p53基因是一种
肿瘤抑制基因，定位于人类17号染色体短臂，编码p53磷蛋白，通过科学研究发现，p53蛋白是人体内最有效的对抗肿瘤的自然防御物，因此p53多年以来一直是肿瘤学（近年来发展到了毒理学、治疗学等方面）的热点领域，
但是p53的研究仍然有许多的盲点。1月13日新出版的Cell杂志上刊登了一篇来自新加坡国立基因组研究所（Genome Institute of Singapore）的研究文章，公布了他们所获得的p53转录因子人类基因组结合位点（p53 Transcription-Factor Binding Sites）全作用图，为p53与肿瘤学进一步研究提供了重要信息。
转录因子的结合位点（transcription-factor binding site，TFBS），即转录因子调节基因表达时与mRNA结合的区域（比如TATA box），是重要的转录调控元件。在研究过程中TFBS十分重要，比如说如果研究人员想要查清楚一种特异转录因子是如何导致一种疾病的，就需要定位出基因组上每一个转录因子结合位点，识别出其控制的基因。
通过将染色质免疫沉淀技术（chromatin immunoprecipitation，ChIP）和配对端点双标记测序技术（paired-end ditag (PET) sequencing）这两种方法结合，新加坡基因组研究所的研究人员在Yijun Ruan教授的领导下对包含大约50万个PET序列的饱和样品（saturated sampling）进行了分析，获得了65,572个单独的ChIP DNA片段，建立了用特殊标记标定p53结合位点的重叠PET簇（PET clusters）。在这一基础上，研究人员最终确定了最少542个p53精确结合位点，包括98个之前未发现的p53目标基因——说明p53可能包含有不同于以前认知的新功能。(生物通记者：张迪）
主要手段介绍：
1. 染色质免疫沉淀技术（chromatin immunoprecipitation，ChIP） 染色质免疫沉淀分析（ChIP）是一种在体内研究DNA-蛋白质相互作用的理想方法，相对于传统的其它研究蛋白与DNA相互作用的方法（比如EMSA， electrophoretic mobility shift assay），ChIP技术能更加真实、完整地反映结合在DNA序列上的调控蛋白，是目前确定与特定蛋白结合的基因组区域或确定与特定基因组区域结合的蛋白质的最好方法。
2. 配对端点双标记测序技术（paired-end ditag (PET) sequencing）
This track shows the starts and ends of mRNA transcripts determined by paired-end ditag (PET) sequencing. PETs are composed of 18 bases from either end of a cDNA; 36 bp PETs from many clones were concatenated together and cloned into pZero-1 for efficient sequencing. See the Methods and References sections below for more details on PET sequencing.
The PET sequences in this track are full-length transcripts derived from two cell lines and mapped on whole genome： the log phase of MCF7 cells ；HCT116 cells treated with 5FU (5-fluorouracil) for 6 hours
来自
http://genome.ucsc.edu/cgi-bin/hgTrackUi?hgsid=65468132&c=chr7&g=encodeGisRnaPet
原文：
Volume 124, Issue 1 , 13 January 2006, Pages 207-219
A Global Map of p53 Transcription-Factor Binding Sites in the Human Genome Chia-Lin Wei1, Qiang Wu1, Vinsensius B. Vega1, Kuo Ping Chiu1, Patrick Ng1, Tao Zhang1, Atif Shahab2, How Choong Yong2, YuTao Fu3, Zhiping Weng3, 4, JianJun Liu1, Xiao Dong Zhao1, Joon-Lin Chew1, 6, Yen Ling Lee1, Vladimir A. Kuznetsov1, Wing-Kin Sung1, Lance D. Miller1, Bing Lim1, 5, Edison T. Liu1, Qiang Yu1, Huck-Hui Ng1, 6, , and Yijun Ruan
1.Genome Institute of Singapore, Singapore 138672
2.Bioinformatics Institute, Singapore 138671
3.Bioinformatics Program, Boston University, Boston, MA 02215, USA
4.Biomedical Engineering Department, Boston University, Boston, MA 02215, USA
5.Harvard Institutes of Medicine, Harvard Medical School, Boston, MA 02115, USA
6.Department of Biological Sciences, National University of Singapore, Singapore 117543
作者：