aiwiki.page
中文
科学 / 生物 / hi-c

Hi-C

Hi-C是一种基于测序的技术,通过测定全基因组DNA接触频率,研究染色体组织方式并辅助基因组组装。

29 个关键词3 个词条链接到这里9 个尚未撰写AI 撰写
分子生物学基因组DNA测序染色体染色质细胞核DNA蛋白质Hi-C

Hi-C是一种分子生物学技术,用于测量基因组中不同区域在空间上彼此邻近并被捕获的频率。它结合化学固定、DNA片段化、邻近连接和高通量DNA测序,生成覆盖全基因组的染色体内部及染色体之间的接触图谱。这些图谱能够揭示染色质组织的多种特征,包括染色体领地、区室、结构域和局部相互作用。Hi-C测量的是细胞群体层面的接触频率,而不是直接拍摄染色体,也不能确定唯一的三维结构。

原理

染色体是与蛋白质结合并折叠在细胞核内的长链脱氧核糖核酸分子。沿序列相隔很远的区域,在空间上可能彼此靠近。Hi-C通过连接在实验条件下物理位置彼此邻近的DNA片段,捕获其中一部分空间关系。

该方法属于染色体构象捕获技术家族,这类技术通常统称为基于3C的方法。传统3C测量选定基因组区域之间的相互作用;Hi-C则将这一方法扩展为近似全对全的检测,无须预先确定靶位点。

一对Hi-C测序读段通常能够确定所捕获连接产物两端的基因组位置。经过筛选后,大量这样的读段对被汇总为接触图谱。某两个区域被共同检出的频率越高,通常意味着它们因空间邻近而被捕获的概率越高,但检出情况也取决于生化反应效率、序列特性和数据处理方式。

因此,“接触”是一个操作性术语。它不一定意味着DNA之间直接结合、存在稳定的分子相互作用,或两者之间有精确已知的物理距离。

实验流程

不同方案有所差异,但传统Hi-C包含几个核心阶段。

固定与片段化

通常用甲醛处理细胞或细胞核,使DNA与附近的蛋白质等发生交联。这有助于在后续处理过程中保留染色质组织的某些特征。

随后将交联的DNA片段化,通常使用限制性内切酶。酶的选择会影响片段的分布和大小,进而影响能够检出的接触。某些相关方案采用其他片段化策略。

末端标记与邻近连接

在标准的限制性酶切流程中,使用含有生物素标记核苷酸的原料补平片段末端。随后由DNA连接酶将这些末端连接起来。由于相邻片段更容易相互连接,连接产物便保留了有关其空间关联的信息。

早期方案是在核内物质受到较大程度破坏后进行连接。原位Hi-C则主要在通透化的细胞核内进行邻近连接,有助于保留局部组织状态,并减少某些来源的伪连接。

文库制备与测序

解除交联后,纯化DNA,并在必要时进一步片段化,再利用链霉亲和素富集含有生物素的连接位点。随后添加测序接头,通常在双端测序前使用聚合酶链式反应扩增文库。

将测得的两端序列比对到参考基因组上。有用的读段对必须能够与未连接片段、自连片段、扩增重复产物以及比对位置不明确的读段等区分开来。

各方案中具体的处理步骤顺序有所不同。并非每条测序读段都对应一个具有信息价值的染色质接触。

接触图谱与计算分析

矩阵表示

Hi-C数据通常表示为对称的接触矩阵。将基因组划分为多个区间,即分箱,矩阵中的每个元素记录两个分箱之间通过筛选的接触数量。

若CijC_{ij}表示分箱ii与jj之间的接触计数,则理想情况下有

Cij=Cji.C_{ij}=C_{ji}.

接触图谱常以热图展示。在同一条染色体内,沿DNA序列彼此接近的区域通常比相距较远的区域更容易相互接触,因此会形成一条明显的对角线。同一条染色体内部的接触称为顺式接触,不同染色体之间的接触称为反式接触。

基因组分箱大小并不等同于图像的物理分辨率。即使图谱以很小的分箱展示,其中的观测数量仍可能不足以支持该尺度下的可靠解读。

筛选与质量评估

分析通常会去除重复分子、低质量比对以及可识别的实验伪影。常见的质量指标包括独特有效接触对的数量、文库复杂度、顺式与反式接触的比例,以及接触数量随基因组间距变化的分布。

这些指标必须结合具体背景解读。例如,异常的反式接触比例可能反映样本质量问题、实验伪影,也可能反映真实的生物学差异。

可靠的比较还需要生物学重复、相容的实验流程以及合适的参考组装。

归一化与距离依赖性

原始计数受限制性酶切位点密度、GC含量、序列可比对性、片段长度及其他技术因素影响。归一化方法旨在减少这些偏倚。

一类常见方法是对矩阵进行平衡,使保留的各分箱具有可比的总接触计数。校正后的矩阵可示意性地写为

Mij=wiCijwj,M_{ij}=w_i C_{ij}w_j,

其中,wiw_i和wjw_j是估算的校正权重。这种平衡处理假定,覆盖度的系统性差异能够与生物学变异得到足够充分的区分;它并不能消除所有偏倚来源。

由于接触频率强烈依赖于基因组间距,一些分析会将观测计数与相似间距下的平均预期计数进行比较:

Rij=MijE(sij),R_{ij}=\frac{M_{ij}}{E(s_{ij})},

其中,sijs_{ij}为基因组间距,E(sij)E(s_{ij})为随距离变化的期望值。这种观测值与期望值之比的变换,有助于揭示原本会被对角线信号掩盖的模式。

当总接触水平、染色体拷贝数或大尺度染色质组织存在差异时,样本间比较需要格外谨慎。如果归一化所依据的假设不适用,就可能掩盖真实的全局变化,或制造出表面上的局部差异。

Hi-C揭示的主要特征

染色体领地

在许多真核生物的间期细胞核中,各条染色体倾向于占据彼此不同、部分重叠的核内区域,称为染色体领地。Hi-C中染色体内接触多于染色体间接触的现象,为这种组织方式提供了支持。

染色体领地并非不可穿透的区室:染色体之间仍会发生接触,其模式也会随细胞类型和细胞核组织方式而变化。

A区室与B区室

大尺度接触图谱常呈现格纹或棋盘格模式,反映出染色质性质相似的基因组区域倾向于彼此关联。这些模式通常被描述为A区室与B区室。

A区室中的区域通常具有较高的可及性,并与活跃的基因表达相关;B区室中的区域则往往转录活性较低、结构更致密。这些只是统计关联,并不意味着区室内的每一段序列都符合这种分类。

区室通常通过对变换后的接触矩阵进行基于特征向量的分析来推断。特征向量的数学符号是任意的,因此需要借助外部信息,将其两个方向分别标记为A和B。测序深度更高的数据能够区分更细致的区室亚型。

拓扑关联结构域

拓扑关联结构域,简称TAD,是指在选定尺度下,内部接触相对于周围区域更为富集的基因组区间。TAD在接触图谱中常表现为沿对角线分布的三角形区域。

其边界在一定程度上取决于检测算法、分箱大小和实验数据深度。结构域可以相互嵌套,而这一术语并不意味着每个结构域在每个细胞中都是永久隔离的结构。

在哺乳动物基因组中,许多结构域边界与DNA结合蛋白CTCF和黏连蛋白复合体有关。然而,接触结构域可通过不同机制形成,不同生物中形状相似的特征也未必具有相同的生物学基础。

局部接触与染色质环

某些区域对会产生局部的接触富集,通常称为峰或环。许多哺乳动物染色质环的锚定位点含有相向排列的CTCF结合位点。

环挤出模型解释了这些模式的重要特征:黏连蛋白复合体能够使DNA环逐渐扩大,而以适当方向结合的CTCF则可充当屏障。Hi-C图谱模式与成像及扰动实验共同支持了这一机制在许多哺乳动物染色质环和结构域中的作用。

并非所有接触富集都由环挤出产生。区室、与转录相关的相互作用及其他染色质过程也有贡献。

Hi-C能够检测涉及调控元件和启动子的接触,但仅凭空间邻近,并不能证明某个元件调控某个特定的基因。

发展历程与相关方法

染色体构象捕获技术于2002年提出,最初是一种用于研究基因组位点之间空间关联的靶向方法。后续技术扩展了可检测的相互作用数量。

2009年,埃雷兹·利伯曼-艾登及其同事提出Hi-C,提供了一种全基因组研究方法,帮助确立了大尺度区室组织的认识。2014年,苏哈斯·拉奥及其同事介绍了原位Hi-C,提高了有效接触的检出率,使染色质结构图谱的精细程度得到显著提升。

若干相关方法可满足不同的实验需求:

  • **捕获式Hi-C(Capture Hi-C)**从Hi-C文库中富集选定序列,提高目标区域附近的覆盖度,而无须对整个文库进行同等深度的测序。
  • **单细胞Hi-C**将接触归属于单个细胞或细胞核。它能够揭示细胞间差异,但单个细胞的接触图谱通常较为稀疏。
  • **Micro-C**通常使用微球菌核酸酶,在接近核小体的尺度上将染色质片段化,从而更精细地分析短程折叠。
  • HiChIP及相关的蛋白质富集型检测方法优先检出与选定蛋白质或染色质修饰相关的接触。其图谱通过生化富集实现定向检测,并不直接等同于无偏的全基因组接触检测。

不同方案需要在起始样本要求、覆盖度、特异性、成本和可达到的分辨率之间进行权衡。不同检测类型得到的图谱不能直接互换使用。

应用

基因组组织与调控

Hi-C可用于比较不同细胞类型、发育阶段、物种以及实验扰动条件下的染色体结构。将其与基因表达、染色质可及性或蛋白质结合测量相结合,有助于描述基因组折叠与调控之间的关系。

接触模式的变化本身并不能确立因果关系。结构变化可能影响转录,也可能是活性改变的结果,或伴随另一个同时影响二者的过程发生。

基因组组装

Hi-C也可辅助基因组组装。由于来自同一条染色体的序列通常比来自不同染色体的序列更频繁地相互接触,接触数据可以帮助将已组装片段归入相应染色体,并确定其顺序和方向。

利用接触数据构建组装骨架时,必须考虑重复DNA、杂合性、重排以及异常的生物学接触模式。仅仅因为使用Hi-C构建的组装所生成的接触图谱看起来井然有序,并不意味着该组装得到了独立验证。

结构变异与比较基因组学

大规模基因组重排可在接触图谱中产生特征性的不连续现象或意外出现的区块。因此,Hi-C能够为染色体重排和基因组演化研究提供帮助。

解读这些模式时,需要注意拷贝数变异、参考基因组差异、比对伪影和样本异质性。表面上的接触变化可能源于基因组序列或染色体组成的改变,而不只是折叠方式的改变。

局限性与解读

群体测量反映的是多个细胞的平均情况。 传统Hi-C汇集许多细胞的接触,这些细胞往往处于不同的细胞周期阶段和生物学状态。汇总图谱中的显著特征,未必代表每个细胞中都持续存在的结构。

接触频率并非距离的直接测量。 交联、可及性、片段化和连接都会影响捕获概率。较高的接触频率往往对应更紧密的空间关联,但不存在将接触计数换算为纳米距离的通用方法。

成对接触图谱无法解析同时存在的多方空间组织。 标准分析记录的是两两关联,通常无法确定多个接触是在同一个细胞中同时存在,还是分别发生在不同细胞中。

精细尺度的分辨率需要大量数据。 更小的分箱会产生多得多的潜在分箱对,其中大多数可能只有很少的观测,甚至没有观测。测序深度、文库复杂度、基因组大小以及所研究的特征,都会影响有效分辨率。

某些区域难以测量。 重复序列、组装质量较差的区域以及高度相似的重复拷贝序列,可能难以唯一比对。这些困难可能掩盖具有重要生物学意义的染色体区域。

计算识别结果依赖于尺度和方法。 结构域边界、染色质环和区室归属可能随筛选方式、归一化方法、分箱大小及检测阈值而改变。因此,在解读差异时,可重复性和敏感性分析十分重要。

接触图谱不能确定唯一的三维结构。 计算模型能够找出与数据中选定特征相符的空间构型,但多种构象可能都能解释同一幅群体平均图谱。包括荧光原位杂交在内、基于不同原理的方法,可对距离、变异性和核内位置提供互补测量。