ATAC-seq是一种在整个基因组范围内绘制染色质可及区域图谱的方法。它利用经过工程改造的Tn5转座酶切割暴露的脱氧核糖核酸(DNA)并连接测序接头,再通过高通量DNA测序识别由此产生的片段。检出片段较多的区域被认为在该检测条件下具有相对较高的可及性。ATAC-seq于2013年问世,由于实验流程较短、样本需求量较低,且适用于单细胞分析,很快便广泛用于研究基因调控。
生物学基础
在真核生物中,DNA与组蛋白结合,包装成核小体及更高级的染色质结构。这种包装方式会影响调控蛋白能否与特定DNA序列相互作用。可及区域通常包括启动子(生物学)、增强子(生物学)、绝缘子及其他调控元件。
可及性与基因表达有关,但两者并不等同。可及的启动子或增强子可能处于活跃状态,也可能处于为后续激活做好准备的待激活状态,还可能虽然可及,却在所测条件下对转录没有可检测的贡献。另一方面,基因调控还依赖蛋白质结合、化学修饰以及相距较远的基因组区域之间的相互作用,而ATAC-seq并不直接测量这些因素。
因此,这种方法提供的是物理可及性图谱,而不是活跃基因或已结合调控蛋白的直接清单。其信号既受染色质生物学组织方式的影响,也受检测反应本身的生化偏好影响。
分子原理
核心试剂是一种高活性的Tn5转座酶,这是一种源自细菌转座系统的酶。所用的Tn5以与含接头的DNA分子结合的复合物形式提供。当它遇到可及的DNA时,会产生交错切口,并将接头序列转移到切割位点。
这种将片段化与接头标记合并完成的反应称为转座标签化(tagmentation)。受核小体或其他已结合蛋白保护的DNA通常较难发生插入,但这种保护并非绝对。
转座标签化后,通过聚合酶链式反应扩增带有标签的片段,构建测序文库。双端测序可以识别每个检出片段的两端,从而提供其基因组位置和长度信息。
ATAC-seq文库通常包含:
- 短片段:富集了来自核小体之间可及区域的DNA。
- 单核小体相关片段:大致跨越一个核小体及其相邻的可及DNA。
- 较长片段:可跨越两个或更多核小体。
这些片段类别往往形成具有周期性的长度分布。它们的相对丰度取决于样本类型、制备方法和反应条件,不应将其视为普遍适用、界限分明的类别。
实验流程
样本制备
常规ATAC-seq以细胞或分离的细胞核为起始材料。制备过程必须在保留染色质组织结构的同时,使转座酶能够接触核内DNA。过度破坏样本、细胞损伤或去污剂条件不当,都可能导致背景信号升高或可及性谱发生改变。
对于冷冻组织以及难以解离为完整细胞的样本,分离细胞核尤其有用。不过,样本保存、储存和分离操作都可能影响结果,不同材料可能需要不同的实验方案。
转座标签化与文库构建
在受控条件下,将制备好的细胞或细胞核与预装载接头的Tn5接触。转座酶与输入材料的比例十分重要:酶活性过高可能导致DNA过度片段化,活性不足则可能产生复杂度较低的文库。
DNA纯化后,通过扩增补全测序接头,并引入样本索引。过度扩增会提高重复率,并可能使各类片段的相对比例失真。最终需评估文库的片段长度分布、浓度及其是否适合测序。
测序与比对
必要时,先修剪测序读段以去除接头序列,再将其比对到参考基因组。数据处理通常会去除比对质量较差的读段、重复片段,以及来自问题基因组区域的读段。
分析细胞核染色质可及性时,通常会排除来自线粒体基因组的读段。线粒体DNA在样本制备过程中容易暴露,且缺乏典型的核小体包装,因此在某些文库中可能占相当大的比例。
当分析需要精确的插入坐标时,处理流程会考虑Tn5整合所形成的交错结构。一种常见做法是将正链读段的起始位置平移 个碱基,将负链读段的起始位置平移 个碱基,但必须确保坐标约定与软件实现保持一致。
数据分析
可及性峰
峰是指ATAC-seq信号高于周围背景或统计模型预期水平的基因组区间。峰识别将比对后的片段或插入位点转换为一组候选可及区域。
仅凭可及性峰本身,无法确定某个区域是否为增强子、识别其靶基因,或证明其具有调控功能。这些解释需要额外的基因组信息或实验证据支持。
比较不同条件时,需在同一组区域内统计片段数,然后使用统计模型检验可及性差异,同时考虑测序深度、生物学变异和实验设计。当某种扰动引起可及性的广泛变化时,标准化处理尤其需要谨慎,因为常规方法通常假定大多数区域不会发生显著变化。
调控序列分析
可以分析可及区域中是否富集了转录因子所识别的DNA序列基序。基序富集情况可提示与某种细胞类型或条件相关的调控程序。
然而,存在某种基序并不意味着特定蛋白质占据了该位点。亲缘关系较近的转录因子往往识别相似序列,而且基序即使存在,也可能没有蛋白结合。表达测量和独立的蛋白质结合检测有助于区分这些可能性。
足迹分析与核小体组织
足迹分析尝试根据转座酶插入在局部减少、周围DNA则具有更高可及性的模式,推断蛋白质占据情况。这类模式可以提供有用信息,但Tn5的序列偏好、测序深度、蛋白质结合动态,以及蛋白质–DNA复合物的大小,都会使解释变得复杂。可靠的足迹分析需要采用考虑偏倚的方法,并进行适当验证。
片段长度和插入模式也可用于估计可及区域周围的核小体定位。这些估计是间接的,且依赖分析假设;ATAC-seq并不对核小体成像,也无法解析每个细胞中的每一个核小体。
质量评估
任何单一指标都不足以判定文库质量。常用评估项目包括:
- 转录起始位点富集度: 已注释的转录(生物学)起始位点周围的信号相对于两侧背景的增强程度。
- 峰内读段比例: 可用读段或片段中,与识别出的可及区域重叠的比例。其数值部分取决于所用的峰集合和分析流程。
- 文库复杂度与重复率: 结合测序深度,评估检出的独特片段的多样性。
- 片段长度分布: 是否出现短片段富集,以及在预期存在时是否呈现核小体相关的周期性。
- 线粒体读段比例: 衡量未用于核基因组分析的测序量。
- 重复样本一致性: 独立生物学样本之间的一致程度。
阈值取决于具体情境。针对群体样本建立的指标,不能直接套用于单个细胞、非常规研究物种或特殊组织。
主要变体与历史发展
2013年报道的最初ATAC-seq方法,展示了利用数量相对较少的细胞快速测定可及性谱的能力。与此前若干全基因组可及性检测方法相比,它减轻了样本制备负担。
2017年报道的Omni-ATAC调整了裂解、洗涤和反应条件,降低了多种样本中的线粒体污染和背景信号。它还拓宽了该技术对冷冻材料和组织的实际适用范围。其表现仍取决于生物材料和制备质量。
2015年得到验证的单细胞ATAC-seq将可及区域片段归属到单个细胞或细胞核,而不是将所有信号合并为一次群体测量。具体实现方式包括微流控、液滴和组合索引等。
单细胞数据具有稀疏性:每个细胞中只有一小部分可及位点被采样到。因此,分析通常会整合多个区域和大量细胞的信息,以识别细胞群体和调控模式。某个细胞的某个位点没有读段,并不足以证明该位点不可及。
多模态方法将可及性与其他分子特征一并测量,尤其是RNA测序,有时还可在同一个细胞或细胞核中完成。这些测量有助于将染色质状态与转录联系起来,但相关性本身并不能确立因果关系。
应用
ATAC-seq用于刻画细胞类型特异性的调控图景、发育过程中的状态转变,以及对实验扰动的响应。单细胞应用尤其适合区分异质组织中不同细胞群体的可及性模式。
在表观遗传学研究中,这种方法可与DNA甲基化和组蛋白修饰测量相互补充。可及性只是染色质状态的一个组成部分,而非对其的完整描述。
可及区域图谱也有助于解释全基因组关联研究发现的非编码变异。位于细胞类型特异性可及区域内的变异,可被优先纳入进一步研究,但仅有位置重叠并不能确定因果变异、受影响的基因或调控机制。
将ATAC-seq与基因组编辑、报告基因检测和靶向扰动相结合,可以检验候选调控元件的功能。与基因表达数据进行比较可提示调控关系,而染色体接触测量则可为远端靶基因提供额外证据。
与相关方法的比较
**DNase-seq**利用DNase I的切割作用绘制染色质可及性图谱。DNase-seq和ATAC-seq都能提供全基因组可及性谱,但在酶的偏倚、样本需求和实验流程方面有所不同。
MNase-seq利用微球菌核酸酶消化,常用于研究核小体组织。其信号反映的是另一种消化机制,不能与ATAC-seq的可及性信号互换使用。
**染色质免疫沉淀测序**利用抗体富集与特定蛋白质或组蛋白修饰相关的DNA。它用于回答分子占据情况或特定修饰相关的问题,而常规ATAC-seq不需要选定某一种染色质蛋白。
**靶向切割与转座技术**也使用转座酶,但会将其引导至抗体识别的靶标。因此,同样使用转座标签化酶,并不意味着CUT&Tag等同于ATAC-seq:前者绘制的是选定分子特征的分布图谱,后者则主要对可及DNA进行采样。
局限性与结果解释
ATAC-seq测量的是酶促反应的结果,而不是独立于实验条件的可及性。Tn5的序列偏好、染色质制备、扩增、读段比对和测序深度,均可能影响观测信号。
群体测定得到的图谱反映的是细胞之间的平均情况。表观上的可及性升高,可能是因为某个区域在一个细胞群体内变得开放,也可能是因为该区域原本就可及的某类细胞所占比例增加。单细胞检测有助于区分这两种解释,但也带来了数据稀疏性、双细胞混入及较高的计算需求等问题。
高度重复区域和难以比对的序列仍是分析难点。参考基因组质量和分析流程的差异,也可能影响不同物种或不同研究之间的比较。
最后,仅凭可及性无法确立调控因果关系、识别所有蛋白质结合事件,或确定远端元件控制的是哪个基因。回答这些问题通常需要互补的分子测量和功能实验。