SOLiD測序平臺下轉錄因子有關的ChIP-seq數(shù)據分析策略.pdf

1、下一代高通量測序技術的應用背后如果沒有后期強大的生物信息學分析能力，那么所有的基于測序的生物學研究都將舉步維艱；而數(shù)以G計的測序數(shù)據的產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)所產生的序列數(shù)據分析策略，包括ChIP-seq數(shù)據分析管道的總結，ChIP-seq分析管道中關鍵步驟算法的評估選用，ChIP-seq數(shù)據分析新的角度的開辟，和MeDIP-seq數(shù)據分析和ChIP-seq數(shù)據分析

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、的所產生的ChIP-seq數(shù)據。通過真實的ChIP-seq數(shù)據和模擬產生的ChIP-Seq數(shù)據，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)據分析結果我們認識到在使用ChIP-seq分析軟件時，需要結合我們的實驗設計和軟件的設計思想，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習的軟件，因此，在對本實驗室所產生的真實的ChIP-seq數(shù)據進行分析時，這個軟件成為首選軟件。
　　 一次轉錄因子的ChIP-seq實驗可產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錄起始位點附近（啟動子區(qū)）。許多證據表明核小體在基因周圍的分布情況是：在轉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技術鑒定的轉錄因子NRSF的在全基因組范圍的結合位點數(shù)據，考察了各富集區(qū)域的實驗的（ChIP-seq所測）和預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，我們同時發(fā)現(xiàn)了核小體占位和核小體缺失；通過預測的核小體占位，對于那些非啟動子附近的富集峰，它們轉錄相關性可部分地通過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記物預測的miRNAs啟動子數(shù)據，我們利用ChIP-Seq技術尋找轉錄因子EGR1在K562細胞系中與miRNAs的結合位點，共在124個不同的miRNAs的啟動子區(qū)發(fā)現(xiàn)EGR1的結合位點，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