ChIP-seq 概览

快速概览

ChIP-seq 能够以全基因组范围、单碱基分辨率定位特定蛋白质（如转录因子、修饰组蛋白）的结合位点。它将分子生物学的「免疫富集」与计算生物学的「峰调用」完美结合，是解析基因调控网络的标准方法。

掌握 ChIP-seq 的四大核心步骤：交联、片段化、免疫沉淀、测序
辨析窄峰（Narrow Peaks）与宽峰（Broad Peaks）的生物学含义
理解 Input 对照在排除基因组背景偏差中的决定性作用
了解 FRiP、NSC 和 RSC 等关键质量控制指标

所属板块 分析方向与案例

把基础对象与算法方法重新放回真实分析任务与工作流。

阅读目标 帮助建立阅读上下文

先判断这页与你当前问题的关系，再决定是否深入展开。

建议前置 先建立相关基础对象与方法直觉

建议先建立相关基础对象与方法直觉，再进入本页。

1. 核心原理：锁定蛋白质的足迹

ChIP-seq 的本质是比较富集：通过特异性抗体抓取目标蛋白，将其结合的 DNA 片段从基因组库中”打捞”出来。

实验流程

交联（Cross-linking）：用甲醛将蛋白质与 DNA 固定在一起。
片段化（Fragmentation）：通过超声波将 DNA 切成 200-500 bp 的小片段。
免疫沉淀（IP）：加入针对目标蛋白的抗体，拉下结合的片段。
测序（Sequencing）：洗脱蛋白质，将回收的 DNA 进行高通量测序。

2. 数据的形态：两种典型的”峰”

根据目标蛋白的结合特性，信号呈现不同的模式：

窄峰（Narrow Peaks）: 由转录因子（如 CTCF）产生。峰形尖锐（< 1 kb），反映了蛋白对特定 Motif 的精确识别。
宽峰（Broad Peaks）: 由特定的组蛋白修饰（如 H3K27me3）产生。分布平缓，可跨越数 kb，反映了染色质的结构域特征。

3. 计算分析：从 Reads 到 Peak

为什么需要 Input 对照？

基因组的背景信号并不是均匀的。开放区域天然易碎，比对软件对不同区域有偏好。

逻辑：只有 ChIP 样本信号显著高于同位置的 Input（未经过 IP 的背景数据）时，才被判定为一个真实的 Peak。

峰调用（Peak Calling）

算法（如 MACS2）扫描整个基因组：

建立局部泊松分布模型。
计算 ChIP vs Input 的富集显著性（P-value/FDR）。
确定断点，合并重叠的 Reads。

4. 质量评估与解释

FRiP (Fraction of Reads in Peaks)：有多少 Reads 真正落在了峰里。如果这个比例太低，说明实验富集效果差。
Motif 富集：对于转录因子，其峰区域内应显著包含该因子的共有序列（如 PWM 模型）。
基因注释：峰是在启动子、增强子还是基因体内？这直接暗示了该蛋白对下游基因的调控作用。

5. 统计视角与差异分析

峰调用的统计本质

峰调用本质上是局部富集检验：

零假设（H₀）：某区域的 read 覆盖与背景无异
备择假设（H₁）：某区域的 read 覆盖显著高于背景

由于基因组上有数百万个候选窗口，必须进行严格的多重检验校正（如 FDR < 0.01）。

差异结合分析

比较不同条件（如处理 vs. 对照）的蛋白质结合变化，需要更精细的统计模型：

构建计数矩阵：对每个峰，计算各样本的 read 计数，形成峰 × 样本的矩阵。
统计检验：使用负二项分布模型（类似 RNA-seq 差异表达分析），常用工具包括 DESeq2、edgeR、DiffBind。
生物学解释：差异峰代表条件特异性的调控变化，需结合基因表达数据验证功能影响。

6. 数据可视化

可视化是理解 ChIP-seq 数据不可或缺的手段：

基因组浏览器（Genome Browser）：使用 IGV 或 UCSC Genome Browser 查看局部峰形，可叠加多个样本、基因注释、保守性等信息，适合验证特定区域的结合模式。
热图与信号图谱（Heatmap / Profile Plot）：围绕转录起始位点（TSS）或峰中心绘制信号分布，揭示蛋白质结合的空间模式，比较不同样本的信号一致性。
峰集合比较：Venn 图可显示峰集合的交集，Upset plot 更适合比较多组样本的共享峰，帮助理解条件特异性与共享调控。

常见误区

误区一：没有 Input 对照也能可靠检测峰：
基因组不同区域的本底信号差异很大——开放染色质天然易碎、重复序列有比对偏差、GC 含量影响覆盖度。没有 Input 对照，这些系统性偏差会被误判为真实的蛋白结合信号。
误区二：峰越高，调控作用越强：
峰高受测序深度、抗体亲和力、目标蛋白表达水平、染色质可及性等多种技术因素影响。生物学上，低峰可能对应强调控（如关键转录因子的单一位点），高峰可能只是技术假象。
误区三：峰最近的基因就是靶基因：
增强子-启动子相互作用可以跨越数十甚至数百 kb，跳过中间基因。简单的"最近基因"策略会错过真实的远程调控，或错误关联到无关基因。正确的注释需要结合三维基因组信息或表达相关性。

7. 历史背景与关键文献

ChIP-seq 的发展经历了从低通量到高通量的演进：

ChIP-on-chip（2000s）：使用微阵列检测，分辨率有限。
ChIP-seq（2007+）：高通量测序革命，实现单碱基分辨率。
单细胞 ChIP-seq（2015+）：细胞分辨率调控分析。

奠基性文献包括：

Johnson et al. (2007). Genome-wide mapping of in vivo protein-DNA interactions. Science ——早期 ChIP-seq 方法的建立。
Zhang et al. (2008). Model-based Analysis of ChIP-Seq (MACS). Genome Biology ——MACS 峰调用算法的提出。
ENCODE Project Consortium (2012). An integrated encyclopedia of DNA elements in the human genome. Nature ——大规模 ChIP-seq 的系统性应用。

重要数据资源包括 ENCODE ChIP-seq 数据标准与质控指南、modENCODE 模式生物调控图谱，以及整合已发表 ChIP-seq 数据的 ChIP-Atlas 数据库。