点击显示 收起
来自约翰霍普金斯大学，中科院北京基因组研究所等处的研究人员发表了题为“Differential principal component analysis of ChIP-seq”的文章，针对目前ChIP-seq技术数据处理的问题，指出dPCA方法为有效分析大量ChIP测序数据提供了一种独特的工具，可以用于研究不同生物条件下基因调控的动态变化。相关成果公布在PNAS杂志在线版上。
文章的通讯作者和第一作者为约翰霍普金斯大学的计宏凯博士，计宏凯博士早年毕业于清华大学，后于哈佛大学获得博士学位，现于约翰霍普金斯大学执教。
将染色质免疫共沉淀技术（ChIP）与下一代高通量测序技术相结合的染色质免疫共沉淀测序（ChIP-seq），已成为功能基因组学、特别是基因表达调控领域研究的关键技术。这一技术主要包括几个基本的步骤：将蛋白交联到染色质上，剪切蛋白，用特异的抗体沉淀目的蛋白及相关DNA，以及纯化相关DNA片段等。ChIP通常会生成数毫微克到数百毫微克的DNA，它们是环绕转录因子结合位点或组蛋白标记位点的75- 到300-bp的片段。高通量测序往往会生成数以百万计的来自ChIP-DNA片段5′末端的25- 到75-bp的序列（short reads）。
ChIP-seq实验带来的海量数据向生物信息学研究人员提出了新的挑战，目前此领域数据处理技术的发展大大滞后于实验技术进步，在这篇文章中，研究人员采用主微分分析（principal differential analysis，dPCA），解析多重ChIP-seq数据，从中发现了两种生物条件下不同的蛋白-DNA相互作用。
研究人员指出dPCA方法能将无监控模式发现，降维（dimension reduction），以及统计推断整合成一个单一框架，利用少量主成分元件简要概况两种条件下主要多蛋白协同差分模式。并且对于每个模式，dPCA也能通过与复制样品中变化条件之间的差异，检测并优先考虑差异基因位点。
这种方法为有效分析大量ChIP测序数据提供了一种独特的工具，可以用于研究不同生物条件下基因调控的动态变化，研究人员指出，dPCA可以用于分析转录因子结合位点处和启动子的不同染色质模式，以及等位基因特异性蛋白-DNA之间的相互作用。
关于ChIP数据处理的其它问题，南开大学的一些研究人员特别进行了解析，明日生物通将详细介绍这篇文章。（生物通：张迪）