[vc_row][vc_column][vc_tta_tabs style=”modern” color=”green” alignment=”right” active_section=”1″ no_fill_content_area=”true”][vc_tta_section title=”技术简介” tab_id=”1476021725224-71eef4b9-44c6″][vc_column_text el_class=”pagesci”]
简介
绝大多数现已研究的组蛋白修饰都参与转录调控,如激活基因转录(trimethylation of H3 lysine 4, H3K4Me3; trimethylation of H3 lysine 36, H3K36Me3)、抑制基因表达(trimethylation of H3 lysine 27, H3K27Me3; di and tri-methylation of H3 lysine 9, H3K9Me2/3; trimethylation of H4 lysine 20, H4K20Me3)或启动子同时存在激活和抑制的修饰。组蛋白修饰另一个重要功能是标记DNA损伤区域,同时组蛋白修饰也是调节染色体浓缩的重要手段。
染色质免疫沉淀测序 (ChIP-sequencing,简称为ChIP-seq)是一种用于分析蛋白质与DNA交互作用的研究方法。该技术将染色质 免疫沉淀(ChIP)与大规模并行DNA测序结合起来以鉴定DNA与相关蛋白结合的部位,可用于精确定位任意感兴趣的蛋白在全基因组上的结合位点。在此之前,ChIP-on-chip是研究这些蛋白与DNA联系的最常用的技术。
ChIP-seq通常主要用来确定转录因子和其他染色质相关蛋白是如何来影响表型的作用机制。确定蛋白是如何与DNA互作从而调节基因表达对完全理解许多生物学过程和疾病状态来说是必不可少的。这一表观学信息是对表型 和表达分析的补充。目前,ChIP-seq技术被视作ChIP-chip(需要杂交芯片)最主要的替代方法。由于一个芯片仅局限于固定数目的探针,因此 ChIP-chip技术必然的会引入一些偏差。相比之下,测序则被认为是有着更小的偏向性,尽管不同测序技术的测序偏向性没有完全被理解。
与转录因子和其他蛋白发生直接物理相互作用的特定DNA位点可以被染色质免疫沉淀所分离。ChIP技术可以产生活体中一个感兴趣的蛋白绑定的靶标DNA位点的文库。大规模并行序列分析连同全基因组序列数据库被用来分析任意蛋白与DNA的互作模式或任意表观染色质修饰的模式(Johnson et al., 2007)。 这可以应用于一组可用于染色质免疫沉淀的蛋白质和染色质修饰,例如转录因子、聚合酶和转录复合物、结构蛋白、蛋白质修饰和DNA修饰 (http://res.illumina.com/documents/products/datasheets /datasheet_chip_sequence.pdf)。作为依赖特异性抗体的一个选择方案,已先后开发不同的方法来寻找基因组中所有核小体缺乏的 或核小体中断的活性调节区,如DNase-Seq和DNase-Seq技术。
染色质免疫沉淀测序技术的灵敏度取决于测序的深度(如匹配到基因组上的序列数)、基因组的大小和目标因子的分布。测序深度与费用直接相关,如果在大的基因组中有大量的绑定序列要测序,那么花费会和所需要测序的序列数目相一致。与之相比,ChIP-chip的花费则与敏感度不相关。
不像基于芯片的ChIP技术,ChIP-seq阵列的精度不受预定探针间距的限制,它通过整合大量短的序列片段来获得高精度的结合位点定位信息。与ChIP-chip相比,ChIP-seq的数据能用来在实际蛋白结合位点的十几个碱基内确定结合位点。结合位点的标记密度是蛋白-DNA结合亲和力的一个不错的指标(Jothi et al., 2008),它能轻松地定量比较一个蛋白结合不同DNA位点的亲和力(Bernstein et al., 2005)。 [/vc_column_text][/vc_tta_section][vc_tta_section title=”服务内容” tab_id=”1476021725282-3b7edcec-8b35″][vc_column_text el_class=”pagesci”]
1.ChIP-seq建库流程
[vc_single_image image=”18678″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”]
2.ChIP-seq分析流程
[vc_single_image image=”18679″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”full” el_class=”pageimg”]
3.ChIP-seq分析结果展示
[vc_single_image image=”18680″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”] [vc_column_text el_class=”pagesci”]
Fig1: Unique Mapped reads distribution across TSS and TTS.
[/vc_column_text][vc_single_image image=”18682″ alignment=”center” style=”vc_box_border” border_color=”grey” img_link_large=”yes” img_link_target=”_blank” img_size=”medium” el_class=”pageimg”] [/vc_tta_section][vc_tta_section title=”文章导读” tab_id=”1476021770946-d023a7a7-c1ff”][catlist numberposts=”-1″ excerpt=”yes” thumbnail=”yes” thumbnail_size=”medium” date=”yes” order=”DESC” template=”default” name=”cns” tags=”chipseq”][/vc_tta_section][/vc_tta_tabs][/vc_column][/vc_row]