表观遗传学中DNA和蛋白的互作是基因转录调控的关键,亦是基因转录启动的前提,不少科研项目都以其为切入点。DNA和蛋白互作技术有很多,比如染色质免疫共沉淀技术(ChIP)、CUT&Tag、DNA亲和纯化测序(DAP-seq)、凝胶迁移阻滞(EMSA)、酵母杂交系统和荧光素酶报告基因等。

ChIP-seq、CUT&Tag和DAP-seq“三剑客”是与高通量测序结合的技术,可在全基因组范围内研究DNA与蛋白互作,是很多课题的首选。今天,我们和大家聊聊这三种技术的差异,以及DNA蛋白互作组学的研究思路。

一、技术简介

很多小伙伴对于ChIP-seq、CUT&Tag和DAP-seq如何选择比较纠结?结合技术特点,我们谈谈它们的差异点以及如何选择。

ChIP-seq历史最悠久,技术比较成熟稳定。它首先利用染色质免疫共沉淀技术特异性地富集目的蛋白结合的DNA片段,并对其进行纯化与文库构建;然后对富集到的DNA片段进行高通量测序。最后,利用生信分析在全基因组范围内获取与转录因子、组蛋白等互作的DNA区段信息。

ChIP-seq实验流程

CUT&Tag和DAP-seq技术是近几年发展起来的新技术。CUT&Tag通过蛋白特异性抗体引导Protein A-Tn5酶在目标蛋白结合的DNA位置进行切割并且在序列两端加上测序接头,经过PCR扩增后形成可用于高通量测序的文库,随后对文库进行测序分析从而解析与目标蛋白结合的 DNA片段。

CUT&Tag技术不需要超声打断,也不需要传统的连接法添加测序接头,具有操作简便、周期短、信噪比高、重复性好、低细胞起始量等优势。但CUT&Tag比较适合组蛋白修饰的研究,部分转录因子有较好的实验数据。目前CUT&Tag在转录因子的应用上有一定的局限性。

ChIP-seq和CUT&Tag实验过程中都需要使用到抗体,首推商业化ChIP级别抗体/标签抗体。但许多项目存在无商业化抗体、目的蛋白低表达或染色质提取困难等问题,尤其是植物样本,那这种情况就可以考虑DAP-seq技术。

CUT&Tag技术原理

DAP-seq技术于2016年发表在Cell期刊,它是将蛋白质体外表达与高通量测序技术结合,使用体外表达的TF蛋白对裸露的全基因组DNA片段进行孵育,以确定结合序列。

主要步骤如下:

  1. 文库构建:提取基因组DNA,进行基因组DNA文库构建;

  2. 体外表达蛋白:利用HaloTag载体,将目的蛋白与HaloTag融合表达;

  3. 亲和纯化:将纯化的融合蛋白与基因组文库孵育。然后,通过HaloTag特异性磁珠,将目的蛋白和DNA复合物进行提取与纯化,随后捕获的DNA片段进行扩增,测序分析,探究目的蛋白结合的DNA片段。

DAP-seq技术是真核体外无细胞蛋白表达系统,主要为使用独特的技术去除了翻译抑制物的麦胚提取物,能够大量表达可溶性的全长蛋白。所以,该技术在植物样本研究转录因子与DNA互作的方向有天然的优势。

DAP-seq实验流程

◆  小 结:

» ChIP-seq:需要ChIP-seq级别抗体,对样本量要求高,适用于组蛋白修饰和转录因子;

» CUT-Tag:需要ChIP-seq级别抗体,对样本量要求低,更适用于组蛋白修饰;

» DAP-seq:无需抗体,采用无细胞植物麦胚表达系统,对样本量要求低,但适用于植物的转录因子。

二、研究思路

DNA蛋白互作组学的研究对象主要是转录因子和组蛋白,接下来,我们从这两个方向谈谈研究思路,希望能给大家提供新的科研思路和灵感。ChIP技术成熟稳定,适配的研究对象更多,所以举例时以ChIP-seq为主。

01 转录因子

转录因子调节基因的表达,无论是医学、动物还是植物领域都拥有重要的研究价值。

据报道,转录因子在癌症、自身免疫、糖尿病和心血管疾病等疾病中具有关键的生物学作用,因此它被认为是极具潜力的治疗靶点[2]。目前,转录因子小分子药物开发是一个新兴领域,前景不错。利用DNA蛋白互作技术探究转录因子调控机制,有利于疾病的诊断和治疗。

转录因子在植物体内普遍存在,参与环境应答反应。鉴于它在植物抗逆中的重要作用,很多项目以植物转录因子为研究对象,pubmed中植物转录因子的文章也在逐年增长中。

研究思路

·  探究下游靶基因的思路  ·

0确定研究的主题

有了研究主题,就能确定研究材料。医学方向根据研究疾病类型选择合适的材料,比如健康vs病人组织,预后组织,小鼠模型或者细胞系等;植物处理前后、不同部位、不同时期、突变体VS野生型等组织;动物与植物类似。微生物也分处理前后菌株,突变体VS野生型菌株。在选材时,可以参考文献资料选择时期和取样部位等。

0确定标记基因

大体上从两个方面展开:第一,参考文献中别的物种或组织中报道过功能的基因;第二,利用转录组测序寻找差异基因,筛选候选TF基因。

03 表达分析和功能验证

在研究样本中检测目的基因(文献或RNA-seq通常会提供多个候选基因)的mRNA和蛋白的表达情况。医学方向,预后和临床分析是比较常见手段。然后,对转录因子功能验证。医学方向通常选择细胞系/小鼠模型验证。植物和微生物,一般选择构建突变体。

0寻找下游靶基因

ChIP-seq是利用染色质免疫共沉淀技术特异性地富集目的蛋白结合的DNA片段。这些DNA片段建库测序后,下机后得到的reads比对到参考基因,靶蛋白结合的DNA片段越多,那么会呈现reads显著性堆叠的区域,这个区域是peak区域。对peak的分析,可以分析关联基因以及motif。联合RNA-seq数据判断这些基因是否存在差异表达,从而推测靶基因。结合前期的功能实验,进一步判断基因的功能。

0验  证

对ChIP-seq结果进行验证,ChIP-qPCR、EMSA、酵母单杂等技术都是常用手段。证明转录因子确实与关键性的基因区域结合后,差不多一篇文章就到这里了。如果能进一步对发现的靶基因进行功能验证,那么文章会再上一个档次。

最后,通常会对结果进行推测,构建调控网络或模型

02 组蛋白

组蛋白修饰常常被认为是基因表达的分子开关,介导可逆、可遗传调控,这种动态调控由相关酶进行控制,维持细胞稳态。这种稳态的打破在医学上会影响疾病的发生和进展,在植物上会影响生长发育和逆境胁迫。

组蛋白修饰的研究思路是先确定修饰类型。通常根据western blotting结果或文献资料,确定研究的物种/组织在组蛋白修饰水平上确实存在差异。

然后,收集样本进行ChIP-seq。样本选择和转录因子类似,组蛋白修饰的抗体都是比较常用的商业化抗体,在抗体这一部分难度少很多。技术上,选择ChIP-seq或CUT&Tag都可以。生信分析时联合RNA-seq,寻找组蛋白修饰影响的基因。这部分思路通过peak关联的基因寻找修饰水平和转录水平均下降的基因,进而挖掘调控基因/增强子。

最后,验证。通常用到的技术有ChIP-qPCR(调控基因)和荧光素酶报告基因(增强子启动子互作对)。功能验证与转录因子类似,选择细胞系、小鼠模型或突变体,然后对它们的表型或生理指标进行检测,从而确定靶基因的功能。

爱基百客提供领先的表观组学技术服务

爱基百客专注于表观组学服务领域多年,提供从方案设计、样本制备、测序、生信分析以及后期验证(Western Blot、EMSA、ChIP-qPCR、酵母单杂和双荧光素酶等)一站式服务。ChIP-seq、CUT&Tag和DAP-seq正在做开学大促的活动,不要错过哦~

参考文献:

【1】Pramanik D, Shelake RM, Kim MJ, Kim JY. CRISPR-Mediated Engineering across the Central Dogma in Plant Biology for Basic Research and Crop Improvement. Molecular Plant. 2021. 14(1): 127-150.

【2】Lee TI and Young RA. Transcriptional Regulation and its Misregulation in Disease. Cell. 2013. 152: 1237-1251.

转录因子和组蛋白修饰研究思路 | DNA蛋白互作专题相关推荐

  1. MPB:中农冯固组-研究菌丝际微生物互作的胡萝卜根器官-丛枝菌根真菌双重培养体系...

    为进一步提高<微生物组实验手册>稿件质量,本项目新增大众评审环节.文章在通过同行评审后,采用公众号推送方式分享全文,任何人均可在线提交修改意见.公众号格式显示略有问题,建议电脑端点击文末阅 ...

  2. 知识分享 | 转录组个性化分析(4)——蛋白互作分析

    蛋白质-蛋白质相互作用(protein-protein interaction, PPI)是指两个或两个以上的蛋白质分子通过非共价键形成蛋白质复合体(protein complex)的过程.在进行数据 ...

  3. 【系统生物学】大肠杆菌蛋白互作网络分析(系统与合成生物学第三次作业)

    摘要 下载大肠杆菌蛋白互作网络(Ecoli PPI network)数据,使用Python对大肠杆菌蛋白互作网络进行筛选,并使用Cytoscape进行圆形布局可视化.此外,还绘制度分布函数并用幂函数进 ...

  4. mirna富集分析_GEO芯片数据下载,矩阵提取,差异基因分析,差异miRNA分析,miRNA靶基因预测,GO、KEGG功能,蛋白互作网络构建 - 生物信息学讨论版 -丁香园论坛...

    一.芯片差异基因分析 1. 芯片数据收集 在 NCBI GEO数据库下载 . 2.做差异分析 使用limma R包计算正常组织和病组织的差异表达情况 3.绘制火山图 4.绘制热图 使用pheatmap ...

  5. Promoter Capture Hi-C:研究启动子区染色质互作的利器

    欢迎关注"生信修炼手册"! Hi-C文库一次可以获取全基因组范围内互作的染色质片段,可以从全基因组的高度来研究染色质的空间结构特征.在Hi-C图谱中,染色质互作频率通过两个bin之 ...

  6. rna pull down,蛋白互作分析,蛋白鉴定实验

    RNA pull down是一种分子生物学技术,可以用来研究RNA与蛋白质之间的相互作用.它的原理是通过向细胞中添加含有RNA结合位点的蛋白质来捕获与RNA相互作用的蛋白质. 广州如期生物技术有限公司 ...

  7. 北科院分子互作实战专题培训班(10月底/11月底班)(生物医药与营养健康协同创新中心)...

    北京市科学技术研究院 生物医药与营养健康协同创新中心 生命健康前沿培训基地 培训基地将以京津冀协同为战略契机,围绕国内外生物医药与营养健康领域的知识链.技术链与产业链的前沿培训与协同交流需求,组织高端 ...

  8. Frontiers | 北林邬荣领/何晓青-网络作图揭示拟南芥与叶际微生物组互作机制

    网络作图揭示拟南芥与叶际微生物组互作机制 Disentangling leaf-microbiome interactions in Arabidopsis thaliana by network m ...

  9. 细胞亚器互作综述解读~~~The secret conversations inside cells

    细胞亚器互作综述解读 The secret conversations inside cells 2019年5月11日发表在Nature上的一篇关于细胞亚器互作的文章The secret conver ...

最新文章

  1. iOS动画系列之八:使用CAShapeLayer绘画动态流量图
  2. 智源学者韩银和、蔡一茂入选2020年度国家杰出青年科学基金建议资助项目申请人名单...
  3. 文件数据云计算学习笔记---Hadoop HDFS和MapReduce 架构浅析
  4. php redis消息队列用哪种好,phpredis提高消息队列的实时性方法(推荐)
  5. Deadline来了,如何按时结题?
  6. js前台编码,asp.net后台解码 防止前台传值到后台为乱码
  7. 阿里DataV可视化大屏基本操作
  8. CodeForces - 946E Largest Beautiful Number(贪心+模拟)
  9. 全球通吃的九大黄金专业
  10. Python机器学习:评价分类结果005precisoion-Recall的平衡
  11. linux tracker服务器搭建,linux 下 BT Tracker服务器搭建
  12. Red Bend与阿朗推LTE移动设备管理 使4G设备兼容OMA DM
  13. Unity—Json1
  14. javascript作用域链与原型链有联系吗?
  15. 数据库双活和ALWAYSON相比的四大优势
  16. vc驿站视频教程笔记4 Cstring 讲解
  17. 程序员怎样兼职接私活?必看经验之谈
  18. 优锘科技:可视化加速“历史数据库”运转
  19. 应用安全的创新,Apiiro和WABBI
  20. 别去送死了,Selenium 爬虫暴露了几十个特征!

热门文章

  1. 更新weblogic部署包,清理缓存后重启不生效
  2. 全球及中国模板打印机行业商业模式分析及投资风险预测2022年版
  3. 判断是ios终端还是安卓终端
  4. 【显著性检测】Matlab实现显著性检测SR算法
  5. 北乔峰南慕容:懂球帝与虎扑体育的“武功”较量
  6. vue3的v-model
  7. 转载:MATLAB字符串函数
  8. UniGUI 后台管理系统框架
  9. 计算机信息技术专业学什么,电子与信息技术专业主要学什么
  10. 推荐2款在线制作简历工具,附简历大礼包