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

1、下一代高通量測序技術(shù)的應(yīng)用背后如果沒有后期強大的生物信息學(xué)分析能力，那么所有的基于測序的生物學(xué)研究都將舉步維艱；而數(shù)以G計的測序數(shù)據(jù)的產(chǎn)生給生物信息研究人員提供了新的挑戰(zhàn)及難得的施展機會。本論文研究的是高通量測序平臺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)鍵步驟算法的評估選用，ChIP-seq數(shù)據(jù)分析新的角度的開辟，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)是目前測序通量最高的新一代DNA測序系統(tǒng)。在SOLiD系統(tǒng)的DNA測序文庫制備過程中，采用對免疫共沉淀獲得的DNA片段進行二次超聲打斷可以滿足ePCR對序列長度的要求，因此SOLiD測序文庫中的DNA測序片段較短。本課題首先研究測序文庫中DNA片段的長度對ChIP-Seq分析的影響，以篩選出合適的軟件分析本實驗室

3、的所產(chǎn)生的ChIP-seq數(shù)據(jù)。通過真實的ChIP-seq數(shù)據(jù)和模擬產(chǎn)生的ChIP-Seq數(shù)據(jù)，對目前3種主要的ChIP-Seq分析方法（CisGenome，SISSRs以及MACS）的特點進行研究。通過模擬數(shù)據(jù)分析結(jié)果我們認識到在使用ChIP-seq分析軟件時，需要結(jié)合我們的實驗設(shè)計和軟件的設(shè)計思想，在兩者相匹配的情況下選擇最為合適的軟件進行分析。三個軟件平臺中，CisGenome相對于其他兩個可以提供不受測序平臺限制的分析，并且其分

4、析平臺在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，是一款實驗生物人員也易于操作和學(xué)習(xí)的軟件，因此，在對本實驗室所產(chǎn)生的真實的ChIP-seq數(shù)據(jù)進行分析時，這個軟件成為首選軟件。
　　 一次轉(zhuǎn)錄因子的ChIP-seq實驗可產(chǎn)生成千上萬個富集位點，但是大部分富集位點都沒有落在轉(zhuǎn)錄起始位點附近（啟動子區(qū)）。許多證據(jù)表明核小體在基因周圍的分布情況是：在轉(zhuǎn)錄起始位點前有一個無核小體區(qū)，該無

5、核小體區(qū)由前后兩個信號強烈的核小體區(qū)（-1號和+1號核小體）包圍。我們針對用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)合位點數(shù)據(jù)，考察了各富集區(qū)域的實驗的（ChIP-seq所測）和預(yù)測的核小體分布情況。通過實驗所測核小體信息，在隨機所選的位于啟動子附近的ChIP-seq富集區(qū)域內(nèi)，我們同時發(fā)現(xiàn)了核小體占位和核小體缺失；通過預(yù)測的核小體占位，對于那些非啟動子附近的富集峰，它們轉(zhuǎn)錄相關(guān)性可部分地通過TSS附近的理想的核小

6、體的定位來確定。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)測的miRNAs啟動子數(shù)據(jù)，我們利用ChIP-Seq技術(shù)尋找轉(zhuǎn)錄因子EGR1在K562細胞系中與miRNAs的結(jié)合位點，共在124個不同的miRNAs的啟動子區(qū)發(fā)現(xiàn)EGR1的結(jié)合位點，占已知啟動子的miRNAs基因（294）的42％。我們選擇其中的12個miRNAs進行了ChI