科学网

小哈嘉因

ChIP-seq能回答哪些生物学问题？

找到转录因子调控的靶基因；

发现转录因子的collaborator；

发现转录因子的新的调控机制，例如SETDB1，详见一篇运用ChIP-seq研究组蛋白修饰位点的文献

发现新的调控元件，例如，用H3K27ac和Med1的ChIP-seq鉴定新的super enhancer、组织特异性enhancer；

与转录因子激活/KD/KO样品的RNA-seq数据一同分析，结果更精确，详见ChIP-seq和RNA-seq整合分析，BETA最擅长；

如何实现ChIP-seq的这些功能呢？

需要懂ChIP-seq的人进行专业的数据分析与挖掘

分析方案

ChIP-seq数据的质量控制

数据相关度的统计

对于有重复的数据，数据相关度的统计可以作为质量控制的手段。

结合位点的检测

利用国际主流的MACS工具来确定结合位点的位置，即call peak。

结合位点在基因附近的特征分析

统计在基因转录起始位点，转录终止位点，上下游区域附近的平均强度

结合位点的分布/进化特征分析

统计结合位点在不同的基因注释区域的富集程度，评估其进化保守性。

挖掘生物学特征

转录因子的motif分析

与某类蛋白质高亲和度的特定碱基序列称为motif，利用MDScan的算法发现新的motif，同时用各大数据库已有的motif数据注释转录因子结合位点。

结合位点的靶基因预测

根据转录因子的结合位点与基因的转录起始位点之间的距离来定量估计转录因子对靶基因的调控潜能。

靶基因调控机制分析

结合RNA-seq数据与ChIP-seq数据，推测转录因子的激活/抑制作用，以及被激活和被抑制的靶基因。

结合模式的热图聚类

根据组蛋白修饰和转录因子在某一转录因子结合位点附近的结合信号，进行聚类分析，推测转录因子的作用机制。

数据关联度的统计

结合大规模ChIP-seq公共数据，进行数据关联度统计，有助于找到相互间协同作用的转录因子。

结合位点附近的热图分析

根据转录因子的DNA结合强度信号值，从高到低排列，平行画出其他调控因子或组蛋白修饰结合信号。有助于从全基因组角度，了解转录因子或组蛋白修饰之间的关系。

转载本文请联系原作者获取授权，同时请注明本文来自王程扬科学网博客。

本站仅提供存储服务，所有内容均由用户发布，如发现有害或侵权内容，请点击举报。