SOLiD測(cè)序平臺(tái)下轉(zhuǎn)錄因子有關(guān)的ChIP-seq數(shù)據(jù)分析策略.pdf

1、下一代高通量測(cè)序技術(shù)的應(yīng)用背后如果沒(méi)有后期強(qiáng)大的生物信息學(xué)分析能力，那么所有的基于測(cè)序的生物學(xué)研究都將舉步維艱；而數(shù)以G計(jì)的測(cè)序數(shù)據(jù)的產(chǎn)生給生物信息研究人員提供了新的挑戰(zhàn)及難得的施展機(jī)會(huì)。本論文研究的是高通量測(cè)序平臺(tái)SOLiD系統(tǒng)所產(chǎn)生的序列數(shù)據(jù)分析策略，包括ChIP-seq數(shù)據(jù)分析管道的總結(jié)，ChIP-seq分析管道中關(guān)鍵步驟算法的評(píng)估選用，ChIP-seq數(shù)據(jù)分析新的角度的開(kāi)辟，和MeDIP-seq數(shù)據(jù)分析和ChIP-seq數(shù)據(jù)分析

2、的差異比較。
　　 ChIP-Seq是在全基因組水平上研究活體細(xì)胞中蛋白質(zhì)和DNA相互作用譜的有效手段。SOLiD系統(tǒng)是目前測(cè)序通量最高的新一代DNA測(cè)序系統(tǒng)。在SOLiD系統(tǒng)的DNA測(cè)序文庫(kù)制備過(guò)程中，采用對(duì)免疫共沉淀獲得的DNA片段進(jìn)行二次超聲打斷可以滿(mǎn)足ePCR對(duì)序列長(zhǎng)度的要求，因此SOLiD測(cè)序文庫(kù)中的DNA測(cè)序片段較短。本課題首先研究測(cè)序文庫(kù)中DNA片段的長(zhǎng)度對(duì)ChIP-Seq分析的影響，以篩選出合適的軟件分析本實(shí)驗(yàn)室

3、的所產(chǎn)生的ChIP-seq數(shù)據(jù)。通過(guò)真實(shí)的ChIP-seq數(shù)據(jù)和模擬產(chǎn)生的ChIP-Seq數(shù)據(jù)，對(duì)目前3種主要的ChIP-Seq分析方法（CisGenome，SISSRs以及MACS）的特點(diǎn)進(jìn)行研究。通過(guò)模擬數(shù)據(jù)分析結(jié)果我們認(rèn)識(shí)到在使用ChIP-seq分析軟件時(shí)，需要結(jié)合我們的實(shí)驗(yàn)設(shè)計(jì)和軟件的設(shè)計(jì)思想，在兩者相匹配的情況下選擇最為合適的軟件進(jìn)行分析。三個(gè)軟件平臺(tái)中，CisGenome相對(duì)于其他兩個(gè)可以提供不受測(cè)序平臺(tái)限制的分析，并且其分

4、析平臺(tái)在Windows操作系統(tǒng)上提供友好界面，此外，還提供motif分析，可視化，基因注釋等功能，是一款實(shí)驗(yàn)生物人員也易于操作和學(xué)習(xí)的軟件，因此，在對(duì)本實(shí)驗(yàn)室所產(chǎn)生的真實(shí)的ChIP-seq數(shù)據(jù)進(jìn)行分析時(shí)，這個(gè)軟件成為首選軟件。
　　 一次轉(zhuǎn)錄因子的ChIP-seq實(shí)驗(yàn)可產(chǎn)生成千上萬(wàn)個(gè)富集位點(diǎn)，但是大部分富集位點(diǎn)都沒(méi)有落在轉(zhuǎn)錄起始位點(diǎn)附近（啟動(dòng)子區(qū)）。許多證據(jù)表明核小體在基因周?chē)姆植记闆r是：在轉(zhuǎn)錄起始位點(diǎn)前有一個(gè)無(wú)核小體區(qū)，該無(wú)

5、核小體區(qū)由前后兩個(gè)信號(hào)強(qiáng)烈的核小體區(qū)（-1號(hào)和+1號(hào)核小體）包圍。我們針對(duì)用ChIP-seq技術(shù)鑒定的轉(zhuǎn)錄因子NRSF的在全基因組范圍的結(jié)合位點(diǎn)數(shù)據(jù)，考察了各富集區(qū)域的實(shí)驗(yàn)的（ChIP-seq所測(cè)）和預(yù)測(cè)的核小體分布情況。通過(guò)實(shí)驗(yàn)所測(cè)核小體信息，在隨機(jī)所選的位于啟動(dòng)子附近的ChIP-seq富集區(qū)域內(nèi)，我們同時(shí)發(fā)現(xiàn)了核小體占位和核小體缺失；通過(guò)預(yù)測(cè)的核小體占位，對(duì)于那些非啟動(dòng)子附近的富集峰，它們轉(zhuǎn)錄相關(guān)性可部分地通過(guò)TSS附近的理想的核小

6、體的定位來(lái)確定。由于通常只有一小部分的富集區(qū)域可以注釋到已知TSS附近，可以推測(cè)這一方法可用于ChIP-seq的注釋步驟。
　　 基于他人用組蛋白標(biāo)記物預(yù)測(cè)的miRNAs啟動(dòng)子數(shù)據(jù)，我們利用ChIP-Seq技術(shù)尋找轉(zhuǎn)錄因子EGR1在K562細(xì)胞系中與miRNAs的結(jié)合位點(diǎn)，共在124個(gè)不同的miRNAs的啟動(dòng)子區(qū)發(fā)現(xiàn)EGR1的結(jié)合位點(diǎn)，占已知啟動(dòng)子的miRNAs基因（294）的42％。我們選擇其中的12個(gè)miRNAs進(jìn)行了ChI