染色质免疫沉淀(ChIP)是一种实验方法,用于鉴定细胞内与特定蛋白质或带有特定修饰的蛋白质相关联的脱氧核糖核酸区域。该方法利用抗体富集带有选定靶标的染色质片段,随后分析一同富集的DNA。靶标可以是识别特定序列的转录因子、转录机器的组成成分、染色体结构蛋白,或带有化学修饰的组蛋白。因此,ChIP能够将染色质的分子组成与基因组中的特定位置联系起来。
该方法已成为研究基因表达、染色体组织结构和表观遗传学的核心技术。其主要检测结果既可以是少数选定位点的测量数据,也可以是通过DNA测序获得的全基因组图谱。这些图谱能够显示哪些位置更容易富集到靶标,但仅凭图谱本身,无法确定蛋白质与DNA是否直接接触、有多少比例的细胞在某个位点存在靶标占据,或某种相互作用会产生何种功能后果。结果的解读取决于染色质制备所用的化学方法、抗体特异性、实验对照和计算分析。
历史发展与向全基因组图谱绘制的转变
ChIP 源于研究者对蛋白质如何在细胞内与染色体结合的探索,而不再局限于研究其在试管中与纯化 DNA 的结合。经典生化分析能够鉴定蛋白质识别的 DNA 序列,但细胞内的染色质带来了额外的限制:DNA 缠绕在组蛋白上,调控蛋白之间相互作用,而且染色质的可及性会随细胞状态发生变化。因此,如何在提取过程中保留这些相互关系,成为一项重大的实验挑战。
一项重要的先驱性研究是 Gilmour 和 Lis 于 1984 年开展的工作,他们利用紫外线交联和免疫沉淀研究了果蝇细胞中的蛋白质–DNA 相互作用。随后,他们进一步绘制了 RNA聚合酶 II 在转录活跃基因上的分布。1988 年,Solomon、Larsen 和 Varshavsky 描述了利用甲醛交联绘制体内蛋白质–DNA 相互作用图谱的方法。甲醛的影响尤为深远,因为它既能在完整细胞中稳定染色质内的相互作用,所形成的交联又能在后续步骤中解除,从而回收 DNA 用于分析。
早期实验通过杂交或 聚合酶链式反应检测回收的特定序列。这些方法使 ChIP 适合检验明确而具体的假设,例如某种调控蛋白是否与特定的启动子结合。此后,定量 PCR 提高了特定位点测量的可重复性和动态范围。不经化学固定的天然染色质免疫沉淀与交联方法同步发展,在研究稳定的组蛋白–DNA 相互作用及组蛋白修饰方面尤为有用。
ChIP 与 DNA 微阵列技术相结合,产生了染色质免疫沉淀芯片技术,使研究者能够同时检测多个基因组区域。2000 年,Ren 及其同事采用全基因组定位分析,绘制了出芽酵母中转录因子的结合图谱。这类工作推动了研究视角的转变:调控蛋白可以作为全基因组网络的组成部分加以研究,而不必每次只研究一个启动子。不过,芯片设计仍限制了可检测的区域,杂交过程也带来了与序列有关的局限。
2007 年,多项研究确立了染色质免疫沉淀测序技术,将染色质免疫沉淀与大规模并行测序相结合。Johnson 及其同事绘制了转录因子 NRSF(又称 REST)的结合图谱,Barski 及其同事则分析了人类 T 细胞中多种组蛋白甲基化修饰的分布。测序大幅扩大了基因组覆盖范围,提高了有效分辨率,但重复 DNA 仍难以唯一定位。随后,大型合作项目采用 ChIP-seq 构建了调控蛋白和染色质修饰的参考图谱。这一转变使方法学的重点从检测单个相互作用,更多地转向比较不同实验中规模庞大、复杂多样的富集分布图谱。
分子基础与富集的含义
在真核生物细胞中,染色质的基本重复单位是核小体,其中约147个碱基对的DNA缠绕在组蛋白八聚体上。组蛋白尾部及其他暴露表面带有化学修饰,同时还有许多其他蛋白质与核小体、连接DNA及调控序列相结合。ChIP利用的正是这些物理关联:如果抗体捕获了目标蛋白质或修饰,就可以回收并鉴定仍与捕获物相连的DNA。
这项实验测量的是富集程度,而不是直接观察单次结合事件。在实验条件下,某个DNA片段随靶标一同被回收的概率越高,它在免疫沉淀产物中的丰度就越高。这一概率既取决于生物学上的占据情况,也受交联效率、片段制备、抗体可及性、结合亲和力、洗涤条件和DNA回收情况的影响。因此,ChIP信号相差两倍,并不一定意味着发生该相互作用的细胞比例也相差两倍。
交联ChIP既能回收直接关联的组分,也能回收间接关联的组分。转录因子可能直接接触DNA,也可能通过另一种接触DNA的蛋白质间接连接到DNA上。甲醛既能固定蛋白质与蛋白质之间的相互作用,也能固定蛋白质与DNA之间的相互作用,因此这两种情况都可能产生富集。同样,一个含有多个核小体的片段,可能仅因其中一个核小体带有目标组蛋白修饰而被回收;实验结果并不意味着该片段中的每个核小体都带有这种修饰。
空间分辨率也不同于测序读长。如果回收的片段长250个碱基对,对其末端进行测序并不能将抗体所结合蛋白质的位置精确定位到单个核苷酸。标准ChIP-seq通常将富集定位在跨度为几十至几百个碱基对的区间内,具体取决于片段长度、靶标性质、测序设计和分析方法。专门的方法可以缩小这些区间,但即使峰很窄,它所代表的仍是群体层面的推断,而不是接触位点的显微图像。
ChIP通常得到的是许多细胞、这些细胞中的染色体拷贝以及采集时间段内的平均结果。一个信号可能来自少数细胞中的高占据水平,也可能来自大多数细胞中较低的占据水平。同样,分别进行的免疫沉淀所生成的图谱即使存在重叠,也不能证明两种蛋白质同时占据同一条DNA分子。在研究异质性组织、动态信号响应或相互排斥的染色质状态时,这些区别尤其重要。因此,最准确地说,ChIP是一种在特定实验条件下,对可回收的染色质关联进行定位的方法。
染色质的保存与片段化
染色质制备决定了哪些相互作用能够保留,以及哪些基因组区域能够进入检测流程。主要有两种策略:交联 ChIP 和天然 ChIP。交联 ChIP 通常在破碎细胞前先进行固定,而天然 ChIP 则在不通过共价交联稳定相互作用的情况下分离染色质。两种方法都并非在所有情况下更优;其适用性取决于靶标的稳定性及其所处的分子环境。
甲醛可通过蛋白质和核酸中的反应性基团形成短程交联,因此得到广泛应用。常用的起始条件是以约 1% 的甲醛处理约 10 分钟,但合适的处理时间会因细胞类型、组织和靶标而有很大差异。过度固定可能降低溶解性,遮蔽表位,并妨碍片段化或 DNA 回收。固定不足则可能使短暂的相互作用在提取过程中消失。有些实验方案会在使用甲醛前,先加入其他蛋白质间交联剂,以提高间接结合复合物的回收率,但代价是改变了检测所保留的分子邻近关系。
固定并终止交联反应后,破碎细胞或细胞核,再将染色质片段化。超声处理利用声能剪切染色质,在常规 ChIP-seq 中通常产生长度约为 100–500 个碱基对的 DNA 片段。所得片段的长度分布取决于仪器的几何结构、样品体积、固定情况及染色质组成。评估片段长度时,通常先取一份样品进行解交联,因为在凝胶电泳或类似的片段长度测定过程中,完整交联复合物的行为与纯化 DNA 不同。
酶法片段化通常使用微球菌核酸酶,该酶优先切割核小体之间易于接近的 DNA。有限消化可产生含单个或少数几个核小体的材料;更充分的消化则会富集长度接近核小体 DNA 长度的片段。这对于天然组蛋白 ChIP 尤为有用。然而,核酸酶切割具有序列偏好,不同核小体对消化的敏感性也有所差异。因此,过度消化可能改变特定基因组区域或染色质状态在样品中的相对占比。
天然制备方法避免了固定引起的表位遮蔽,也无需解交联,但结合较松散的蛋白质可能在提取过程中解离或重新分布。这类方法最适合稳定的核小体靶标,而许多转录因子则需要固定才能可靠地回收。组织样品还会带来其他复杂因素,包括固定剂渗透不均、难以破碎,以及多种细胞类型混杂。分离特定细胞或细胞核可以提高生物学特异性,但分离过程本身也可能改变可供分析的材料。因此,片段化与保存是测量过程不可分割的组成部分,而不只是前期处理步骤。
抗体捕获、特异性与实验对照
这一方法的核心富集步骤是免疫沉淀。抗体识别目标蛋白或某种特定修饰,随后将抗体–染色质复合物保留在固相载体上;常用的载体是偶联了蛋白A、蛋白G或其他抗体结合试剂的磁珠或琼脂糖珠。后续洗涤会去除结合较弱或非特异性结合的物质。之后,将富集的染色质洗脱,去除蛋白质并纯化DNA。对于采用交联的实验,必须先解除交联,才能有效分析DNA。
抗体性能往往是决定实验成败的最重要因素。在免疫印迹中有效的抗体不一定适用于ChIP:变性蛋白暴露的表位与固定染色质中的蛋白所呈现的表位不同。针对组蛋白修饰的抗体还面临额外的挑战,因为邻近修饰可能影响抗体识别,而且同一种抗体试剂可能结合不止一种甲基化状态或相似的肽序列。即使标称靶标相同,不同批次抗体之间的差异也可能改变富集图谱。
可以通过几种互为补充的方法评估特异性。通过遗传手段敲除靶标或降低其水平,可以判断富集是否依赖于靶标的存在,不过这种扰动也可能引起染色质的全局变化。比较识别不同表位的独立抗体所得的结果,可以增强对结果的信心。肽结合测定可用于表征组蛋白抗体的识别特性,但游离肽无法完全再现核小体结构。为内源蛋白添加表位标签提供了另一种捕获策略;然而,标签可能影响蛋白质的功能、丰度、定位或可及性,因此需要进行生物学验证。
不同对照用于评估不同来源的背景。免疫沉淀前留取的输入样本用于衡量起始染色质中各DNA序列的相对含量,有助于校正片段化差异、拷贝数变异以及测序或序列比对偏倚。非特异性免疫球蛋白G对照可评估与抗体和微珠有关的部分背景。无抗体对照则用于测量微珠自身吸附所带来的回收量。这两种对照都无法完全模拟靶标特异性抗体的行为,而产量较低的对照本身也可能难以获得可重复的分析结果。
基因组阳性区域和阴性区域有助于判断是否出现预期的富集,但不能取代全基因组层面的质量评估。生物学重复至关重要,因为即使文库在技术质量上没有明显问题,也仍可能反映缺乏代表性的培养物、组织样本或处理反应。独立制备的生物学样本能够反映同一文库反复测序所无法捕捉的变异。因此,必须记录抗体的具体信息和批次、固定条件、片段化条件、起始材料以及重复实验设计,才能判断实验之间的差异究竟源于生物学因素还是实验流程。
DNA 检测与定量读出
DNA 回收后,检测方法决定了结果的规模和性质。常规终点 PCR 可以确定回收的 DNA 中是否包含某个选定区域,但其提供的定量信息有限。定量聚合酶链式反应广泛用于靶向 ChIP 分析,因为它能在指数扩增期测量扩增情况,并比较已知阳性区域和阴性区域的富集程度。在投入资源开展全基因组分析之前,也可用它检查免疫沉淀的效果。
qPCR 的一个常用指标是输入百分比(percent input),即某个位点的回收量相对于起始染色质中该位点估计含量的百分比。当扩增效率相同且接近 100% 时,可按下式计算:
其中, 为扩增达到阈值时的循环数。如果留作输入对照的等分样品占用于免疫沉淀材料的比例为 ,则需从其阈值循环数中减去 ,并进一步校正稀释倍数和取样体积的差异。输入百分比反映的是回收情况,而不是蛋白质所占据的染色质的绝对比例。
ChIP-chip 通过将回收的 DNA 与微阵列杂交来进行检测。根据设计不同,阵列可以覆盖启动子、选定的基因组区域或整个基因组。尽管许多早期的调控图谱是借助这一方法绘制的,但其有效分辨率取决于探针间距和片段长度,而交叉杂交会使相关序列的结果解读更加复杂。现代研究更常采用测序,因为测序可提供更广泛的基因组覆盖范围,而且无须另行设计一套杂交探针。
在 ChIP-seq 中,回收的 DNA 通过添加接头转化为测序文库,许多流程还会对添加接头后的分子进行扩增。双端测序读取每个片段的两端,可直接提供片段长度及其在基因组中定位的信息。单端测序也可用于富集分析,但必须以更间接的方式推断片段位置。文库扩增会引入额外偏倚,尤其是在回收的 DNA 量很少、大量测序读段来自相对少数原始分子的情况下。
测序深度必须与检测靶标和研究问题相匹配。定位高度集中的转录因子与广泛分布的组蛋白修饰,对抽样量的要求不同;复杂的哺乳动物基因组通常也比小型微生物基因组需要更多读段。如果抗体未能富集其靶标,或文库的分子复杂度极低,增加测序量也无济于事。有用的质量指标包括比对率、重复读段比例、片段长度分布模式、预期区域的富集程度,以及落在所识别富集区间内的读段比例。这些指标需要结合具体靶标来解读,而不能使用单一、通用的合格阈值。
计算分析与样本间比较
ChIP-seq 分析首先要评估测序质量,并将读段比对到合适的参考基因组。对于无法唯一定位的读段,需要格外谨慎,尤其是在重复区域中。排除所有此类读段虽然能简化分析,却会在着丝粒、转座元件及其他重复序列中造成系统性的分析盲区。参考基因组的质量、序列变异和染色体拷贝数也可能影响表观富集程度,而这些影响与蛋白质结合无关。
比对完成后,需要作出的分析选择包括如何处理重复片段、去除技术伪影、估计片段分布,以及排除存在问题的基因组区间。完全相同的片段可能来自 PCR 扩增,但在高度富集的位点,也可能来自彼此独立的分子。在文库制备过程中引入唯一分子标识符,有助于区分这两种情况。一些基因组区域在互不相关的检测中反复产生异常高的信号;谨慎处理这些区域可以减少错误解读,但不加区分地将其排除,也可能丢失具有生物学意义的重复染色质区域。
峰识别用于找出读段密度高于估计背景水平的区间。窄峰算法通常适用于序列特异性转录因子,而宽域分析方法则更适合组蛋白 H3 第 27 位赖氨酸三甲基化(简称 H3K27me3)等修饰标记。输入 DNA 可为局部背景模型提供依据。统计显著性取决于测序深度和所假定的模型,因此,较小的概率值并不能证明生物学效应很大。同样,峰的边界只是分析得出的估计,并非蛋白质占据区域的物理边界。
可通过比较独立实验来评估可重复性。对于定位集中的信号,不可重复发现率分析用于评估各重复实验中富集位点排名的一致性。宽阔的染色质结构域通常需要采用其他指标,例如基因组窗口间的相关性或结构域之间的重叠程度。落在峰内的读段比例具有参考价值,但它取决于峰识别的方法,不能在所有检测靶标之间直接比较。弥散但真实的染色质信号,其峰内读段比例可能低于高度集中的转录因子信号。
样本间比较涉及一个根本性的归一化问题。将每个文库都缩放到相同的读段总数,实际上是假定基因组的大部分区域保持不变,或者信号的增加与减少大致相互抵消。这可能掩盖某种组蛋白修饰在全基因组范围内的减少。外源参照归一化通过加入外部参照,通常是另一物种的染色质或细胞,来提供额外的定量尺度。其有效性取决于参照物添加量和回收率的一致性;如果参照物也要经过免疫沉淀步骤,所用抗体还必须能够识别参照物中的相应靶标。因此,只有综合考虑生物学重复、背景校正、归一化假设和效应量,差异富集分析才能提供最有价值的信息。
生物学应用与功能解读
ChIP 的一项主要应用是绘制转录调控图谱。ChIP-seq 可以鉴定与某种转录因子相关的基因组区域,并揭示这些区域是否富集特定的 DNA 序列基序。它还表明,许多调控蛋白的结合位置远离已注释的启动子。这些远端位点可能发挥增强子的作用,但要确定某个增强子的靶基因,还需要额外证据,因为距离最近的基因未必就是受其调控的基因。
绘制组蛋白修饰图谱是另一项主要应用。组蛋白 H3 第 4 位赖氨酸三甲基化,即 H3K4me3,通常富集于活跃启动子附近。H3K36me3 与正在转录的基因体相关,而 H3K27me3 常标记受 Polycomb 蛋白抑制的区域,H3K9me3 则与多种形式的组成型异染色质相关。H3K27 乙酰化常与其他信息结合使用,以区分活跃的调控元件及其相关的非活跃状态。这些关联取决于具体的生物学背景,并不构成一套每种修饰都具有单一固定含义的通用密码。
结合多种 ChIP 图谱可以推断染色质状态。例如,与启动子和增强子相关的修饰模式有助于注释不同细胞类型中的调控区域。H3K4me3 与 H3K27me3 在图谱上的表观重叠被用于描述二价染色质,这种现象尤其见于多能细胞中的某些发育相关基因。然而,分别开展的群体 ChIP 实验无法确定这两种标记是否存在于同一个细胞、同一条染色体拷贝或同一个核小体中。
ChIP 也用于研究转录调控以外的过程。绘制DNA复制和DNA修复相关组分的分布图谱,可以揭示它们被募集到复制起始位点或损伤区域的情况。针对黏连蛋白、CTCF 及相关蛋白的 ChIP 有助于研究染色体组织结构,但仅凭占据图谱无法测量远距离位点之间的物理接触。针对着丝粒组蛋白变体的抗体有助于表征特化的染色质,而时间序列实验则可以追踪信号转导、分化或细胞周期过程中蛋白质的募集与解离。
功能解读通常需要结合其他检测方法。RNA测序可测量转录本丰度的变化,染色质可及性检测可识别能够被酶探测到的开放区域,而基因组编辑可检验某段候选调控序列是否为某种响应所必需。在所考察的条件下,转录因子可能结合某个位点,却并未对附近的转录产生可测量的调控作用。反过来,改变某个因子也可能通过调控级联间接改变基因表达。最有力的机制解释会区分关联、时间先后关系、调控上的必要性以及直接的分子作用,而不会将一个 ChIP 峰视为足以证明这四者的证据。
提高分辨率的方法与替代性染色质分析技术
一些方法通过改变与蛋白质结合的 DNA 的处理方式,拓展了 ChIP 技术。Rhee 和 Pugh 于 2011 年提出的 ChIP-exo 利用核酸外切酶消化,从末端逐步切除免疫沉淀所得的 DNA,直至遇到交联蛋白质复合物形成的屏障。对由此产生的片段边界进行测序,可以比传统的基于片段的 ChIP-seq 更精确地定位蛋白质与 DNA 的结合位置。2015 年提出的 ChIP-nexus 进一步改进了基于核酸外切酶的文库制备和分子计数方法。这些方法提高了位置信息的精度,但所测得的边界仍取决于交联反应的化学特性和复合物结构。
序贯 ChIP 通常称为 re-ChIP,是将第一次免疫沉淀回收的材料用另一种抗体进行第二次捕获。经过两步处理后仍能检测到富集,可为两个靶标存在于同一条回收的染色质片段上提供证据。但这并不一定表明二者直接接触,或位于同一个核小体上,尤其是在片段包含多个核小体时。材料损失和洗脱不完全会增加该方法的操作难度,而上一步材料的残留以及抗体之间的相容性也会使结果解释更加复杂。
另一些染色质分析方法以通透化细胞或细胞核内的靶向酶促反应,取代提取和免疫沉淀流程。Skene 和 Henikoff 于 2017 年描述的 CUT&RUN 利用抗体引导的核酸酶,切割目标蛋白附近的 DNA,随后回收释放的片段进行测序。由于非特异性背景较低,与许多传统 ChIP 方案相比,该方法可用更少的样本获得有用的染色质图谱,不过其表现仍取决于靶标、抗体和切割条件。
Kaya-Okur 及其同事于 2019 年提出的 CUT&Tag 利用抗体引导的转座酶复合物,在靶标附近插入测序接头。这将定位与文库生成结合起来,可以减少操作过程中的材料损失。CUT&RUN 和 CUT&Tag 经常与 ChIP 一并讨论,因为它们用于研究相似的生物学问题,但二者并非只是可以与免疫沉淀相互替换的实现方式。它们对酶能否接近作用位点的要求、背景信号、片段分布,以及对染色质可及性的敏感程度,都与传统 ChIP-seq 不同。
低起始量和单细胞方法拓宽了可研究的样本范围。Rotem 及其同事于 2015 年展示了单细胞 ChIP-seq,此后的方法进一步提高了多样本并行处理能力和灵敏度。这类实验能够揭示被群体平均值掩盖的异质性,但单个细胞的图谱通常很稀疏:未观察到某个片段,并不能证明该位点不存在靶标。通过计算整合相关细胞的数据,可以重建信号模式,但同时也引入了关于细胞应如何分组的假设。因此,更高的位置分辨率、更低的起始样本量要求和单细胞测量,解决的是不同的实验问题,而不是衡量方法优劣的同一尺度。
技术局限与尚未解决的解释难题
一个始终存在的难题,是区分生物学上的占据情况与生化实验中的可回收性。染色质致密程度、核小体密度、蛋白质丰度或表位暴露程度的变化,都可能改变 ChIP 的回收量,而 DNA 结合偏好却未必发生相应变化。对于组蛋白修饰 ChIP,尤其需要区分修饰丰度与核小体数量。某一区域的修饰信号减弱,可能是因为核小体被移除、修饰被去除,也可能是因为抗体对剩余染色质的识别发生了变化。
标准 ChIP 通常无法测定绝对占据率。对于不同的蛋白质–DNA 空间构型,交联形成的效率并不相同,而且免疫沉淀很少能捕获所有带有靶标的片段。信号较弱可能反映占据率低、驻留时间短、交联效果差、表位不可及或回收效率低。时间分辨交联方法可以研究结合动力学的某些方面,但这需要对固定过程和结合过程建立明确的模型,而不能简单地将测序读段数换算为驻留时间。
在以彼此无关的蛋白质为靶标的实验中,高度活跃的基因组区域也可能出现富集。这类“易被 ChIP 富集”的区域在酵母中已有尤为清楚的记录,说明转录活性、染色质可及性与非特异性回收如何共同形成误导性的峰。适当的对照和独立验证可以减轻这一问题,但没有任何一种背景校正方法能够消除所有伪影。相反,异染色质和重复 DNA 可能因溶解不充分或比对位置不明确而在结果中代表不足,造成表面上的缺失,而这种缺失源于技术因素,并非生物学现象。
细胞混合物又带来了另一层不确定性。组织层面的差异可能反映的是细胞类型比例的变化,而不是固定细胞群体内部的染色质变化。当存在可用于区分染色体拷贝的序列变异时,等位基因特异性分析可以揭示不同染色体拷贝之间的差异,但必须处理偏向参考等位基因的比对偏倚。拷贝数变化也会影响可回收 DNA 的数量,这一点在遗传异质性样本中尤为重要。输入对照有助于表征这些影响,但无法消除细胞变异的所有来源所带来的影响。
抗体、固定、片段化、文库构建、参考基因组和分析阈值的差异,仍然限制着不同实验室结果之间的可比性。公共数据集只有在结合其实验背景加以考量时才有价值,尤其是在整合富集模式不同的靶标,或整合采用不同方法制备的样本时。报告原始测序数据、处理后的信号轨道、对照、重复实验之间的关系以及详细元数据,可以支持其他分析方式,并使数据复用更有意义。对于某个特定基因座,尚待回答的机制问题往往不是是否存在富集,而是哪一种分子相互作用产生了这种富集,以及该相互作用是否改变了染色体功能。