在生信研究中，各式的seq数据一直是深受生信人喜爱的研究样本来源。Cistrome DB(Cistrome Data Browser)数据库收录了人类和小鼠的ChIP-seq数据，包括转录因子、染色质调控因子、组蛋白修饰等五万多个样本数据，是目前公认最全面的ChIP-seq数据库之一。而UCSC Genome Browser是当前业内最有名、应用最广泛的基因组浏览器。

    今天大师姐就带着大家，尝试用这些网站探索特定修饰的组蛋白是否参与了目标基因的表达调控。这样的方法也同样适用于转录因子、染色质调控因子等蛋白与目标基因结合情况的分析。

    当前已经有JASPAR等很多网站，能实现基于启动子区的序列、对目标基因的转录因子进行预测。但这些都是基于序列的预测，验证起来耗时费力、成功率也相对较低。我曾经一直在想，有没有什么工具可以基于真实的实验，对目标基因的转录调控因子进行更准确的预测呢？这个方法被我找到了，就是在ChIP-seq数据中，筛选出目标基因的结合情况。如果是阳性数据，再验证起来的成功率就要高得多了。今天大师姐就把这个方法分享给大家：

    首先在Cistrome DB网站的首页（http://cistrome.org/db/#/），直接对你感兴趣的转录因子的ChIP-seq数据进行检索。网站提供了两种数据检索方式：关键词搜索和条件筛选。其中，关键词搜索区可以通过样本来源及因子搜索数据，同时可以在Options选项中对数据的质控指标进行初筛；条件筛选区可以通过直观的、按字母排序浏览和点选方式，选择你感兴趣的样本来源（各种细胞系、组织样本等）和Factor因子（转录因子、染色质调控因子、组蛋白修饰等）。这两种方式可以分别单独使用，也可以组合使用：
    image.png
    图片来源：Cistrome DB

    做肿瘤相关研究的同学都清楚，肿瘤细胞中组蛋白的甲基化、乙酰化等表观遗传修饰可能会发生一定改变。而我想知道的是，在我研究的肝癌细胞HepG2中，乙酰化的组蛋白H3是否参与了我感兴趣的某基因的转录调控。因为不确定细胞系、组蛋白的拼写规则及表观遗传修饰的表示方法等，是否会对搜索结果产生影响，因此我首先尝试在关键词搜索区输入模糊关键词“liver”“H3”进行初筛。在使用一个不太熟悉的网站工具时，这种“模糊搜索法”也强烈推荐给大家使用，以防遗漏关键信息。
    image.png
    图片来源：Cistrome DB

    随后，在条件筛选区，对搜索结果进行进一步筛选。这个数据库重点收录的是人类和小鼠的ChIP-seq数据，物种根据大家的研究需求选择即可。HepG2是人源细胞系，因此这里物种选择Homo，点选后样本来源框会发生相应改变。我们在其中找到HepG2，点选后就能在最后一项Factors选项中，查看数据库中包含的H3表观遗传修饰形式啦。我在其中翻看了一下这里包括乙酰化修饰形式的类型，有H3K9ac和H3K27ac等常见乙酰化修饰位点数据。
    image.png
    图片来源：Cistrome DB

    下面我们对这两种乙酰化修饰类型的组蛋白ChIP-seq数据进行一下查看和整理。分别点击H3K9ac和H3K27ac，在Results列表中查看搜索结果。一般情况下，细胞系的ChIP-seq数据质控指标优于组织样本，基本全部达标（全部为绿色标记），随意选择即可。而对于组织样本，要尽量选择绿点更多的数据。选中后直接在数据行前面打勾即可。可以一次性勾选多行数据，不用担心，重新搜索后之前勾选的内容也不会消失。
    image.png
    图片来源：Cistrome DB

    单击数据行，可以直接在页面最下方浏览、下载或分析（方法见图.step5.1）样本信息。也可以在所有感兴趣的样本全部勾选完毕后，点击“UCSC Browser”选项跳转到UCSC基因组浏览器中，直观查看ChIP-seq结果，并对结果进行进一步处理（方法见图.step5.2）。
    image.png
    图片来源：Cistrome DB

    对于Cistrome DB的质控报告，一般关注唯一比对百分率、富集峰数量及覆盖率等信息；在靶基因预测选项卡中，可以找到这个样本中评分最高的前100个基因，即预测的核酸序列可能与目标蛋白结合最强烈的基因；最后的搜索靶基因功能，就是我要找的功能啦，这里可以搜索我感兴趣的基因，在选择的这个样本中，是否与该蛋白有互作，并可以查看评分信息。
    image.png
    图片来源：Cistrome DB

    也可以跳过这步，更直观地在UCSC中查看结果信息。在UCSC的搜索框中直接搜索我感兴趣的目标基因的Symbol（或位置信息，注意和版本对应），确认并点选相应转录本信息后点击go，直接在页面下方查看目标基因区域的ChIP富集峰分布情况。页面上方的zoom in和zoom out可以相应倍数的放大缩小浏览框中包含的序列长度，前后箭头可以挪动浏览框中显示的序列位置（也可以直接用鼠标在浏览框中拖动）。大家可以根据自己的喜好进行调整。
    image.png
    图片来源：UCSC Genome Browser

    结果真的是太明显了，无论是K9还是K27位点乙酰化的H3样本，在我们关注的这个基因的启动子区（一般认为是转录起始位点附近，至其上游不超过2000bp的区域。记得关注基因的转录方向，不要误判启动子区位置哦）都有个非常明显的富集峰。这不就说明，这个基因的启动子区和乙酰化组蛋白H3很可能有结合（调控）关系吗？下一步实验，我们就可以在这个峰的位置设计引物、开始充满自信与希望的ChIP实验验证啦！对了，上面这张图也蛮好看的，可以留着做个汇报数据或补充Figure呢！

    再次强调，这样的方法也同样适用于转录因子、染色质调控因子等蛋白与目标基因结合情况的分析。比起基于序列的转录因子预测，这种基于ChIP实验的seq数据，在最后的实验验证中，阳性率会更高，提示作用也更强。但是，大数据毕竟是大数据，依然不能直接明确分子间的真实互作关系。