Demethylierungsprozesse durch Tet-regulierte Oxidation eines methylierten Zytosins (5mC) zu einem hydroxylierten Zytosin (5hmC) beeinflusst wird. Aufgrund von In-Vitro-Experimenten, wurden verschiedene Mechanismen vorgeschlagen wie 5hmC die replikationsabhängige Aufrechterhaltung der DNA-Methylierung und die replikationsunabhängigen Prozesse der aktiven Demethylierung beeinflusst. In dieser Arbeit entwerfen wir ein erweitertes und leicht verallgemeinertes Hidden Markov Modell, das mit Hilfe von Hairpin (oxidative-)Bisulfit Sequenzierung gewonnener Daten die Zeitdynamik von 5mC und 5hmC genau bestimmt und die Aktivitäten der beteiligten Enzyme auf der Ebene einzelner CpGs scha ̈tzt. Wir entwickeln geeignete statistische Methoden, um das Modell sowohl auf der Ebene der sequenzspezifischen Tiefensequenzierung einzelner Loci, als auch auf genomweiter Ebene mit stark verringerter Sequenzierungstiefe anzuwenden. Wir zeigen, dass die Anwesenheit von Tet-Enzymen und 5hmC einen sehr starken Einfluss auf die replikationsabhängige Demethylierung hat, indem sie einen passiven Demethylierungsmechanismus etabliert, der die Methylierungserhaltung implizit beeinträchtigt, aber auch die de novo-Methylierung herunterreguliert.