染色质免疫沉淀测序(ChIP-seq)是一种用于鉴定基因组中与特定蛋白质或蛋白质修饰相关区域的方法。它将染色质免疫沉淀与高通量DNA测序相结合;前者利用抗体富集选定的蛋白质–DNA复合物。ChIP-seq广泛用于绘制转录因子、组蛋白及其修饰,以及其他染色质相关蛋白质的基因组分布图谱。其结果是全基因组范围的富集图谱,而不是对结合亲和力的直接测量,也不能证明蛋白质与DNA存在直接接触。
生物学基础
在真核生物细胞中,脱氧核糖核酸(DNA)与组蛋白及其他蛋白质共同包装成染色质。含有组蛋白的核小体构成结构框架,而转录因子、染色质重塑复合物及其他蛋白质则帮助调控遗传信息的可及性。这些相互作用参与转录(生物学)、DNA复制和DNA修复。
ChIP-seq利用抗体对表位的选择性识别。如果抗体捕获了某种染色质相关蛋白质,就可以回收与该蛋白质相关联的DNA片段并进行测序。将这些片段比对到参考基因组,即可找出相对于背景富集的区域。
靶标可以是某种特定蛋白质,例如转录因子,也可以是组蛋白上的某种特定化学修饰。例如,H3K4me3表示组蛋白H3第4位赖氨酸的三甲基化,H3K27ac则表示第27位赖氨酸的乙酰化。这些修饰具有特征性的基因组分布,并与调控活性相关。然而,仅凭它们的存在,无法确定某一区域的功能或因果关系的方向。
实验流程
染色质制备
主要采用两类方法:
- 交联ChIP: 通常用甲醛处理细胞或组织,以稳定蛋白质–DNA及蛋白质–蛋白质之间的相互作用。随后提取染色质并将其片段化,常用方法是超声破碎。对于转录因子及其他相互作用可能在提取过程中丢失的蛋白质,这种方法应用广泛。
- 天然ChIP: 在不进行化学交联的条件下制备染色质,并且通常通过酶切使其片段化。该方法尤其适用于组蛋白和较稳定的染色质复合物。
交联条件和片段化方式会影响哪些相互作用得以保留,以及富集区域定位的精确程度。交联过度可能降低抗体对靶标的可及性,或增加染色质提取的难度;固定不足则可能无法保留某些相互作用。酶促片段化可能引入序列偏倚和可及性偏倚。
免疫沉淀
将片段化的染色质与针对靶标的抗体共同孵育。随后捕获抗体结合的复合物,通常使用表面带有抗体结合蛋白的微珠,并通过洗涤减少非特异性物质。
抗体的性能是实验成败的关键。能够识别纯化蛋白质,或适用于其他检测方法的抗体,未必在ChIP中也有良好表现。需要考虑的因素包括特异性、在样品制备条件下识别靶标的能力,以及与相关蛋白质或组蛋白修饰的交叉反应性。
DNA回收与测序
去除蛋白质,并在适用时解除交联后,纯化富集的DNA。通过连接测序接头构建文库。文库通常使用聚合酶链式反应进行扩增,但扩增可能引入偏倚和重复片段。
测序可采用单端或双端方式。双端测序读取文库片段的两端,能够更直接地提供片段长度及其基因组定位信息。所需测序深度取决于基因组大小、靶标丰度、富集质量,以及预期信号表现为狭窄位点还是宽广区域。
计算分析
比对与预处理
对测序读段进行质量评估,并将其比对到参考基因组。处理过程通常需要解决低质量比对、接头污染,以及无法唯一定位、可比对到多个位置的读段等问题。
重复片段需要谨慎解释。其中一些来自扩增重复,另一些则反映了高占据水平位点上的真实富集。因此,重复片段的过滤应根据文库复杂度、实验设计和靶标特征来决定,而不应采用一成不变的规则。
重复序列和可比对性较差的区域往往难以分析。许多分析流程会排除预先定义的区域,这些区域在互不相关的实验中反复产生异常强烈的信号。
富集图谱与峰识别
基因组覆盖度轨迹反映比对后片段的分布。峰识别算法通过背景模型,识别富集程度高于预期的区域,通常会使用匹配的对照样本。
合适的模型取决于靶标:
- 窄峰常见于序列特异性转录因子及某些局部分布的组蛋白修饰。
- 宽广富集区域常见于H3K27me3和H3K36me3等标记。
- 混合模式需要采用能够兼顾局部信号与延展信号的方法。
峰识别软件可能会考虑测序深度、局部背景、片段大小及其他变异来源。由于需要检验大量基因组位置,通常会对统计显著性进行校正,以控制假发现率。峰仍然是建立在这些分析选择之上的统计推断,而不是独立证实的生物学相互作用。
注释与比较分析
可以根据富集区域相对于启动子(生物学)、基因体及候选增强子(生物学)的位置进行注释。序列基序分析能够识别与靶标或其相互作用伙伴相关的序列模式。结合RNA测序,可以将占据模式与基因表达联系起来,但相关性并不代表直接调控。
不同条件之间的比较需要适当的重复实验和归一化。差异富集通常应根据可比基因组区域内的片段计数进行评估,而不应仅比较各样本独立识别出的峰列表。
对照与质量评估
背景对照
**输入对照(input control)**取自免疫沉淀前的一部分片段化染色质。它有助于校正片段化、可比对性、DNA丰度及其他背景因素造成的差异。
IgG对照使用非特异性免疫球蛋白,以评估某些形式的非特异性回收。它不能与输入DNA相互替代,因为两种对照反映的是实验背景的不同特征。
靶标被耗竭或经过遗传改造的材料,可以为抗体特异性提供额外证据。解释结果时,必须考虑去除靶标所引发的其他广泛生物学效应。
重复实验与富集指标
生物学重复用于评估独立样本之间的可重复性。技术重复用于评估样品处理或测序过程中引入的变异,但不能替代生物学重复。
常用的质量指标包括:
- 可靠比对的读段数量及其比例。
- 文库复杂度和重复水平。
- 片段长度分布。
- 落在峰内的读段比例,通常缩写为FRiP。
- 生物学重复之间的一致性。
- 已知阳性区域相对于阴性区域的富集程度。
没有任何单一指标能够判定所有靶标的实验是否成功。宽广的组蛋白修饰区域与高度局限的转录因子结合位点,具有不同的预期信号特征。某些基于链信息的质量指标,对点状结合信号比对宽广富集信号更有参考价值。
外源参照归一化
当某种处理改变了基因组大部分区域的染色质占据水平或组蛋白修饰丰度时,外源参照材料有助于开展实验间比较。常规按读段总数进行归一化,可能掩盖这类全局变化。
外源参照(spike-in)方法在指定阶段加入可区分的参照物,例如来自另一物种的染色质。其有效性取决于处理过程是否一致、参照物是否得到适当捕获,以及是否清楚了解该参照物能够控制哪些实验步骤的变异。
应用
ChIP-seq支持基因组研究的多个主要领域:
- 调控图谱绘制: 定位与转录因子相关的区域,研究调控网络。
- 染色质状态注释: 绘制与启动子、增强子、转录区域及受抑制区域相关的组蛋白修饰图谱。
- 发育与环境条件比较: 研究不同细胞类型、发育阶段或实验条件之间占据水平的变化。
- 变异解读: 确定遗传变异在实验绘制的调控区域中的位置。
- 机制研究: 将占据数据与扰动实验及表达测量相结合,检验调控假说。
在表观遗传学中,ChIP-seq对于表征染色质相关修饰尤为重要。它不直接测量DNA甲基化,而且仅凭组蛋白修饰图谱,无法确定某种状态是否具有可遗传性。
局限性与结果解读
关联不一定意味着直接结合。 交联可以保留蛋白质复合物,因此某种蛋白质可能通过另一种蛋白质间接关联到DNA附近,并随之被回收。基序富集或独立的生化证据可以支持直接结合的解释,但ChIP-seq本身并不提供这类证据。
富集不等于对占据水平的绝对测量。 信号取决于靶标丰度、抗体亲和力和靶标可及性、交联、片段化、回收、测序深度及分析方法。不同抗体或不同靶标产生的信号,并不天然具有定量可比性。
分辨率有限。 常规ChIP-seq通常只能将富集定位到一定范围内,其范围部分取决于片段大小和信号处理方式。峰顶不一定就是蛋白质接触的确切核苷酸位置。
群体测量得到的是细胞间的平均结果。 观察到的图谱可能反映少数细胞中的高占据水平、许多细胞中的较低占据水平,或多种状态的混合。两个靶标在群体水平上的分布重叠,并不能证明它们占据同一条DNA分子,或存在于同一个细胞中。
功能解释需要额外证据。 某个峰位于某个基因附近,并不能证明靶标调控该基因。调控区域可能发挥远距离作用,将每个峰都归属于最近的基因,可能产生误导。
发展与相关方法
2007年,随着高通量测序被用于免疫沉淀获得的染色质,ChIP-seq应运而生。它拓展了早期针对特定位点的ChIP检测方法,以及利用微阵列分析回收DNA的ChIP-chip方法。测序提供了更广泛的基因组覆盖,并摆脱了对固定阵列探针集合的依赖,但参考基因组质量和序列可比对性仍然十分重要。
相关方法分别针对不同的实验需求:
- ChIP-exo利用外切核酸酶处理,更精确地确定受保护DNA片段的边界,提高定位精度。
- CUT&RUN利用抗体引导的核酸酶,释放染色质靶标附近的DNA。
- CUT&Tag利用抗体引导的转座酶,在靶标附近插入测序接头。
- ATAC-seq通过转座酶插入来测量染色质可及性,而不是富集选定的蛋白质。
低起始量和单细胞改良方法将染色质图谱分析扩展到更小的样本,但灵敏度、覆盖稀疏程度及可比性高度依赖所用技术。这些方法相互补充,而非在所有情况下都能相互替代:可及性、蛋白质关联和组蛋白修饰富集描述的是染色质的不同性质。