Plus推荐 | 哪个蛋白质调控我感兴趣的基因？怎样筛选？基于分析或实验的可行方案V2.1

Plan A：基于大量ChIP-seq公共数据

一套ChIP-seq数据只能看一个蛋白质调控哪个靶基因。 转录因子调控了谁？100%可行的完整解决方案V2.0 。如果有大量ChIP-seq数据，就能看到哪个蛋白质调控某个基因。

目前全世界已发表人和小鼠的2万多套ChIP-seq数据，包含800多个TF，把这些ChIP-seq数据放在一起，就能看到基因组的每个位置都结合了哪些TF。

大量的ChIP-seq数据去哪里找呢？

1. 收录ChIP-seq数据最全的数据库Cistrome Data Browser，需要一点点linux基础，批量下载和处理Cistrome Data Browser数据；

2. ChIP实验质量最好的ENCODE项目。

下面介绍这两个数据来源的检索方法：

1. Cistrome Data Browser

Cistrome Data Browser收录了目前已发表的2万多套人和小鼠的ChIP-seq、DNase-seq、ATAC-seq数据。可以单个查看某个转录因子调控的靶基因，详见 转录因子调控了谁 ？

最近开始提供批量下载功能，http://cistrome.org/db/#/，我们就可以从大量的ChIP-seq数据里找到：哪套数据的Factor结合了我感兴趣的DNA区段。

点击右上角的“Batch download”，填写课题组信息，勾选要下载的数据类型

承诺提交的信息正确，不会把下载到的数据交给别人，发表文章的时候引用该论文。输入校验码，点击最下面的按钮，就开始下载了。

用bedtools找出感兴趣的基因附近有结合信号peak的ChIP-seq数据，对应到TF名字，就推测出哪些TF结合了感兴趣的基因。bedtools的用法满天飞，小哈在这里不啰嗦。其实只需要一点点linux基础，纸老虎，不用怕。

2. ENCODE

ENCODE项目进展到今天已经产生了7813套ChIP-seq数据，其中人的5568套，小鼠1086套。检索方法参考 表观遗传系列视频17 | Penn State 岳峰：ENCODE & Roadmap workshop（附PPT） 。另外，还有平行项目，例如模式生物modENCODE和modERN项目，以后小哈会发帖分享使用心得。

人，除组蛋白以外，转录因子等factor的ChIP-seq数据2191套，包含620个factor。

目前可以最多添加100套数据到UCSC genome browser里面查看某段DNA上的peak分布。

例如，在Biosample type里选择stem cell，一共86套数据

点击Visuallize

选择hg19，数据更全。后面再check一下GRCh38版本的基因组在你关心的区域上是否有更新。

打开后看到所有86套数据都展示出来了，在位置框里输入您想看的区段，或基因名字，例如sox2，然后zoom out 10x看更大的区域。好多小矩形的那行就是call出来的peak，下面紧挨着那行是原始信号强度。用眼睛看哪个factor在sox2 TSS附近有peak，推测该factor对sox2的转录有调控作用。

继续往下滚动页面，还能看到该区域存在哪些TF的motif，详见下文Plan B。

如果不想用眼睛看100套以内的数据，而是要从所有的ChIP-seq数据中找到结合某段DNA的factor，需要批量下载：

下载后的数据处理类似于前面讲的Cistrome Data Browser。

该方法的优点是，找到的TF跟DNA的结合关系是有 in vivo 实验证据的；缺点是，基因的转录调控有着组织特异性，在这套ChIP-seq数据的细胞类型和处理条件下不结合，不代表你关心的细胞类型或处理条件下也不结合，有可能真就能结合呢！反之亦然。

Plan B：基于motif预测

通过motif预测DNA上可能会有哪些转录因子结合。每个转录因子都有一个DNA结合结构域（DBD），喜欢结合在特定DNA序列上，也就是motif。如果我感兴趣的基因上游DNA有某个TF的motif，那么该TF就有可能结合这段DNA，从而调控下游基因表达。

书接上文Plan A的ENCODE数据检索。向下滚动鼠标，找到Regulation，点击TFBS Conserved，full，refresh

refresh后，那些段竖线就是该区域存在的TF的motif，TF名字在左侧

V$和_之间的就是TF名

点击名字，出现motif信息

该方法的缺点是， 就算在DNA序列上找到了TF对应的motif，该TF不一定真的就能 in vivo 结合这段DNA。不过，这起码提供了一条线索，让你有迹可循，看到了某个感兴趣的TF的motif，就做个ChIP-qPCR验证一下吧！

Plan C：ATAC-seq结合motif分析

调控蛋白所结合的DNA附近会形成open区域，产生DHS。2013年，Howard Y Chang发明了ATAC-seq。详见 从第一篇文章开始，讲讲ATAC-seq能干啥？ 类似于DNase-seq，ATAC-seq能够找出基因组上的open区，根据这段区域上的motif，推测它上面可能结合的TF。ATAC-seq用的细胞数更少，500-50,000个细胞就能做，实验更稳定。有了ATAC-seq的加入，把motif预测出来的候选TF范围缩小到染色质开放区域，结果更准确。

还记得Howard Y Chang吗？ 美帝国自然NIH资助啥？ 一文中看到，他凭《lncRNA在癌症中的作用机制》一项拿到$724,705，相当于人民币400多万，该项目已经发表2篇paper，一篇Single cell，一篇CRISPR screen。我们站在大牛肩上，紧跟大牛节奏，就能赶在上升期，抓紧时间轻松发一区；否则，邻居大妈都知道 ATAC-seq 的时候。。。