Skip to content

基因體學 › 定序技術 › ChIP-seq

ChIP-seq (Chromatin Immunoprecipitation Sequencing) ​

用抗體把目標蛋白(轉錄因子、組蛋白修飾)連同結合的 DNA 一起拉下來定序,找出它在基因組上的結合位置。分析的重點不只是「找 peak」,而是比較條件間的結合差異並連回基因與調控區域。

流程 ​

text
FASTQ ──比對(Bowtie2 / BWA)──► BAM ──過濾(MAPQ、重複、blacklist)
  ──► peak calling(MACS3,ChIP vs input)──► peak(BED / narrowPeak)
  ──► QC(FRiP、重複一致性、指紋圖)
  ──► 共識 peak 集合 ──► 計數 ──► 差異結合(DiffBind:DESeq2 / edgeR)
  ──► 註解(最近基因、啟動子 / 遠端)、motif、富集分析

實驗設計 ​

項目建議
對照Input(未經免疫沉澱的同一樣本 DNA)必備;IgG 對照為輔
生物重複每個條件至少 2 個,差異分析建議 ≥ 3
定序深度轉錄因子約 20 M reads;廣域組蛋白修飾(H3K27me3、H3K36me3)40 M 以上
抗體品質決定一切;用已驗證的 ChIP 級抗體
peak 類型轉錄因子、H3K4me3:窄峰 (narrow);H3K27me3、H3K36me3:廣域 (broad)
替代方法CUT&RUN / CUT&Tag(低起始量、背景低);ATAC-seq(開放染色質,不需抗體)

Peak calling 與 QC ​

bash
# 過濾:MAPQ ≥ 30、移除重複與 ENCODE blacklist 區
samtools view -b -q 30 -F 0x404 chip.bam | bedtools intersect -v -abam stdin -b hg38-blacklist.v2.bed > chip.filt.bam

# MACS3:成對資料用 BAMPE;廣域修飾加 --broad
macs3 callpeak -t chip.filt.bam -c input.filt.bam -f BAMPE -g hs -n sample1 -q 0.01 --outdir peaks/

# deepTools:訊號軌與 TSS 周邊熱圖
bamCoverage -b chip.filt.bam -o chip.bw --normalizeUsing CPM --binSize 10
computeMatrix reference-point -S chip.bw -R genes.bed -a 3000 -b 3000 -o tss.mat.gz
plotHeatmap -m tss.mat.gz -o tss_heatmap.png
plotFingerprint -b chip.filt.bam input.filt.bam -o fingerprint.png
QC 指標意義參考值
FRiP(reads in peaks 比例)訊號 / 雜訊轉錄因子 > 1%;組蛋白修飾通常更高(ENCODE 建議)
NSC / RSC(交叉相關,phantompeakqualtools)片段長度訊號強度NSC > 1.05、RSC > 0.8
IDR(重複間一致性)重複間可再現的 peak轉錄因子取 IDR < 0.05 的 peak
Fingerprint 曲線ChIP 與 input 的區分度ChIP 曲線越偏離對角線越好
重複率、PBClibrary complexity見 重複率

在 R 中:peak 就是 GRanges ​

r
library(GenomicAlignments); library(rtracklayer)
reads <- readGAlignments("chip.filt.bam")
cov <- coverage(reads)                           # RleList:全基因組訊號
peaks <- import("peaks/sample1_peaks.narrowPeak") # GRanges(自動轉成 1-based)
peaks[order(-peaks$signalValue)][1:5]

# 比較多個樣本的 peak 集合
library(UpSetR)
upset(fromList(lapply(peak_sets, \(p) paste(seqnames(p), start(p)))))   # 粗略:完全相同的區間

peak 不是表格,是有座標的區間;重疊、延伸、計數都用 GRanges 操作,見 Bioconductor。

差異結合分析 (DiffBind) ​

比較條件(例:原發腫瘤 vs 抗藥腫瘤)前,先建立所有樣本共用的共識 peak 集合,再計算每個樣本在這些區域的 reads 數;否則各樣本是在不同區域上量測,無法比較。

r
library(DiffBind)
db <- dba(sampleSheet = "samples.csv")     # 欄位:SampleID、Condition、Replicate、bamReads、bamControl、Peaks
db <- dba.count(db, summits = 250)         # 以 summit ± 250 bp 建共識區域並計數
db <- dba.normalize(db)
db <- dba.contrast(db, categories = DBA_CONDITION, minMembers = 2)
db <- dba.analyze(db)                      # 預設 DESeq2
res <- dba.report(db, th = 0.05)           # 顯著的差異結合區域(GRanges)

dba.plotPCA(db, DBA_CONDITION); dba.plotMA(db); dba.plotVolcano(db)
dba.plotHeatmap(db, correlations = FALSE)

dba.analyze() 預設用 DESeq2 對共識 peak 的 read 數做負二項 GLM,所以 RNA-seq 的統計觀念直接適用:GLM 計數模型、多重檢定(FDR)、批次效應。

圖回答的問題
相關熱圖 / PCA同條件的重複是否比不同條件更相似?
MA plot效果量與平均訊號強度的關係
Volcano plot效果量與顯著性
區域熱圖特定位點的訊號型態

先看重複間是否一致,再看差異結果。任何單一張圖都不能證明生物學結論。

註解與解讀 ​

步驟工具
peak → 最近基因、啟動子 / exon / intron / 基因間ChIPseeker annotatePeak()、HOMER annotatePeaks.pl
motif 富集(轉錄因子是否真的結合自己的 motif)HOMER findMotifsGenome.pl、MEME-ChIP
基因集富集GREAT(以調控區域指派基因)、clusterProfiler
整合表現量與 RNA-seq 差異表現基因交集

「peak 最靠近某基因」不等於「調控該基因」:遠端增強子可以跨越數十 kb,甚至跳過最近的基因。需要 Hi-C、eQTL 或擾動實驗支持。

常見錯誤 ​

錯誤修正
沒有 input 對照peak calling 無法區分開放染色質 / 定序偏差與真實訊號
沒過濾 blacklist重複區、著絲點附近出現大量假 peak
各樣本 peak 直接比較先建共識 peak 再計數
跳過重複一致性檢查先看相關性 / PCA
把 peak 檔當一般表格處理用 GRanges / bedtools 的區間運算
只看顯著性同時看效果量與重複間一致性
正規化方式未考慮全域性改變若處理造成全基因組結合量改變,預設正規化會抹平差異;考慮 spike-in

本筆記的 R 程式碼依 DiffBind / rtracklayer 官方文件整理,未在本機實跑。