转录调控和表观遗传

> 章节导读：基因的表达受到精密的调控。从转录因子对基因启动子和增强子的特异性识别，到DNA甲基化、组蛋白修饰等表观遗传信息对染色质状态的动态调控，再到三维基因组结构中增强子与启动子的远程互作，以及RNA分子上的化学修饰——这些多层次、多维度的调控机制共同决定了细胞类型特异性、发育时序性和环境响应性。本章将系统介绍转录调控和表观遗传的基本概念、分析技术和数据处理方法，帮助读者理解基因表达调控的复杂网络。

基因转录调控是一个多层次的复杂过程，涉及多个调控元件和蛋白质的协同作用：
1. 启动子（Promoter）：位于基因转录起始位点（TSS）上游的DNA区域，包含核心启动子元件（如TATA框、起始子Inr）和近端启动子元件。核心启动子负责招募RNA聚合酶II和通用转录因子，形成基础转录机器。
2. 增强子（Enhancer）：可以位于基因上游、下游或内含子中的DNA调控元件，通过结合特定转录因子来增强靶基因的转录效率。增强子的特点是具有位置独立性（可以位于靶基因的任何方向）和距离独立性（可以距离靶基因数kb甚至数十kb）。
3. 绝缘子（Insulator）：阻断增强子与启动子之间的通信，或防止异染色质区域的扩散，从而维持基因表达边界。
4. 沉默子（Silencer）：与转录抑制因子结合，降低靶基因的转录活性。

转录因子通过以下步骤实现对基因表达的精确调控：
1. 识别与结合：转录因子的DNA结合域识别并结合特定的DNA序列模体（motif）。常见的DNA结合域类型包括：锌指结构（Zinc finger）、同源异型域（Homeodomain）、亮氨酸拉链（Leucine zipper）、螺旋-环-螺旋（Helix-loop-helix）等。
2. 协同作用：多个转录因子可以在同一调控区域形成复合物，通过协同效应增强或抑制转录效率。这种组合调控（combinatorial regulation）使得有限的转录因子种类能够产生极其复杂的调控模式。
3. 染色质重塑：转录因子可以招募染色质重塑复合物（如SWI/SNF、ISWI、CHD家族），改变核小体的位置和组成，从而影响DNA的可及性。

表观遗传信息主要通过以下四种机制调控基因表达：
1. DNA甲基化：DNA甲基转移酶（DNMT）将甲基基团添加到胞嘧啶的5号碳位（主要发生在CpG二核苷酸中），形成5-甲基胞嘧啶（5-mC）。DNA甲基化通常与基因沉默相关，尤其是启动子区域的甲基化会抑制基因转录。
2. 组蛋白修饰：组蛋白N端尾部的氨基酸残基可以发生多种共价修饰，包括乙酰化、甲基化、磷酸化、泛素化等。这些修饰可以改变核小体的结构和DNA的缠绕松紧程度，从而影响基因的可及性。例如，组蛋白乙酰化通常与转录激活相关，而组蛋白甲基化的效应则取决于具体位点和甲基化程度。
3. 染色质重塑：ATP依赖的染色质重塑复合物通过滑动、移除或交换核小体来改变染色质结构，从而调控基因表达。
4. 非编码RNA调控：长链非编码RNA（lncRNA）、microRNA（miRNA）等可以通过多种机制调控基因表达，包括染色质重塑、转录干扰和mRNA降解等。

表观遗传信息可以在细胞分裂过程中传递给子代细胞，这是表观遗传学的重要特征。DNA甲基化的维持机制：在DNA复制过程中，半甲基化的DNA（母链甲基化、子链未甲基化）可以被维持性DNA甲基转移酶DNMT1识别，并在子链对应位置添加甲基，从而维持甲基化状态。组蛋白修饰的传递则主要通过"组蛋白密码假说"和组蛋白变体的掺入来实现。

1. DNA共有序列
构建方法：对已知的多条转录因子结合序列进行多序列比对，在每个位置选择频率最高的碱基（若最高频率低于某个阈值，则使用简并码）。例如：
- 序列集合：TACTGTA, TACTGCA, TACTGTA, TACTGCA
- 共有序列：TACTGHA（H表示A/C/T）
局限性：无法反映碱基频率的连续变化，对信息的利用不够充分。
2. 位置频率矩阵（PFM）
对于一个长度为n的模体，PFM的构建步骤：
1. 收集已知的转录因子结合序列（通常来自SELEX、PBM或ChIP-Seq实验）
2. 对序列进行多序列比对
3. 统计每个位置（j=1..n）上每种碱基（i∈{A,C,G,T}）的出现次数
4. 计算频率：q_{i,j} = count_{i,j} / N（N为序列总数）
3. 序列标识图（Sequence Logo）
每个位置的信息量（R_j）计算：
$$R_j = H_{max} - H_j = 2 - \left(-\sum_{i=1}^{4} q_{i,j} \log_2 q_{i,j}\right)$$
其中H_j为位置j的信息熵，H_max=2（当4种碱基均匀分布时的最大熵）。
每个碱基的高度：height_{i,j} = q_{i,j} × R_j
4. 位置权重矩阵（PWM）
$$S_{i,j} = \log_2\left(\frac{q_{i,j}}{b_i}\right)$$
其中b_i为碱基i在背景基因组中的频率。
对于待扫描序列的打分：S = Σ_{j=1}^{n} S_{i,j}
窗口滑动扫描：使用长度为n的窗口，以1 bp为步长在基因组上滑动，对每个片段计算PWM得分，筛选超过阈值的位点作为潜在结合位点。

1. 基于共有序列的穷举方法
- 遍历所有可能的k-mer序列（4^k种组合）
- 统计每个k-mer在输入序列集中的出现频率
- 筛选在多数序列中均有出现的显著模式
- 计算复杂度：O(4^k)，适用于k≤10的情况
2. 基于EM算法的模体发现（以MEME为代表）
EM算法包含两个迭代步骤：
E-step（期望步骤）：假设当前位置频率矩阵为θ，对每条序列中每个可能的结合位点位置计算似然比：
$$LR = \frac{P(\text{sequence}|\theta)}{P(\text{sequence}|\theta_0)}$$
其中θ_0为背景碱基频率模型。
M-step（最大化步骤）：以E-step得到的似然比为权重，重新计算位置频率矩阵，最大化观测数据的似然函数。
迭代直至收敛，最终得到最优的位置频率矩阵。
MEME算法改进：先遍历所有可能的起始矩阵，筛选具有统计学显著性的矩阵作为EM的输入，避免陷入局部最优。
3. 基于Gibbs抽样的模体发现
Gibbs抽样是一种马尔可夫链蒙特卡罗（MCMC）方法：
1. 从N条序列中随机选择一条序列S_i
2. 从剩余N-1条序列中随机提取长度为n的片段，构建初始位置频率矩阵
3. 基于该矩阵对S_i中每个可能的n长度片段计算似然比
4. 根据似然比概率随机选择一个片段作为S_i上的结合位点
5. 用选中的片段更新位置频率矩阵
6. 重复步骤1-5，遍历所有序列，完成一轮迭代
7. 多轮迭代直至矩阵收敛
Gibbs抽样的优势：随机化策略可以跳出局部最优，探索更广泛的可能性空间。

实验流程：
1. 交联：甲醛处理细胞，共价固定蛋白质-DNA复合物
2. 裂解：超声波打断染色质，获得约200 bp的DNA片段
3. 免疫沉淀：用特异性抗体捕获目标蛋白及其结合的DNA片段
4. 解交联：去除蛋白质，纯化DNA
5. 测序：构建测序文库，进行高通量测序
技术特点：
- 需要生物学重复（通常2-3次）以提高可靠性
- 人类/小鼠转录因子ChIP-Seq建议测序深度约2000万reads
- 对照样本（Input或IgG）用于背景校正

1. 信号峰层面的质控
FRiP（Fraction of Reads in Peaks）：落入信号峰区域的reads占所有reads的比例。高质量数据FRiP > 0.05（转录因子）或 > 0.2（组蛋白修饰）。
互相关分析（Cross-correlation）：利用正链和负链reads的相位差估计DNA片段长度。关键指标：
- NSC（Normalized Strand Coefficient）= cc(片段长度) / min(cc)，通常NSC > 1.1
- RSC（Relative Strand Correlation）= [cc(片段长度) - min(cc)] / [cc(读段长度) - min(cc)]，通常RSC > 0.8
IDR（Irreproducible Discovery Rate）：衡量生物学重复之间信号峰的可重复性。IDR值越低，信号峰的可重复性越好。通常以IDR < 0.05筛选高置信度信号峰。
2. 注释层面的质控
- 基因组分布：信号峰应在启动子/增强子区域富集
- 序列保守性：信号峰中心应有比周围更高的PhastCons保守性得分
- 模体验证：已知结合模体应在信号峰中心富集

1. 信号峰识别（Peak Calling）
以MACS2为例：
1. 估计片段长度d：通过互相关分析确定正链和负链reads的偏移距离
2. 将reads向3'端移动d/2，构建富集信号
3. 动态泊松分布建模：局部背景λ = max(λ_{local}, λ_{global})
4. 计算每个候选区域的富集显著性（p-value）
5. 多重检验校正（Benjamini-Hochberg FDR），筛选显著富集区域
2. 差异信号峰分析
- 定量比较：类似RNA-seq差异分析方法，比较两套ChIP-Seq数据的信号强度差异（如DiffBind、MAnorm）
- 定性比较：使用严格阈值在一套数据中识别信号峰，用宽松阈值在另一套数据中扫描，仅在一套中出现的峰为差异峰
3. 靶基因预测
- 最近TSS法：将信号峰关联到距离最近的转录起始位点
- 距离阈值法：将TSS一定距离（如±50 kb）内的信号峰关联到该基因
- 加权距离法：信号峰权重随距离增加而衰减（线性或指数衰减）
- 整合转录组法：结合RNA-seq或 knockdown/knockout 实验的转录变化，筛选靶基因（如BETA方法）
4. 功能注释
- ORA（Over-Representation Analysis）：对靶基因列表进行GO/KEGG富集分析
- GREAT/Cistrome-GO：基于信号峰在全基因组的分布，直接进行区域富集分析

在哺乳动物中，DNA甲基化主要发生在CpG二核苷酸的胞嘧啶上：
- 5-甲基胞嘧啶（5-mC）：最常见的DNA甲基化形式，由DNMT酶家族催化
- 5-羟甲基胞嘧啶（5-hmC）：5-mC的氧化产物，近年来发现其具有独特的调控功能
- 5-甲酰基胞嘧啶（5-fC）和5-羧基胞嘧啶（5-caC）：5-hmC的进一步氧化产物，是主动去甲基化途径的中间产物
DNA甲基化状态的三种形式：
- 全甲基化（Fully methylated）：DNA双链的CpG均被甲基化
- 半甲基化（Hemimethylated）：仅一条链的CpG被甲基化（DNA复制后的中间状态）
- 未甲基化（Unmethylated）：双链CpG均未甲基化

1. 从头甲基化（De novo methylation）
- 酶：DNMT3A、DNMT3B
- 机制：识别未甲基化的DNA双链，以S-腺苷甲硫氨酸（SAM）为甲基供体，催化CpG位点的甲基化
- 调控：DNMT3L（无催化活性的辅助蛋白）可增强DNMT3A/3B的活性
2. 甲基化维持（Maintenance methylation）
- 酶：DNMT1
- 机制：在DNA复制后，DNMT1识别半甲基化的CpG（母链甲基化、子链未甲基化），在子链对应位置添加甲基，维持甲基化状态
- 辅助因子：UHRF1蛋白识别半甲基化DNA并招募DNMT1
3. 主动去甲基化
- TET酶氧化：TET1/2/3将5-mC逐步氧化为5-hmC、5-fC、5-caC
- TDG切除：胸腺嘧啶DNA糖基化酶（TDG）识别并切除5-fC和5-caC
- BER修复：碱基切除修复（BER）途径填补缺口，最终完成去甲基化
4. 被动去甲基化
- 在DNMT1活性缺失或不表达的细胞中，DNA复制后甲基化无法维持
- 随细胞分裂，甲基化被逐渐"稀释"，最终达到未甲基化状态

1. 基因表达调控
- 启动子CpG岛甲基化：阻碍转录因子结合，招募甲基CpG结合蛋白（如MeCP2），导致转录沉默
- 基因体甲基化：与转录活跃相关，可能促进转录延伸或抑制转录起始
- 增强子甲基化：降低增强子活性，影响远端基因调控
2. 基因组印记（Genomic Imprinting）
- 亲本等位基因特异的甲基化模式，使子代中仅表达父源或母源等位基因
- 印记基因的异常与Beckwith-Wiedemann综合征、Angelman综合征等疾病相关
3. X染色体失活（X-inactivation）
- 雌性哺乳动物通过Xist lncRNA介导的染色质沉默，使一条X染色体失活
- DNA甲基化在维持X染色体失活状态中发挥重要作用
4. 转座子沉默
- 重复序列和转座子区域的高甲基化抑制其转录活性，维持基因组稳定性
5. 细胞分化和发育
- 胚胎发育过程中经历大规模的DNA甲基化重编程
- 组织特异性甲基化模式决定细胞身份和功能

1. 全基因组重亚硫酸盐测序（WGBS）
- 原理：亚硫酸盐转化 + 全基因组测序
- 优点：单碱基分辨率、全基因组覆盖、定量准确
- 缺点：测序成本高、DNA损伤大、C→U转化导致序列复杂性降低
- 应用：全基因组甲基化图谱绘制、DMR鉴定
2. 简化代表性重亚硫酸盐测序（RRBS）
- 原理：限制性内切酶（MspI）富集CpG岛区域，再进行亚硫酸盐测序
- 优点：成本低、覆盖启动子和CpG岛区域
- 缺点：仅覆盖约1-5%基因组，对非CpG岛区域不敏感
3. 甲基化DNA免疫沉淀测序（MeDIP-Seq）
- 原理：使用5-mC特异性抗体富集甲基化DNA片段，然后测序
- 优点：无需亚硫酸盐处理，DNA完整性高
- 缺点：分辨率低（约100-200 bp），不能区分5-mC和5-hmC
4. 第三代测序技术
- ONT纳米孔测序：通过检测DNA通过纳米孔时的电信号差异，直接识别甲基化修饰
- PacBio SMRT测序：通过分析DNA聚合酶动力学的变化检测甲基化
- 优点：无需亚硫酸盐处理，可区分5-mC和5-hmC，长读长
- 缺点：错误率较高，需要较高测序深度

1. 原始数据质控
- TrimGalore：去除接头序列和低质量碱基（对亚硫酸盐数据优化）
- FastQC：检查碱基质量、GC含量、长度分布
- 特别关注：亚硫酸盐转化效率（通过未甲基化对照λ噬菌体DNA评估）
2. 序列比对
亚硫酸盐转化的特殊性：
- C→U转化后，DNA序列中C极为稀少（仅剩甲基化C）
- 两条链不再互补（仅一条链发生C→T转化）
- 需要专门的比对算法
两种主要比对策略：
三字符法（3-letter）：将参考基因组中所有C替换为T，reads也进行C→T转换，然后比对。优点：简单快速；缺点：信息量损失，部分位点无法区分。
通配符法（Wild-card）：将参考基因组中所有C替换为Y（C或T），保留C的两种可能性。优点：信息完整；缺点：比对复杂度增加，可能引入偏差。
常用比对软件：
- Bismark：基于Bowtie/Bowtie2，进行C→T和G→A双重转换，准确率高，使用最广泛
- BSMAP：通配符法，不转换基因组，创建种子列表进行比对
- Bwa-meth：基于BWA-MEM，支持长读长比对
- Walt：针对亚硫酸盐数据的专门优化算法
3. 甲基化水平推断
对于每个CpG位点：
$$\text{甲基化水平} = \frac{\text{覆盖该位点的甲基化reads数}}{\text{覆盖该位点的总reads数}}$$
影响因素和校正：
- DNA片段末端修复引入的非甲基化C
- 接头序列污染
- 3'端测序质量下降
- 不均衡PCR扩增
- 5-hmC的干扰（亚硫酸盐无法区分5-mC和5-hmC）
4. 差异甲基化区域（DMR）鉴定
滑动窗口法：
- 将基因组划分为固定大小的窗口（如1 kb）
- 比较两组样本间每个窗口的平均甲基化水平
- 使用t检验、Wilcoxon检验或β-二项模型计算显著性
- 筛选连续显著窗口，合并为DMR
常用软件：
- methylKit：R包，支持滑动窗口和CpG-wise分析
- BSmooth：基于局部似然平滑，适合WGBS数据
- MOABS：基于分层贝叶斯模型，整合生物学重复信息
- dmrFinder：结合统计检验和区域合并
5. DMR注释和功能分析
- 基因组位置注释：启动子、外显子、内含子、基因间区
- 基因关联：关联到最近的基因或TSS
- 功能富集：GO/KEGG富集分析、motif分析
- 整合分析：结合RNA-seq数据，分析DMR与差异表达基因的关系

组蛋白修饰命名由四部分组成：
组蛋白类型 + 氨基酸残基 + 位置 + 修饰类型
例如：
- H3K4me3：H3组蛋白第4位赖氨酸的三甲基化
- H3K27ac：H3组蛋白第27位赖氨酸的乙酰化
- H3K9me2：H3组蛋白第9位赖氨酸的二甲基化
- H2BK120ub：H2B组蛋白第120位赖氨酸的泛素化
常见修饰类型缩写：
- ac：乙酰化（acetylation）
- me1/me2/me3：一/二/三甲基化（mono-/di-/tri-methylation）
- me2s/me2a：对称/非对称二甲基化（dimethylation symmetric/asymmetric）
- ub：泛素化（ubiquitination）
- ph：磷酸化（phosphorylation）

1. Writer（写入器）
组蛋白乙酰转移酶（HAT）：
- 将乙酰基从乙酰辅酶A转移到组蛋白赖氨酸残基上
- 家族分类：GNAT家族（GCN5、PCAF）、MYST家族（MOZ、YBF2、SAS2、TIP60）、p300/CBP家族
- 功能：中和赖氨酸正电荷，减弱与DNA的相互作用，促进染色质开放
组蛋白甲基转移酶（HMT）：
- 以S-腺苷甲硫氨酸（SAM）为甲基供体
- 赖氨酸甲基转移酶：SET结构域家族（如MLL、EZH2、SETD2、SUV39H1）
- 精氨酸甲基转移酶：PRMT家族（PRMT1、PRMT4/CARM1、PRMT5）
- 功能：不改变电荷，但增加空间位阻，影响蛋白质相互作用
2. Eraser（擦除器）
组蛋白去乙酰化酶（HDAC）：
- 去除赖氨酸残基上的乙酰基
- 家族分类：Class I（HDAC1/2/3/8）、Class II（HDAC4/5/6/7/9/10）、Class III/Sirtuins（SIRT1-7）、Class IV（HDAC11）
- 功能：恢复赖氨酸正电荷，增强与DNA的相互作用，促进染色质压缩
组蛋白去甲基化酶（KDM）：
- KDM1/LSD1家族：黄素依赖氧化酶，主要去除H3K4me1/2和H3K9me2
- JmjC家族：α-酮戊二酸依赖的双加氧酶，可去除多种甲基化修饰（H3K4、H3K9、H3K27、H3K36等）
3. Reader（读取器）
溴结构域（Bromodomain）：
- 识别乙酰化赖氨酸
- 家族成员：BRD2/3/4、BRDT、PBRM1等
- 功能：招募转录机器和染色质重塑复合物
染色质结构域（Chromodomain）：
- 识别甲基化赖氨酸
- HP1（识别H3K9me3）、PRC1（识别H3K27me3）
- 功能：介导异染色质形成和基因沉默
Tudor结构域、PHD结构域、WD40重复等：
- 识别不同甲基化状态
- 功能：参与DNA修复、转录调控和细胞信号传导

转录激活相关修饰：
- H3K4me3：活跃启动子标记，招募TFIID复合物
- H3K9ac、H3K27ac：活跃增强子和启动子标记，与开放染色质相关
- H3K36me3：基因体标记，与转录延伸相关，招募RNA剪接因子
- H3K79me2：基因体标记，与转录活跃相关
转录抑制相关修饰：
- H3K27me3：多梳蛋白抑制标记，由PRC2复合物（EZH2）催化，介导发育基因的可逆沉默
- H3K9me2/3：异染色质标记，由SUV39H1/2催化，招募HP1蛋白，介导转座子沉默和组成型异染色质形成
- H4K20me3：抑制性标记，与DNA损伤修复和细胞周期调控相关
双价修饰（Bivalent Domain）：
- H3K4me3 + H3K27me3：同时存在于胚胎干细胞中发育调控基因的启动子区域
- 含义：基因处于"预备转录"状态——既被激活又被抑制，随时准备响应分化信号

1. X-ChIP-Seq（交联ChIP-Seq）
- 甲醛交联蛋白质-DNA → 超声打断染色质（200-1000 bp）→ 免疫沉淀 → 测序
- 适用于大多数组蛋白修饰，特别是稳定性较差的修饰
- 缺点：分辨率受限于超声片段大小，交联可能引入非特异性结合
2. N-ChIP-Seq（天然ChIP-Seq）
- 无交联 → MNase消化（单核小体分辨率，~147 bp）→ 免疫沉淀 → 测序
- 适用于稳定的组蛋白修饰（如H3K4me3、H3K27me3）
- 优点：单核小体分辨率，保留核小体定位信息
- 缺点：不适用于不稳定的修饰或DNA结合蛋白
3. CUT&RUN
- 抗体靶向组蛋白修饰 → 融合蛋白pA-MNase切割附近DNA → 释放DNA片段 → 测序
- 优点：低背景、高分辨率、低细胞数需求（可处理10^5细胞）
- 缺点：依赖抗体质量，部分修饰可能不适用
4. CUT&Tag
- 抗体靶向组蛋白修饰 → Tn5转座酶融合蛋白在修饰位点附近插入接头并切割DNA → 测序
- 优点：无需交联和超声，操作简便，背景更低，细胞数需求更低（可处理10^3-10^4细胞）
- 缺点：对转座酶活性敏感，部分区域可能覆盖不均

1. 数据质控
与转录因子ChIP-Seq质控类似，但需额外关注：
- 抗体特异性：Western blot验证抗体特异性
- 信号分布特征：不同修饰有特定的基因组分布模式
- 峰型特征：窄峰（如H3K4me3、H3K9ac）vs. 宽峰（如H3K27me3、H3K9me3）
2. 峰识别（Peak Calling）
窄峰类型（如H3K4me3、H3K9ac）：
- 使用与转录因子ChIP-Seq相同的方法（MACS2、HOMER）
- 峰通常位于TSS附近或增强子区域
宽峰类型（如H3K27me3、H3K9me3、H3K36me3）：
- 使用宽峰模式算法（MACS2 --broad、SICER、RSEG）
- 富集区域可跨越数十kb甚至数百kb
- 需要更大的合并窗口和更宽松的阈值
3. 差异富集区域分析
常用方法：
- DiffBind：基于DESeq2/edgeR的ChIP-Seq差异分析R包
- MAnorm：基于MA图的归一化方法，假设共有峰具有相同信号强度
- ChIPDiff：基于隐马尔可夫模型的差异分析
4. 染色质状态推断（Chromatin State Calling）
核心思想：整合多种组蛋白修饰的ChIP-Seq数据，基于修饰组合模式推断每个基因组区域的功能状态。
ChromHMM算法：
1. 将基因组划分为200 bp的区间
2. 对每个区间，检查是否存在每种组蛋白修饰的标记（二值化：有/无）
3. 使用多元隐马尔可夫模型（HMM）学习染色质状态
4. 模型训练后，为每个区间分配最可能的染色质状态
常见染色质状态：
- 状态1：活跃启动子（TSS附近，H3K4me3 + H3K27ac）
- 状态2：弱启动子/预备启动子（TSS附近，H3K4me3）
- 状态3：转录延伸（基因体，H3K36me3）
- 状态4：增强子（远端，H3K4me1 + H3K27ac）
- 状态5：弱增强子（远端，H3K4me1）
- 状态6：多梳蛋白抑制（H3K27me3）
- 状态7：异染色质/重复序列（H3K9me3）
- 状态8：绝缘子（CTCF结合位点）
SegWay：另一种基于动态贝叶斯网络的方法，可以处理连续信号而非二值化标记。

1. 染色体领域（Chromosome Territory, ~1-100 Mb）
- 每条染色体在核内占据相对独立的区域
- 原因：染色体是连续的DNA-蛋白质纤维，在不受约束时自然形成连贯区域
- 功能：减少不同染色体之间的异常相互作用，维持基因组稳定性
2. 染色质区室（Compartment, ~1-10 Mb）
- A区室（Compartment A）：转录活跃、开放染色质、基因密集、高表达
- B区室（Compartment B）：转录抑制、紧密染色质、基因稀疏、低表达
- 检测方法：Hi-C矩阵的主成分分析（PCA），第一主成分（PC1）正负值对应A/B区室
- 动态变化：不同细胞类型中，A/B区室可以发生转换，与基因表达变化相关
3. 拓扑关联结构域（TAD, ~0.1-1 Mb）
- 域内相互作用频率显著高于域间
- TAD边界富含CTCF结合位点、管家基因和tRNA基因
- 功能：限制增强子的调控范围，防止异位调控（enhancer adoption）
- 在发育过程中，TAD边界相对稳定，但内部结构可以发生重组
4. 染色质环（Loop, ~1 kb - 1 Mb）
- 点对点的高频相互作用
- 功能类型：增强子-启动子环、启动子-启动子环、CTCF介导的环
- 环的形成通常需要CTCF蛋白和Cohesin复合物的协同作用（环挤压模型）

实验步骤：
1. 固定：甲醛交联，共价固定空间上相邻的DNA片段
2. 酶切：限制性内切酶（如MboI，识别GATC）消化DNA
3. 末端修复：补齐粘性末端，加入生物素标记
4. 连接：低浓度下连接DNA片段，形成嵌合分子（DNA-DNA连接）
5. 解交联：蛋白酶消化蛋白质，纯化DNA
6. 打断和测序：超声打断DNA，富集生物素标记的嵌合片段，进行双端测序
技术原理：
- 两个DNA片段在核内空间距离越近，被连接形成嵌合分子的概率越高
- 测序后，嵌合分子的两个末端分别对应基因组上的两个位置
- 统计所有嵌合分子，构建全基因组相互作用矩阵
关键参数：
- 分辨率：取决于酶切位点密度和测序深度
- 100 kb分辨率：识别区室（约3亿reads）
- 40 kb分辨率：识别TAD（约5-10亿reads）
- 5-10 kb分辨率：识别环（约10-20亿reads）
- 常用酶：MboI（4碱基识别，约250 bp一个位点）vs. HindIII（6碱基识别，约4 kb一个位点）
Hi-C变体技术：
- Capture Hi-C：富集特定区域（如启动子）的相互作用，提高目标区域分辨率
- DNase Hi-C：使用DNase I替代限制性内切酶，提高分辨率
- Micro-C：使用MNase消化至核小体级别，分辨率可达单核小体水平
- in situ Hi-C：在细胞核内进行酶切和连接，减少随机碰撞，信噪比更高
- 单细胞Hi-C：分析单个细胞的三维基因组结构，揭示细胞间异质性

与Hi-C的区别：
- Hi-C无差别地检测全基因组所有相互作用
- ChIA-PET针对特定蛋白质（如CTCF、RNAPII、Cohesin）介导的相互作用进行富集
实验步骤：
1. 甲醛 + EGS交联
2. 超声打断染色质
3. ChIP富集目标蛋白质及其结合的DNA片段
4. 连接半连接子（half-linker），形成桥连接结构
5. 酶切或Tn5片段化，产生配对末端标签（PET）
6. 测序
优势：
- 信号特异性强，背景噪声低
- 分辨率可达100 bp
- 可以直接鉴定蛋白质介导的特定互作（如CTCF-CTCF环）
局限性：
- 依赖高质量抗体
- 只能研究与特定蛋白质相关的相互作用
- 需要较多细胞数

1. 比对和嵌合分子筛选
比对策略：
- Hi-C文库是嵌合分子（两个DNA片段连接），需要特殊处理
- 使用5'端优先比对策略：将reads比对到基因组，优先使用5'端信息
- 常用工具：HiC-Pro、Juicer、Chrom3D
有效嵌合分子筛选：
- 去除未连接的片段（两个末端比对到同一位置）
- 去除酶切位点距离过远（>1 kb）的片段（无效连接）
- 去除PCR重复
- 去除比对质量低的reads
2. 相互作用矩阵构建
- 将基因组划分为等距的区间（bins），如40 kb、10 kb、5 kb
- 统计每对区间之间的有效嵌合分子数量
- 结果：N×N的相互作用矩阵（N为区间数）
3. 矩阵校准（Normalization）
校准原因：
- GC含量差异：GC-rich区域更容易被连接和测序
- 酶切位点密度：MboI位点密度不均匀
- 序列可比对性：重复序列区域比对率低
- 这些因素导致某些区间的相互作用计数系统性偏高
校准方法：
显式校准（如HiC-Pro）：
- 将相互作用计数与GC含量、酶切位点数量、可比对性进行回归
- 得到回归校准后的相互作用计数
隐式校准（矩阵平衡法）：
- 假设：每个区间与所有其他区间的相互作用总量应该一致
- 算法：迭代地将矩阵每行除以行平均值，每列除以列平均值，直至收敛
- 结果：每个区间的行和列和均等于1（或常数）
- 优点：无需知道偏差来源，自动校正
- 缺点：对低覆盖区域敏感，可能引入噪声
4. 矩阵可视化
二维热图：
- 正方形形式：展示完整矩阵
- 三角形形式：利用矩阵对称性，仅展示上三角或下三角
- 颜色深度：表示相互作用频率（通常log2变换或归一化）
- 常用工具：JuiceBox、HiGlass、3D Genome Browser
弧形图（Arc plot）：
- 将基因组表示为一条直线
- 用弧线连接相互作用的两个位点
- 适合展示特定区域的相互作用

1. 识别染色质区室（Compartment Calling）
主成分分析法（PCA）：
1. 将相互作用矩阵对期望值进行标准化
- 期望值计算：相同基因组距离的平均相互作用频率
- 标准化：观察值 / 期望值
2. 计算皮尔逊相关系数矩阵
3. 对相关系数矩阵进行PCA
4. 第一主成分（PC1）的特征值符号区分A/B区室：
- PC1 > 0：A区室（活跃）
- PC1 < 0：B区室（抑制）
生物学验证：
- A区室与基因密度、表达水平、GC含量正相关
- B区室与核纤层关联、晚期复制正相关
2. 识别拓扑关联结构域（TAD Calling）
方向指数法（Directionality Index, DI）：
- 对于每个基因组区间（如40 kb bin），计算其向上游2 Mb和下游2 Mb的相互作用数目
- DI = (B - A) / |B - A| × [(A - E)²/E + (B - E)²/E]
- A：上游相互作用数；B：下游相互作用数；E：(A+B)/2
- DI > 0：倾向于与下游相互作用（TAD左边界）
- DI < 0：倾向于与上游相互作用（TAD右边界）
- |DI| ≈ 0：TAD内部
绝缘指数法（Insulation Score）：
- 计算每个bin作为TAD边界的绝缘能力
- 绝缘指数 = 相邻两侧bin的平均相互作用 / 该bin与两侧的相互作用
- 绝缘指数最低点对应TAD边界
常用软件：
- Arrowhead：Juicer工具包中的TAD识别算法
- TopDom：基于 DI 的TAD识别
- Armatus：基于动态规划的TAD识别
- lavaburst：多尺度TAD识别
3. 识别染色质环（Loop Calling）
HiCCUPS算法（Juicer工具包）：
- 核心假设：染色质环处的相互作用频率显著高于周围背景
- 将候选区域划分为中心像素和周围背景区域（左、右、上、下）
- 计算中心像素与每个背景区域的比值
- 使用负二项分布检验，判断中心是否显著高于背景（通常要求>50%）
- 多重分辨率检测：在5 kb、10 kb、25 kb分辨率分别检测，合并结果
其他方法：
- Fit-Hi-C：基于距离依赖模型的统计检验
- cLoops：基于局部密度聚类
- CHiCAGO：针对Capture Hi-C数据的环识别

主要步骤：
1. 比对：将双末端标签比对到参考基因组
2. 分类：将唯一比对标签分为自连接（同一基因组区域）和间连接（不同基因组区域）
3. 过滤：去除PCR重复和低质量连接
4. 富集分析：将相互作用锚点视为ChIP-Seq信号峰，进行peak calling
5. 环识别：基于锚点之间的连接频率，识别显著互作对
常用工具：ChIA-PET Tools

1. 碱基修饰
m⁶A（N⁶-甲基腺苷）：
- 分布：mRNA（约0.1-0.4%的腺苷被修饰）、lncRNA、pri-miRNA
- 共识序列：DRACH（D = A/G/U, R = A/G, H = A/C/U）
- Writer复合物：METTL3（催化亚基）、METTL14（底物识别）、WTAP（调控亚基）、VIRMA/KIAA1429（底物定位）
- Eraser：FTO（肥胖相关蛋白）、ALKBH5（AlkB同源蛋白5）
- Reader：YTHDF1（促进翻译）、YTHDF2（促进降解）、YTHDF3（促进翻译）、YTHDC1（调控剪接）、YTHDC2（调控翻译）、IGF2BP1/2/3（促进稳定性）
- 功能：调控mRNA稳定性、翻译效率、剪接模式、细胞定位和相分离
m⁵C（5-甲基胞苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：NSUN2（tRNA和mRNA）、NSUN6（tRNA）
- Eraser：TET家族（可氧化m⁵C为hm⁵C）
- Reader：ALYREF（核输出因子）
- 功能：影响翻译效率、密码子使用、RNA结构稳定性
m¹A（N¹-甲基腺苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：TRMT6/61A（tRNA）、TRMT6/61B（mRNA）
- 功能：影响翻译起始和延伸
m⁷G（N⁷-甲基鸟苷）：
- 分布：mRNA 5'帽子结构、rRNA、tRNA
- Writer：RNMT（mRNA帽子）、METTL1（tRNA）
- 功能：mRNA帽子识别、翻译起始
Ψ（假尿苷）：
- 分布：tRNA、rRNA、snRNA、少量mRNA
- Writer：PUS酶家族（蛋白质）或snoRNP（snoRNA指导）
- 功能：增强RNA结构稳定性、影响密码子解码、调控剪接
A→I（腺苷到肌苷编辑）：
- 酶：ADAR家族（ADAR1、ADAR2）
- 功能：改变密码子（如谷氨酰胺密码子CAG变为精氨酸密码子CGG），影响蛋白质序列
2. 核糖修饰
2'-O-Me（2'-O-核糖甲基化）：
- 分布：rRNA、tRNA、snRNA、部分mRNA
- Writer：snoRNP复合物（C/D box snoRNA指导）
- 功能：增强RNA对碱水解的抗性，影响翻译效率
3. 混合型修饰
m⁶Am（N⁶,2'-O-二甲基腺苷）：
- 分布：mRNA 5'帽子结构
- 功能：保护mRNA 5'端，调控翻译效率

1. 调控mRNA稳定性
- YTHDF2识别m⁶A修饰，招募CCR4-NOT去腺苷酸化复合物，促进mRNA降解
- IGF2BP1/2/3识别m⁶A修饰，稳定靶mRNA（如Myc mRNA）
- m⁶A修饰在5'UTR可以通过YTHDF2促进降解，在3'UTR则效应更复杂
2. 调控翻译效率
- 5'UTR m⁶A：促进cap-independent翻译（如热休克响应）
- 3'UTR m⁶A：YTHDF1/3促进翻译起始
- CDS m⁶A：通常抑制翻译延伸
- m⁵C在5'UTR：促进翻译起始
3. 调控可变剪接
- YTHDC1识别内含子m⁶A，促进外显子 inclusion
- METTL3/METTL14可以调控特定外显子的剪接
- m⁶A修饰可以影响SR蛋白的RNA结合
4. 调控RNA定位和运输
- m⁶A修饰影响mRNA的核滞留和核输出
- YTHDC1调控 circRNA的核输出
- m⁵C促进mRNA的核输出（通过ALYREF）
5. 调控细胞命运和发育
- 胚胎干细胞中m⁶A水平调控多能性维持和分化
- 精子发生、卵子成熟、神经发育等过程依赖精确的RNA修饰调控
- m⁶A缺失（Mettl3敲除）导致胚胎致死，显示其必不可少的作用
6. 与疾病的关联
- 癌症：FTO和ALKBH5在多种癌症中高表达，通过降低m⁶A水平促进肿瘤增殖
- 肥胖：FTO是第一个被发现与肥胖显著相关的基因，通过调控m⁶A影响能量代谢
- 神经退行性疾病：ADAR突变与Aicardi-Goutieres综合征、肌萎缩侧索硬化（ALS）相关
- 病毒感染：HIV等病毒利用宿主m⁶A machinery调控病毒基因表达和潜伏

1. 基于亲和纯化的方法
MeRIP-seq（m⁶A-seq）：
- 原理：m⁶A特异性抗体免疫沉淀 → 测序
- 分辨率：约100-200 nt（依赖片段大小）
- 优点：广泛应用，可检测多种修饰
- 缺点：分辨率低，不能精确定位到单碱基
m⁶A-label-seq：
- 原理：使用Se-烯丙基-L-硒基同型半胱氨酸替代m⁶A形成a⁶A，可被抗体富集，碘诱导环化后在反转录中产生碱基错配
- 分辨率：单碱基
- 限制：仅适用于细胞培养，不能用于组织样本
2. 基于反转录诊断事件的方法
miCLIP（m⁶A individual-nucleotide-resolution cross-linking and immunoprecipitation）：
- 原理：254 nm UV交联 → m⁶A抗体免疫沉淀 → 反转录中m⁶A位点附近产生C→T突变或截断 → 测序
- 分辨率：单碱基
- 优点：分辨率高
- 缺点：交联效率低，只能鉴定部分位点
PA-m⁶A-seq：
- 原理：将4SU整合到mRNA → 365 nm UV交联 → 抗体免疫沉淀 → 反转录中4SU附近U被误读为C → 约20 nt分辨率
RNA-BisSeq（m⁵C检测）：
- 原理：亚硫酸盐处理RNA → 未修饰C→U，m⁵C保留 → 测序
- 注意：RNA亚硫酸盐处理条件比DNA更苛刻
Ψ检测方法：
- CMC处理：羧甲基纤维素（CMC）在Ψ位点引入庞大基团，导致反转录终止
- PSI-Seq/Pseudo-Seq/CeU-Seq：基于CMC的Ψ检测方法
- RBS-Seq：亚硫酸盐处理RNA，Ψ位点产生碱基缺失
m¹A检测：
- m¹A-MAP/m¹A-seq-TGIRT：基于m¹A在反转录中诱导碱基错配，使用耐高温TGIRT酶增加错配率
3. 基于化学或酶抗性的方法
RiboMeth-seq（2'-O-Me检测）：
- 原理：2'-O-Me增强磷酸二酯键对碱水解的抗性 → 有2'-O-Me的位点保护相邻核苷酸不被降解 → 测序后检测保护末端
- 缺点：背景高，需要高测序深度
Nm-seq：
- 原理：无2'-O-Me的3'端核苷酸被高碘酸盐氧化后降解，有2'-O-Me的则保留 → 富集3'端有2'-O-Me的片段
- 缺点：碎片化偏好性，需要多次氧化循环
Nm-REP-seq：
- 原理：结合MgR酶消化（在2'-O-Me前一位停顿）和化学处理（在2'-O-Me位点停顿）→ 两种方法共同验证，降低假阳性
4. 基于第三代测序的方法
ONT纳米孔测序：
- 原理：DNA/RNA通过纳米孔时产生特征性电流信号，甲基化修饰改变电流特征
- 优点：无需亚硫酸盐处理，长读长，可区分多种修饰
- 缺点：错误率较高，需要高深度
- 软件：EpiNano（用于m⁶A、Ψ、2'-O-Me鉴定）
PacBio SMRT测序：
- 原理：实时监测DNA聚合酶动力学，修饰碱基影响聚合速率（脉冲间隔）和信号强度（脉冲宽度）
- 优点：单分子分辨率，可同时检测序列和修饰
- 缺点：通量较低，成本高

1. 基于亲和纯化数据的峰识别
exomePeak：
- 原理：IP样本 vs. input样本，计算每个位点的修饰程度（IP / (IP + input)）
- 统计检验：C-test（基于二项分布）
- 优点：考虑了整体修饰水平
MACS2：
- 可直接用于RNA修饰IP数据（类似ChIP-Seq peak calling）
- 动态泊松分布建模背景
MeTPeak：
- 采用分层β-二项模型模拟读段富集方差
- 使用隐马尔可夫模型解释相邻富集的依赖性
CTK：
- 使用"寻谷算法"（valley-seeking）分离重叠峰
- 计算相邻局部最大值之间的谷深度，判断是否应分为两个峰
- 支持多种背景模型和扫描统计
2. 基于反转录诊断事件的单碱基鉴定
CTK/miCLIP数据分析：
- 关注诊断事件：突变（C→T）、截断、缺失
- 对于每个候选位点，计算：
- k：覆盖该位点的总reads数
- m：具有特定诊断事件的reads数
- 使用排列检验（permutation test）评估显著性：
- 随机将突变插入到其他reads中（保持相对于5'端的偏移）
- 比较实际数据和排列数据中(k, m)的分布
- 为每个位点分配经验FDR
- 额外过滤：排除与已知SNP重叠的位点，检查"RRAC"模体（m⁶A consensus）
PARalyzer：
- 分析用户指定的突变类型
- 通过聚类和统计检验识别高置信度修饰位点
3. 基于化学/酶抗性的数据鉴定
endSeeker（Nm-REP-seq数据分析）：
- 计算每个转录本位置的3'端覆盖度
- 候选位点应满足：
- 覆盖度显著高于上下游各1 nt
- 覆盖度显著高于对照组（未处理样本）
- 计算四个变量：
- upFC = 候选位点覆盖度 / 上游1 nt覆盖度
- downFC = 候选位点覆盖度 / 下游1 nt覆盖度
- upCtrlFC = upFC / 对照组upFC
- downCtrlFC = downFC / 对照组downFC
- 结合四个变量筛选高置信度2'-O-Me位点
4. 基于第三代测序的修饰鉴定
EpiNano-Error模式：
- 比较修饰酶敲除/敲低样本与野生型样本
- 分析碱基识别错误（突变、缺失、插入）的频率差异
- 基于错误模式差异预测修饰位点
EpiNano-SVM模式：
- 使用已知修饰位点训练SVM模型
- 提取纳米孔测序信号特征（电流、持续时间等）
- 预测新样本中的修饰位点
5. RNA修饰位点分布分析
Meta-gene分析（MetaPlotR）：
- 将转录本坐标归一化为元坐标：
- 5'UTR：0-1
- CDS：1-2
- 3'UTR：2-3
- 绘制修饰位点在元基因模型上的分布
- 揭示修饰特征：如m⁶A在终止密码子附近富集
Motif分析：
- m⁶A："RRAC" consensus motif
- 在鉴定位点周围搜索显著富集的序列模式
- 使用MEME、DREME等工具
6. 差异RNA修饰分析
Differential m⁶A分析：
- 比较两组样本（如疾病 vs. 正常）的m⁶A水平
- 方法：exomePeak2、MeTDiff、QNB（基于β-二项模型）
- 输出：差异甲基化位点或区域，以及关联的基因

1. DNA甲基化与组蛋白修饰的互作
DNA甲基化 → 组蛋白修饰：
- 甲基化CpG可以被MBD蛋白（如MeCP2）识别，招募HDAC和SIN3A复合物，导致去乙酰化和染色质压缩
- DNMT3A/3B可以与EZH2（PRC2）相互作用，在新靶基因上同时建立DNA甲基化和H3K27me3
组蛋白修饰 → DNA甲基化：
- H3K4me3可以阻止DNMT3L与核小体结合，从而抑制DNA甲基化（保护CpG岛）
- H3K36me3可以招募DNMT3B，促进基因体的DNA甲基化
- H3K9me3可以招募DNMT3A/3B，促进异染色质区域的DNA甲基化
2. 组蛋白修饰之间的交叉对话
H3K4me3与H3K27me3的双价修饰：
- PRC2复合物（EZH2）在H3K4me3存在时活性受抑
- KDM5B（H3K4me3去甲基化酶）可以与PRC2协同，使H3K4me3减少，H3K27me3增加
- 这种动态平衡决定了基因的"预备态"或"激活态"
H3K9me3与H3K27me3的互斥：
- H3K9me3（异染色质）和H3K27me3（多梳抑制）通常不共存
- 在特定发育阶段，H3K27me3标记的基因可以转变为H3K9me3标记，实现从"可逆沉默"到"不可逆沉默"的转换
3. 三维基因组与表观遗传修饰的互作
CTCF与Cohesin的协同：
- CTCF结合到基因组特定位置，作为Cohesin复合物的"锚点"
- Cohesin通过"环挤压"（loop extrusion）机制将DNA拉成环，直到遇到另一个CTCF位点
- 环的形成使增强子和启动子空间接近，促进转录激活
- CTCF位点的甲基化或突变可以破坏环化，导致增强子异位调控
TAD边界与表观遗传状态：
- TAD边界通常富含CTCF和H3K4me3，处于活跃状态
- TAD内部的表观遗传状态可以多样化，但边界维持域内的一致性
- TAD边界破坏后，域内的表观遗传信息可以"泄漏"到相邻TAD
4. RNA修饰与表观遗传的互作
m⁶A与DNA甲基化的互作：
- METTL3可以催化染色质相关RNA（caRNA）的m⁶A修饰
- caRNA的m⁶A修饰可以招募YTHDC1，促进染色质开放和转录激活
- 在某些基因上，m⁶A修饰与DNA去甲基化协同作用
m⁶A与组蛋白修饰的互作：
- H3K36me3由SETD2催化，可以招募METTL3/14，促进新生RNA的m⁶A修饰
- 这种耦合机制确保了活跃转录基因的高m⁶A水平

1. 数据整合层次
基因组层次：
- 结合基因组变异（SNP、CNV、SV）和表观遗传数据
- 分析变异对表观遗传状态的影响（如eQTL、caQTL、meQTL）
转录调控层次：
- 整合ChIP-seq（TF、组蛋白）、ATAC-seq（染色质可及性）、RNA-seq（转录本）
- 构建转录调控网络：TF → 表观遗传 → 基因表达
表观遗传层次：
- 整合DNA甲基化、组蛋白修饰、三维结构、RNA修饰
- 构建多层表观遗传调控图谱
2. 整合分析方法
关联分析：
- 相关性分析：表观遗传特征与基因表达的相关性
- 回归分析：预测基因表达的最优表观遗传特征组合
- 因果推断：使用中介分析或孟德尔随机化推断因果关系
网络分析：
- 构建多组学调控网络（如ARACNE、WGCNA）
- 识别多组学模块（multi-omics modules）
- 模块富集分析：揭示协同调控的功能通路
机器学习：
- 使用随机森林、梯度提升树、深度学习等方法整合多组学特征
- 预测基因表达、细胞状态或疾病风险
- 特征重要性分析：识别关键调控因子

1. 单细胞技术
scATAC-seq：
- 原理：Tn5转座酶切割开放染色质，加入测序接头
- 应用：单细胞染色质可及性分析
- 特点：检测数千个单细胞，揭示细胞类型特异性调控元件
scRNA-seq + 表观遗传整合：
- 同时测量单个细胞的转录组和表观遗传状态（如scNMT-seq：scRNA-seq + scWGBS + scATAC-seq）
- 揭示转录异质性的表观遗传基础
scHi-C：
- 原理：在单细胞中进行Hi-C实验
- 挑战：需要极高的灵敏度（每个细胞仅有一份基因组）
- 应用：揭示细胞间三维结构的异质性
2. 单细胞数据分析挑战
数据稀疏性：
- 单个细胞中只有部分基因组区域被检测到（如scATAC-seq中每个细胞仅约1,000-10,000个开放位点）
- 需要专门的降维和插补方法（如LSA、cisTopic、SnapATAC）
批次效应：
- 不同实验批次、不同 donor 之间的技术差异
- 整合方法：Harmony、Seurat CCA、LIGER、scVI
细胞类型鉴定：
- 基于染色质可及性峰进行聚类和注释
- 使用基因活性评分（peak-to-gene linkage）推断细胞类型

1. 纳米孔测序（ONT）在表观遗传中的应用
DNA甲基化检测：
- 直接检测5-mC和5-hmC，无需亚硫酸盐处理
- 可以区分CpG、CHG和CHH甲基化
- 同时检测DNA序列和甲基化信息
RNA修饰检测：
- 直接检测m⁶A、Ψ、2'-O-Me等修饰
- 保留全长RNA信息，包括可变剪接和融合基因
- 软件：EpiNano、Nanocompore、Tombo
优势：
- 长读长（可达数百万bp）可以跨越重复序列和复杂区域
- 单分子分辨率揭示等位基因特异性修饰
- 可以检测结构变异和甲基化的同时存在
挑战：
- 错误率较高（约5-10%），需要高深度覆盖
- 碱基识别和修饰检测的准确性仍在改进中
- 成本和通量与二代测序相比仍有差距
2. PacBio SMRT在表观遗传中的应用
DNA甲基化检测：
- 通过IPD（interpulse duration）和PW（pulse width）检测甲基化
- 可以检测m⁶A（腺嘌呤甲基化）和4-mC（胞嘧啶甲基化）
- 在细菌中应用广泛，真核生物中主要用于m⁶A检测

1. 表观遗传数据预测
DNA甲基化预测：
- DeepSignal：基于深度学习的纳米孔测序甲基化检测
- CpG Transformer：利用Transformer模型预测CpG甲基化状态
组蛋白修饰预测：
- DeepSEA：从DNA序列预测染色质特征
- ChromatinNN：基于图神经网络预测染色质状态
三维结构预测：
- 使用CNN和Transformer预测Hi-C接触矩阵
- 从DNA序列预测TAD边界和环化位点
2. 多模态数据整合
多组学深度学习：
- MOFA+：基于变分自编码器的多组学因子分析
- VAE-based integration：使用变分自编码器整合多组学数据
- 优势：可以处理缺失数据，发现非线性关系
3. 单细胞数据分析
scVI（Single-cell Variational Inference）：
- 基于变分自编码器的单细胞数据整合和降维
- 可以处理多批次、多组学数据
- 应用：单细胞多组学整合、批次校正、缺失插补
AI在表观遗传中的挑战：
- 数据标注困难，监督学习受限
- 需要解释性AI来理解生物学机制
- 模型的泛化能力受限于训练数据的多样性

> 章节导读：基因的表达受到精密的调控。从转录因子对基因启动子和增强子的特异性识别，到DNA甲基化、组蛋白修饰等表观遗传信息对染色质状态的动态调控，再到三维基因组结构中增强子与启动子的远程互作，以及RNA分子上的化学修饰——这些多层次、多维度的调控机制共同决定了细胞类型特异性、发育时序性和环境响应性。本章将系统介绍转录调控和表观遗传的基本概念、分析技术和数据处理方法，帮助读者理解基因表达调控的复杂网络。

基因转录调控是一个多层次的复杂过程，涉及多个调控元件和蛋白质的协同作用：
1. 启动子（Promoter）：位于基因转录起始位点（TSS）上游的DNA区域，包含核心启动子元件（如TATA框、起始子Inr）和近端启动子元件。核心启动子负责招募RNA聚合酶II和通用转录因子，形成基础转录机器。
2. 增强子（Enhancer）：可以位于基因上游、下游或内含子中的DNA调控元件，通过结合特定转录因子来增强靶基因的转录效率。增强子的特点是具有位置独立性（可以位于靶基因的任何方向）和距离独立性（可以距离靶基因数kb甚至数十kb）。
3. 绝缘子（Insulator）：阻断增强子与启动子之间的通信，或防止异染色质区域的扩散，从而维持基因表达边界。
4. 沉默子（Silencer）：与转录抑制因子结合，降低靶基因的转录活性。

转录因子通过以下步骤实现对基因表达的精确调控：
1. 识别与结合：转录因子的DNA结合域识别并结合特定的DNA序列模体（motif）。常见的DNA结合域类型包括：锌指结构（Zinc finger）、同源异型域（Homeodomain）、亮氨酸拉链（Leucine zipper）、螺旋-环-螺旋（Helix-loop-helix）等。
2. 协同作用：多个转录因子可以在同一调控区域形成复合物，通过协同效应增强或抑制转录效率。这种组合调控（combinatorial regulation）使得有限的转录因子种类能够产生极其复杂的调控模式。
3. 染色质重塑：转录因子可以招募染色质重塑复合物（如SWI/SNF、ISWI、CHD家族），改变核小体的位置和组成，从而影响DNA的可及性。

表观遗传信息主要通过以下四种机制调控基因表达：
1. DNA甲基化：DNA甲基转移酶（DNMT）将甲基基团添加到胞嘧啶的5号碳位（主要发生在CpG二核苷酸中），形成5-甲基胞嘧啶（5-mC）。DNA甲基化通常与基因沉默相关，尤其是启动子区域的甲基化会抑制基因转录。
2. 组蛋白修饰：组蛋白N端尾部的氨基酸残基可以发生多种共价修饰，包括乙酰化、甲基化、磷酸化、泛素化等。这些修饰可以改变核小体的结构和DNA的缠绕松紧程度，从而影响基因的可及性。例如，组蛋白乙酰化通常与转录激活相关，而组蛋白甲基化的效应则取决于具体位点和甲基化程度。
3. 染色质重塑：ATP依赖的染色质重塑复合物通过滑动、移除或交换核小体来改变染色质结构，从而调控基因表达。
4. 非编码RNA调控：长链非编码RNA（lncRNA）、microRNA（miRNA）等可以通过多种机制调控基因表达，包括染色质重塑、转录干扰和mRNA降解等。

表观遗传信息可以在细胞分裂过程中传递给子代细胞，这是表观遗传学的重要特征。DNA甲基化的维持机制：在DNA复制过程中，半甲基化的DNA（母链甲基化、子链未甲基化）可以被维持性DNA甲基转移酶DNMT1识别，并在子链对应位置添加甲基，从而维持甲基化状态。组蛋白修饰的传递则主要通过"组蛋白密码假说"和组蛋白变体的掺入来实现。

1. DNA共有序列
构建方法：对已知的多条转录因子结合序列进行多序列比对，在每个位置选择频率最高的碱基（若最高频率低于某个阈值，则使用简并码）。例如：
- 序列集合：TACTGTA, TACTGCA, TACTGTA, TACTGCA
- 共有序列：TACTGHA（H表示A/C/T）
局限性：无法反映碱基频率的连续变化，对信息的利用不够充分。
2. 位置频率矩阵（PFM）
对于一个长度为n的模体，PFM的构建步骤：
1. 收集已知的转录因子结合序列（通常来自SELEX、PBM或ChIP-Seq实验）
2. 对序列进行多序列比对
3. 统计每个位置（j=1..n）上每种碱基（i∈{A,C,G,T}）的出现次数
4. 计算频率：q_{i,j} = count_{i,j} / N（N为序列总数）
3. 序列标识图（Sequence Logo）
每个位置的信息量（R_j）计算：
$$R_j = H_{max} - H_j = 2 - \left(-\sum_{i=1}^{4} q_{i,j} \log_2 q_{i,j}\right)$$
其中H_j为位置j的信息熵，H_max=2（当4种碱基均匀分布时的最大熵）。
每个碱基的高度：height_{i,j} = q_{i,j} × R_j
4. 位置权重矩阵（PWM）
$$S_{i,j} = \log_2\left(\frac{q_{i,j}}{b_i}\right)$$
其中b_i为碱基i在背景基因组中的频率。
对于待扫描序列的打分：S = Σ_{j=1}^{n} S_{i,j}
窗口滑动扫描：使用长度为n的窗口，以1 bp为步长在基因组上滑动，对每个片段计算PWM得分，筛选超过阈值的位点作为潜在结合位点。

1. 基于共有序列的穷举方法
- 遍历所有可能的k-mer序列（4^k种组合）
- 统计每个k-mer在输入序列集中的出现频率
- 筛选在多数序列中均有出现的显著模式
- 计算复杂度：O(4^k)，适用于k≤10的情况
2. 基于EM算法的模体发现（以MEME为代表）
EM算法包含两个迭代步骤：
E-step（期望步骤）：假设当前位置频率矩阵为θ，对每条序列中每个可能的结合位点位置计算似然比：
$$LR = \frac{P(\text{sequence}|\theta)}{P(\text{sequence}|\theta_0)}$$
其中θ_0为背景碱基频率模型。
M-step（最大化步骤）：以E-step得到的似然比为权重，重新计算位置频率矩阵，最大化观测数据的似然函数。
迭代直至收敛，最终得到最优的位置频率矩阵。
MEME算法改进：先遍历所有可能的起始矩阵，筛选具有统计学显著性的矩阵作为EM的输入，避免陷入局部最优。
3. 基于Gibbs抽样的模体发现
Gibbs抽样是一种马尔可夫链蒙特卡罗（MCMC）方法：
1. 从N条序列中随机选择一条序列S_i
2. 从剩余N-1条序列中随机提取长度为n的片段，构建初始位置频率矩阵
3. 基于该矩阵对S_i中每个可能的n长度片段计算似然比
4. 根据似然比概率随机选择一个片段作为S_i上的结合位点
5. 用选中的片段更新位置频率矩阵
6. 重复步骤1-5，遍历所有序列，完成一轮迭代
7. 多轮迭代直至矩阵收敛
Gibbs抽样的优势：随机化策略可以跳出局部最优，探索更广泛的可能性空间。

实验流程：
1. 交联：甲醛处理细胞，共价固定蛋白质-DNA复合物
2. 裂解：超声波打断染色质，获得约200 bp的DNA片段
3. 免疫沉淀：用特异性抗体捕获目标蛋白及其结合的DNA片段
4. 解交联：去除蛋白质，纯化DNA
5. 测序：构建测序文库，进行高通量测序
技术特点：
- 需要生物学重复（通常2-3次）以提高可靠性
- 人类/小鼠转录因子ChIP-Seq建议测序深度约2000万reads
- 对照样本（Input或IgG）用于背景校正

1. 信号峰层面的质控
FRiP（Fraction of Reads in Peaks）：落入信号峰区域的reads占所有reads的比例。高质量数据FRiP > 0.05（转录因子）或 > 0.2（组蛋白修饰）。
互相关分析（Cross-correlation）：利用正链和负链reads的相位差估计DNA片段长度。关键指标：
- NSC（Normalized Strand Coefficient）= cc(片段长度) / min(cc)，通常NSC > 1.1
- RSC（Relative Strand Correlation）= [cc(片段长度) - min(cc)] / [cc(读段长度) - min(cc)]，通常RSC > 0.8
IDR（Irreproducible Discovery Rate）：衡量生物学重复之间信号峰的可重复性。IDR值越低，信号峰的可重复性越好。通常以IDR < 0.05筛选高置信度信号峰。
2. 注释层面的质控
- 基因组分布：信号峰应在启动子/增强子区域富集
- 序列保守性：信号峰中心应有比周围更高的PhastCons保守性得分
- 模体验证：已知结合模体应在信号峰中心富集

1. 信号峰识别（Peak Calling）
以MACS2为例：
1. 估计片段长度d：通过互相关分析确定正链和负链reads的偏移距离
2. 将reads向3'端移动d/2，构建富集信号
3. 动态泊松分布建模：局部背景λ = max(λ_{local}, λ_{global})
4. 计算每个候选区域的富集显著性（p-value）
5. 多重检验校正（Benjamini-Hochberg FDR），筛选显著富集区域
2. 差异信号峰分析
- 定量比较：类似RNA-seq差异分析方法，比较两套ChIP-Seq数据的信号强度差异（如DiffBind、MAnorm）
- 定性比较：使用严格阈值在一套数据中识别信号峰，用宽松阈值在另一套数据中扫描，仅在一套中出现的峰为差异峰
3. 靶基因预测
- 最近TSS法：将信号峰关联到距离最近的转录起始位点
- 距离阈值法：将TSS一定距离（如±50 kb）内的信号峰关联到该基因
- 加权距离法：信号峰权重随距离增加而衰减（线性或指数衰减）
- 整合转录组法：结合RNA-seq或 knockdown/knockout 实验的转录变化，筛选靶基因（如BETA方法）
4. 功能注释
- ORA（Over-Representation Analysis）：对靶基因列表进行GO/KEGG富集分析
- GREAT/Cistrome-GO：基于信号峰在全基因组的分布，直接进行区域富集分析

在哺乳动物中，DNA甲基化主要发生在CpG二核苷酸的胞嘧啶上：
- 5-甲基胞嘧啶（5-mC）：最常见的DNA甲基化形式，由DNMT酶家族催化
- 5-羟甲基胞嘧啶（5-hmC）：5-mC的氧化产物，近年来发现其具有独特的调控功能
- 5-甲酰基胞嘧啶（5-fC）和5-羧基胞嘧啶（5-caC）：5-hmC的进一步氧化产物，是主动去甲基化途径的中间产物
DNA甲基化状态的三种形式：
- 全甲基化（Fully methylated）：DNA双链的CpG均被甲基化
- 半甲基化（Hemimethylated）：仅一条链的CpG被甲基化（DNA复制后的中间状态）
- 未甲基化（Unmethylated）：双链CpG均未甲基化

1. 从头甲基化（De novo methylation）
- 酶：DNMT3A、DNMT3B
- 机制：识别未甲基化的DNA双链，以S-腺苷甲硫氨酸（SAM）为甲基供体，催化CpG位点的甲基化
- 调控：DNMT3L（无催化活性的辅助蛋白）可增强DNMT3A/3B的活性
2. 甲基化维持（Maintenance methylation）
- 酶：DNMT1
- 机制：在DNA复制后，DNMT1识别半甲基化的CpG（母链甲基化、子链未甲基化），在子链对应位置添加甲基，维持甲基化状态
- 辅助因子：UHRF1蛋白识别半甲基化DNA并招募DNMT1
3. 主动去甲基化
- TET酶氧化：TET1/2/3将5-mC逐步氧化为5-hmC、5-fC、5-caC
- TDG切除：胸腺嘧啶DNA糖基化酶（TDG）识别并切除5-fC和5-caC
- BER修复：碱基切除修复（BER）途径填补缺口，最终完成去甲基化
4. 被动去甲基化
- 在DNMT1活性缺失或不表达的细胞中，DNA复制后甲基化无法维持
- 随细胞分裂，甲基化被逐渐"稀释"，最终达到未甲基化状态

1. 基因表达调控
- 启动子CpG岛甲基化：阻碍转录因子结合，招募甲基CpG结合蛋白（如MeCP2），导致转录沉默
- 基因体甲基化：与转录活跃相关，可能促进转录延伸或抑制转录起始
- 增强子甲基化：降低增强子活性，影响远端基因调控
2. 基因组印记（Genomic Imprinting）
- 亲本等位基因特异的甲基化模式，使子代中仅表达父源或母源等位基因
- 印记基因的异常与Beckwith-Wiedemann综合征、Angelman综合征等疾病相关
3. X染色体失活（X-inactivation）
- 雌性哺乳动物通过Xist lncRNA介导的染色质沉默，使一条X染色体失活
- DNA甲基化在维持X染色体失活状态中发挥重要作用
4. 转座子沉默
- 重复序列和转座子区域的高甲基化抑制其转录活性，维持基因组稳定性
5. 细胞分化和发育
- 胚胎发育过程中经历大规模的DNA甲基化重编程
- 组织特异性甲基化模式决定细胞身份和功能

1. 全基因组重亚硫酸盐测序（WGBS）
- 原理：亚硫酸盐转化 + 全基因组测序
- 优点：单碱基分辨率、全基因组覆盖、定量准确
- 缺点：测序成本高、DNA损伤大、C→U转化导致序列复杂性降低
- 应用：全基因组甲基化图谱绘制、DMR鉴定
2. 简化代表性重亚硫酸盐测序（RRBS）
- 原理：限制性内切酶（MspI）富集CpG岛区域，再进行亚硫酸盐测序
- 优点：成本低、覆盖启动子和CpG岛区域
- 缺点：仅覆盖约1-5%基因组，对非CpG岛区域不敏感
3. 甲基化DNA免疫沉淀测序（MeDIP-Seq）
- 原理：使用5-mC特异性抗体富集甲基化DNA片段，然后测序
- 优点：无需亚硫酸盐处理，DNA完整性高
- 缺点：分辨率低（约100-200 bp），不能区分5-mC和5-hmC
4. 第三代测序技术
- ONT纳米孔测序：通过检测DNA通过纳米孔时的电信号差异，直接识别甲基化修饰
- PacBio SMRT测序：通过分析DNA聚合酶动力学的变化检测甲基化
- 优点：无需亚硫酸盐处理，可区分5-mC和5-hmC，长读长
- 缺点：错误率较高，需要较高测序深度

1. 原始数据质控
- TrimGalore：去除接头序列和低质量碱基（对亚硫酸盐数据优化）
- FastQC：检查碱基质量、GC含量、长度分布
- 特别关注：亚硫酸盐转化效率（通过未甲基化对照λ噬菌体DNA评估）
2. 序列比对
亚硫酸盐转化的特殊性：
- C→U转化后，DNA序列中C极为稀少（仅剩甲基化C）
- 两条链不再互补（仅一条链发生C→T转化）
- 需要专门的比对算法
两种主要比对策略：
三字符法（3-letter）：将参考基因组中所有C替换为T，reads也进行C→T转换，然后比对。优点：简单快速；缺点：信息量损失，部分位点无法区分。
通配符法（Wild-card）：将参考基因组中所有C替换为Y（C或T），保留C的两种可能性。优点：信息完整；缺点：比对复杂度增加，可能引入偏差。
常用比对软件：
- Bismark：基于Bowtie/Bowtie2，进行C→T和G→A双重转换，准确率高，使用最广泛
- BSMAP：通配符法，不转换基因组，创建种子列表进行比对
- Bwa-meth：基于BWA-MEM，支持长读长比对
- Walt：针对亚硫酸盐数据的专门优化算法
3. 甲基化水平推断
对于每个CpG位点：
$$\text{甲基化水平} = \frac{\text{覆盖该位点的甲基化reads数}}{\text{覆盖该位点的总reads数}}$$
影响因素和校正：
- DNA片段末端修复引入的非甲基化C
- 接头序列污染
- 3'端测序质量下降
- 不均衡PCR扩增
- 5-hmC的干扰（亚硫酸盐无法区分5-mC和5-hmC）
4. 差异甲基化区域（DMR）鉴定
滑动窗口法：
- 将基因组划分为固定大小的窗口（如1 kb）
- 比较两组样本间每个窗口的平均甲基化水平
- 使用t检验、Wilcoxon检验或β-二项模型计算显著性
- 筛选连续显著窗口，合并为DMR
常用软件：
- methylKit：R包，支持滑动窗口和CpG-wise分析
- BSmooth：基于局部似然平滑，适合WGBS数据
- MOABS：基于分层贝叶斯模型，整合生物学重复信息
- dmrFinder：结合统计检验和区域合并
5. DMR注释和功能分析
- 基因组位置注释：启动子、外显子、内含子、基因间区
- 基因关联：关联到最近的基因或TSS
- 功能富集：GO/KEGG富集分析、motif分析
- 整合分析：结合RNA-seq数据，分析DMR与差异表达基因的关系

组蛋白修饰命名由四部分组成：
组蛋白类型 + 氨基酸残基 + 位置 + 修饰类型
例如：
- H3K4me3：H3组蛋白第4位赖氨酸的三甲基化
- H3K27ac：H3组蛋白第27位赖氨酸的乙酰化
- H3K9me2：H3组蛋白第9位赖氨酸的二甲基化
- H2BK120ub：H2B组蛋白第120位赖氨酸的泛素化
常见修饰类型缩写：
- ac：乙酰化（acetylation）
- me1/me2/me3：一/二/三甲基化（mono-/di-/tri-methylation）
- me2s/me2a：对称/非对称二甲基化（dimethylation symmetric/asymmetric）
- ub：泛素化（ubiquitination）
- ph：磷酸化（phosphorylation）

1. Writer（写入器）
组蛋白乙酰转移酶（HAT）：
- 将乙酰基从乙酰辅酶A转移到组蛋白赖氨酸残基上
- 家族分类：GNAT家族（GCN5、PCAF）、MYST家族（MOZ、YBF2、SAS2、TIP60）、p300/CBP家族
- 功能：中和赖氨酸正电荷，减弱与DNA的相互作用，促进染色质开放
组蛋白甲基转移酶（HMT）：
- 以S-腺苷甲硫氨酸（SAM）为甲基供体
- 赖氨酸甲基转移酶：SET结构域家族（如MLL、EZH2、SETD2、SUV39H1）
- 精氨酸甲基转移酶：PRMT家族（PRMT1、PRMT4/CARM1、PRMT5）
- 功能：不改变电荷，但增加空间位阻，影响蛋白质相互作用
2. Eraser（擦除器）
组蛋白去乙酰化酶（HDAC）：
- 去除赖氨酸残基上的乙酰基
- 家族分类：Class I（HDAC1/2/3/8）、Class II（HDAC4/5/6/7/9/10）、Class III/Sirtuins（SIRT1-7）、Class IV（HDAC11）
- 功能：恢复赖氨酸正电荷，增强与DNA的相互作用，促进染色质压缩
组蛋白去甲基化酶（KDM）：
- KDM1/LSD1家族：黄素依赖氧化酶，主要去除H3K4me1/2和H3K9me2
- JmjC家族：α-酮戊二酸依赖的双加氧酶，可去除多种甲基化修饰（H3K4、H3K9、H3K27、H3K36等）
3. Reader（读取器）
溴结构域（Bromodomain）：
- 识别乙酰化赖氨酸
- 家族成员：BRD2/3/4、BRDT、PBRM1等
- 功能：招募转录机器和染色质重塑复合物
染色质结构域（Chromodomain）：
- 识别甲基化赖氨酸
- HP1（识别H3K9me3）、PRC1（识别H3K27me3）
- 功能：介导异染色质形成和基因沉默
Tudor结构域、PHD结构域、WD40重复等：
- 识别不同甲基化状态
- 功能：参与DNA修复、转录调控和细胞信号传导

转录激活相关修饰：
- H3K4me3：活跃启动子标记，招募TFIID复合物
- H3K9ac、H3K27ac：活跃增强子和启动子标记，与开放染色质相关
- H3K36me3：基因体标记，与转录延伸相关，招募RNA剪接因子
- H3K79me2：基因体标记，与转录活跃相关
转录抑制相关修饰：
- H3K27me3：多梳蛋白抑制标记，由PRC2复合物（EZH2）催化，介导发育基因的可逆沉默
- H3K9me2/3：异染色质标记，由SUV39H1/2催化，招募HP1蛋白，介导转座子沉默和组成型异染色质形成
- H4K20me3：抑制性标记，与DNA损伤修复和细胞周期调控相关
双价修饰（Bivalent Domain）：
- H3K4me3 + H3K27me3：同时存在于胚胎干细胞中发育调控基因的启动子区域
- 含义：基因处于"预备转录"状态——既被激活又被抑制，随时准备响应分化信号

1. X-ChIP-Seq（交联ChIP-Seq）
- 甲醛交联蛋白质-DNA → 超声打断染色质（200-1000 bp）→ 免疫沉淀 → 测序
- 适用于大多数组蛋白修饰，特别是稳定性较差的修饰
- 缺点：分辨率受限于超声片段大小，交联可能引入非特异性结合
2. N-ChIP-Seq（天然ChIP-Seq）
- 无交联 → MNase消化（单核小体分辨率，~147 bp）→ 免疫沉淀 → 测序
- 适用于稳定的组蛋白修饰（如H3K4me3、H3K27me3）
- 优点：单核小体分辨率，保留核小体定位信息
- 缺点：不适用于不稳定的修饰或DNA结合蛋白
3. CUT&RUN
- 抗体靶向组蛋白修饰 → 融合蛋白pA-MNase切割附近DNA → 释放DNA片段 → 测序
- 优点：低背景、高分辨率、低细胞数需求（可处理10^5细胞）
- 缺点：依赖抗体质量，部分修饰可能不适用
4. CUT&Tag
- 抗体靶向组蛋白修饰 → Tn5转座酶融合蛋白在修饰位点附近插入接头并切割DNA → 测序
- 优点：无需交联和超声，操作简便，背景更低，细胞数需求更低（可处理10^3-10^4细胞）
- 缺点：对转座酶活性敏感，部分区域可能覆盖不均

1. 数据质控
与转录因子ChIP-Seq质控类似，但需额外关注：
- 抗体特异性：Western blot验证抗体特异性
- 信号分布特征：不同修饰有特定的基因组分布模式
- 峰型特征：窄峰（如H3K4me3、H3K9ac）vs. 宽峰（如H3K27me3、H3K9me3）
2. 峰识别（Peak Calling）
窄峰类型（如H3K4me3、H3K9ac）：
- 使用与转录因子ChIP-Seq相同的方法（MACS2、HOMER）
- 峰通常位于TSS附近或增强子区域
宽峰类型（如H3K27me3、H3K9me3、H3K36me3）：
- 使用宽峰模式算法（MACS2 --broad、SICER、RSEG）
- 富集区域可跨越数十kb甚至数百kb
- 需要更大的合并窗口和更宽松的阈值
3. 差异富集区域分析
常用方法：
- DiffBind：基于DESeq2/edgeR的ChIP-Seq差异分析R包
- MAnorm：基于MA图的归一化方法，假设共有峰具有相同信号强度
- ChIPDiff：基于隐马尔可夫模型的差异分析
4. 染色质状态推断（Chromatin State Calling）
核心思想：整合多种组蛋白修饰的ChIP-Seq数据，基于修饰组合模式推断每个基因组区域的功能状态。
ChromHMM算法：
1. 将基因组划分为200 bp的区间
2. 对每个区间，检查是否存在每种组蛋白修饰的标记（二值化：有/无）
3. 使用多元隐马尔可夫模型（HMM）学习染色质状态
4. 模型训练后，为每个区间分配最可能的染色质状态
常见染色质状态：
- 状态1：活跃启动子（TSS附近，H3K4me3 + H3K27ac）
- 状态2：弱启动子/预备启动子（TSS附近，H3K4me3）
- 状态3：转录延伸（基因体，H3K36me3）
- 状态4：增强子（远端，H3K4me1 + H3K27ac）
- 状态5：弱增强子（远端，H3K4me1）
- 状态6：多梳蛋白抑制（H3K27me3）
- 状态7：异染色质/重复序列（H3K9me3）
- 状态8：绝缘子（CTCF结合位点）
SegWay：另一种基于动态贝叶斯网络的方法，可以处理连续信号而非二值化标记。

1. 染色体领域（Chromosome Territory, ~1-100 Mb）
- 每条染色体在核内占据相对独立的区域
- 原因：染色体是连续的DNA-蛋白质纤维，在不受约束时自然形成连贯区域
- 功能：减少不同染色体之间的异常相互作用，维持基因组稳定性
2. 染色质区室（Compartment, ~1-10 Mb）
- A区室（Compartment A）：转录活跃、开放染色质、基因密集、高表达
- B区室（Compartment B）：转录抑制、紧密染色质、基因稀疏、低表达
- 检测方法：Hi-C矩阵的主成分分析（PCA），第一主成分（PC1）正负值对应A/B区室
- 动态变化：不同细胞类型中，A/B区室可以发生转换，与基因表达变化相关
3. 拓扑关联结构域（TAD, ~0.1-1 Mb）
- 域内相互作用频率显著高于域间
- TAD边界富含CTCF结合位点、管家基因和tRNA基因
- 功能：限制增强子的调控范围，防止异位调控（enhancer adoption）
- 在发育过程中，TAD边界相对稳定，但内部结构可以发生重组
4. 染色质环（Loop, ~1 kb - 1 Mb）
- 点对点的高频相互作用
- 功能类型：增强子-启动子环、启动子-启动子环、CTCF介导的环
- 环的形成通常需要CTCF蛋白和Cohesin复合物的协同作用（环挤压模型）

实验步骤：
1. 固定：甲醛交联，共价固定空间上相邻的DNA片段
2. 酶切：限制性内切酶（如MboI，识别GATC）消化DNA
3. 末端修复：补齐粘性末端，加入生物素标记
4. 连接：低浓度下连接DNA片段，形成嵌合分子（DNA-DNA连接）
5. 解交联：蛋白酶消化蛋白质，纯化DNA
6. 打断和测序：超声打断DNA，富集生物素标记的嵌合片段，进行双端测序
技术原理：
- 两个DNA片段在核内空间距离越近，被连接形成嵌合分子的概率越高
- 测序后，嵌合分子的两个末端分别对应基因组上的两个位置
- 统计所有嵌合分子，构建全基因组相互作用矩阵
关键参数：
- 分辨率：取决于酶切位点密度和测序深度
- 100 kb分辨率：识别区室（约3亿reads）
- 40 kb分辨率：识别TAD（约5-10亿reads）
- 5-10 kb分辨率：识别环（约10-20亿reads）
- 常用酶：MboI（4碱基识别，约250 bp一个位点）vs. HindIII（6碱基识别，约4 kb一个位点）
Hi-C变体技术：
- Capture Hi-C：富集特定区域（如启动子）的相互作用，提高目标区域分辨率
- DNase Hi-C：使用DNase I替代限制性内切酶，提高分辨率
- Micro-C：使用MNase消化至核小体级别，分辨率可达单核小体水平
- in situ Hi-C：在细胞核内进行酶切和连接，减少随机碰撞，信噪比更高
- 单细胞Hi-C：分析单个细胞的三维基因组结构，揭示细胞间异质性

与Hi-C的区别：
- Hi-C无差别地检测全基因组所有相互作用
- ChIA-PET针对特定蛋白质（如CTCF、RNAPII、Cohesin）介导的相互作用进行富集
实验步骤：
1. 甲醛 + EGS交联
2. 超声打断染色质
3. ChIP富集目标蛋白质及其结合的DNA片段
4. 连接半连接子（half-linker），形成桥连接结构
5. 酶切或Tn5片段化，产生配对末端标签（PET）
6. 测序
优势：
- 信号特异性强，背景噪声低
- 分辨率可达100 bp
- 可以直接鉴定蛋白质介导的特定互作（如CTCF-CTCF环）
局限性：
- 依赖高质量抗体
- 只能研究与特定蛋白质相关的相互作用
- 需要较多细胞数

1. 比对和嵌合分子筛选
比对策略：
- Hi-C文库是嵌合分子（两个DNA片段连接），需要特殊处理
- 使用5'端优先比对策略：将reads比对到基因组，优先使用5'端信息
- 常用工具：HiC-Pro、Juicer、Chrom3D
有效嵌合分子筛选：
- 去除未连接的片段（两个末端比对到同一位置）
- 去除酶切位点距离过远（>1 kb）的片段（无效连接）
- 去除PCR重复
- 去除比对质量低的reads
2. 相互作用矩阵构建
- 将基因组划分为等距的区间（bins），如40 kb、10 kb、5 kb
- 统计每对区间之间的有效嵌合分子数量
- 结果：N×N的相互作用矩阵（N为区间数）
3. 矩阵校准（Normalization）
校准原因：
- GC含量差异：GC-rich区域更容易被连接和测序
- 酶切位点密度：MboI位点密度不均匀
- 序列可比对性：重复序列区域比对率低
- 这些因素导致某些区间的相互作用计数系统性偏高
校准方法：
显式校准（如HiC-Pro）：
- 将相互作用计数与GC含量、酶切位点数量、可比对性进行回归
- 得到回归校准后的相互作用计数
隐式校准（矩阵平衡法）：
- 假设：每个区间与所有其他区间的相互作用总量应该一致
- 算法：迭代地将矩阵每行除以行平均值，每列除以列平均值，直至收敛
- 结果：每个区间的行和列和均等于1（或常数）
- 优点：无需知道偏差来源，自动校正
- 缺点：对低覆盖区域敏感，可能引入噪声
4. 矩阵可视化
二维热图：
- 正方形形式：展示完整矩阵
- 三角形形式：利用矩阵对称性，仅展示上三角或下三角
- 颜色深度：表示相互作用频率（通常log2变换或归一化）
- 常用工具：JuiceBox、HiGlass、3D Genome Browser
弧形图（Arc plot）：
- 将基因组表示为一条直线
- 用弧线连接相互作用的两个位点
- 适合展示特定区域的相互作用

1. 识别染色质区室（Compartment Calling）
主成分分析法（PCA）：
1. 将相互作用矩阵对期望值进行标准化
- 期望值计算：相同基因组距离的平均相互作用频率
- 标准化：观察值 / 期望值
2. 计算皮尔逊相关系数矩阵
3. 对相关系数矩阵进行PCA
4. 第一主成分（PC1）的特征值符号区分A/B区室：
- PC1 > 0：A区室（活跃）
- PC1 < 0：B区室（抑制）
生物学验证：
- A区室与基因密度、表达水平、GC含量正相关
- B区室与核纤层关联、晚期复制正相关
2. 识别拓扑关联结构域（TAD Calling）
方向指数法（Directionality Index, DI）：
- 对于每个基因组区间（如40 kb bin），计算其向上游2 Mb和下游2 Mb的相互作用数目
- DI = (B - A) / |B - A| × [(A - E)²/E + (B - E)²/E]
- A：上游相互作用数；B：下游相互作用数；E：(A+B)/2
- DI > 0：倾向于与下游相互作用（TAD左边界）
- DI < 0：倾向于与上游相互作用（TAD右边界）
- |DI| ≈ 0：TAD内部
绝缘指数法（Insulation Score）：
- 计算每个bin作为TAD边界的绝缘能力
- 绝缘指数 = 相邻两侧bin的平均相互作用 / 该bin与两侧的相互作用
- 绝缘指数最低点对应TAD边界
常用软件：
- Arrowhead：Juicer工具包中的TAD识别算法
- TopDom：基于 DI 的TAD识别
- Armatus：基于动态规划的TAD识别
- lavaburst：多尺度TAD识别
3. 识别染色质环（Loop Calling）
HiCCUPS算法（Juicer工具包）：
- 核心假设：染色质环处的相互作用频率显著高于周围背景
- 将候选区域划分为中心像素和周围背景区域（左、右、上、下）
- 计算中心像素与每个背景区域的比值
- 使用负二项分布检验，判断中心是否显著高于背景（通常要求>50%）
- 多重分辨率检测：在5 kb、10 kb、25 kb分辨率分别检测，合并结果
其他方法：
- Fit-Hi-C：基于距离依赖模型的统计检验
- cLoops：基于局部密度聚类
- CHiCAGO：针对Capture Hi-C数据的环识别

主要步骤：
1. 比对：将双末端标签比对到参考基因组
2. 分类：将唯一比对标签分为自连接（同一基因组区域）和间连接（不同基因组区域）
3. 过滤：去除PCR重复和低质量连接
4. 富集分析：将相互作用锚点视为ChIP-Seq信号峰，进行peak calling
5. 环识别：基于锚点之间的连接频率，识别显著互作对
常用工具：ChIA-PET Tools

1. 碱基修饰
m⁶A（N⁶-甲基腺苷）：
- 分布：mRNA（约0.1-0.4%的腺苷被修饰）、lncRNA、pri-miRNA
- 共识序列：DRACH（D = A/G/U, R = A/G, H = A/C/U）
- Writer复合物：METTL3（催化亚基）、METTL14（底物识别）、WTAP（调控亚基）、VIRMA/KIAA1429（底物定位）
- Eraser：FTO（肥胖相关蛋白）、ALKBH5（AlkB同源蛋白5）
- Reader：YTHDF1（促进翻译）、YTHDF2（促进降解）、YTHDF3（促进翻译）、YTHDC1（调控剪接）、YTHDC2（调控翻译）、IGF2BP1/2/3（促进稳定性）
- 功能：调控mRNA稳定性、翻译效率、剪接模式、细胞定位和相分离
m⁵C（5-甲基胞苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：NSUN2（tRNA和mRNA）、NSUN6（tRNA）
- Eraser：TET家族（可氧化m⁵C为hm⁵C）
- Reader：ALYREF（核输出因子）
- 功能：影响翻译效率、密码子使用、RNA结构稳定性
m¹A（N¹-甲基腺苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：TRMT6/61A（tRNA）、TRMT6/61B（mRNA）
- 功能：影响翻译起始和延伸
m⁷G（N⁷-甲基鸟苷）：
- 分布：mRNA 5'帽子结构、rRNA、tRNA
- Writer：RNMT（mRNA帽子）、METTL1（tRNA）
- 功能：mRNA帽子识别、翻译起始
Ψ（假尿苷）：
- 分布：tRNA、rRNA、snRNA、少量mRNA
- Writer：PUS酶家族（蛋白质）或snoRNP（snoRNA指导）
- 功能：增强RNA结构稳定性、影响密码子解码、调控剪接
A→I（腺苷到肌苷编辑）：
- 酶：ADAR家族（ADAR1、ADAR2）
- 功能：改变密码子（如谷氨酰胺密码子CAG变为精氨酸密码子CGG），影响蛋白质序列
2. 核糖修饰
2'-O-Me（2'-O-核糖甲基化）：
- 分布：rRNA、tRNA、snRNA、部分mRNA
- Writer：snoRNP复合物（C/D box snoRNA指导）
- 功能：增强RNA对碱水解的抗性，影响翻译效率
3. 混合型修饰
m⁶Am（N⁶,2'-O-二甲基腺苷）：
- 分布：mRNA 5'帽子结构
- 功能：保护mRNA 5'端，调控翻译效率

1. 调控mRNA稳定性
- YTHDF2识别m⁶A修饰，招募CCR4-NOT去腺苷酸化复合物，促进mRNA降解
- IGF2BP1/2/3识别m⁶A修饰，稳定靶mRNA（如Myc mRNA）
- m⁶A修饰在5'UTR可以通过YTHDF2促进降解，在3'UTR则效应更复杂
2. 调控翻译效率
- 5'UTR m⁶A：促进cap-independent翻译（如热休克响应）
- 3'UTR m⁶A：YTHDF1/3促进翻译起始
- CDS m⁶A：通常抑制翻译延伸
- m⁵C在5'UTR：促进翻译起始
3. 调控可变剪接
- YTHDC1识别内含子m⁶A，促进外显子 inclusion
- METTL3/METTL14可以调控特定外显子的剪接
- m⁶A修饰可以影响SR蛋白的RNA结合
4. 调控RNA定位和运输
- m⁶A修饰影响mRNA的核滞留和核输出
- YTHDC1调控 circRNA的核输出
- m⁵C促进mRNA的核输出（通过ALYREF）
5. 调控细胞命运和发育
- 胚胎干细胞中m⁶A水平调控多能性维持和分化
- 精子发生、卵子成熟、神经发育等过程依赖精确的RNA修饰调控
- m⁶A缺失（Mettl3敲除）导致胚胎致死，显示其必不可少的作用
6. 与疾病的关联
- 癌症：FTO和ALKBH5在多种癌症中高表达，通过降低m⁶A水平促进肿瘤增殖
- 肥胖：FTO是第一个被发现与肥胖显著相关的基因，通过调控m⁶A影响能量代谢
- 神经退行性疾病：ADAR突变与Aicardi-Goutieres综合征、肌萎缩侧索硬化（ALS）相关
- 病毒感染：HIV等病毒利用宿主m⁶A machinery调控病毒基因表达和潜伏

1. 基于亲和纯化的方法
MeRIP-seq（m⁶A-seq）：
- 原理：m⁶A特异性抗体免疫沉淀 → 测序
- 分辨率：约100-200 nt（依赖片段大小）
- 优点：广泛应用，可检测多种修饰
- 缺点：分辨率低，不能精确定位到单碱基
m⁶A-label-seq：
- 原理：使用Se-烯丙基-L-硒基同型半胱氨酸替代m⁶A形成a⁶A，可被抗体富集，碘诱导环化后在反转录中产生碱基错配
- 分辨率：单碱基
- 限制：仅适用于细胞培养，不能用于组织样本
2. 基于反转录诊断事件的方法
miCLIP（m⁶A individual-nucleotide-resolution cross-linking and immunoprecipitation）：
- 原理：254 nm UV交联 → m⁶A抗体免疫沉淀 → 反转录中m⁶A位点附近产生C→T突变或截断 → 测序
- 分辨率：单碱基
- 优点：分辨率高
- 缺点：交联效率低，只能鉴定部分位点
PA-m⁶A-seq：
- 原理：将4SU整合到mRNA → 365 nm UV交联 → 抗体免疫沉淀 → 反转录中4SU附近U被误读为C → 约20 nt分辨率
RNA-BisSeq（m⁵C检测）：
- 原理：亚硫酸盐处理RNA → 未修饰C→U，m⁵C保留 → 测序
- 注意：RNA亚硫酸盐处理条件比DNA更苛刻
Ψ检测方法：
- CMC处理：羧甲基纤维素（CMC）在Ψ位点引入庞大基团，导致反转录终止
- PSI-Seq/Pseudo-Seq/CeU-Seq：基于CMC的Ψ检测方法
- RBS-Seq：亚硫酸盐处理RNA，Ψ位点产生碱基缺失
m¹A检测：
- m¹A-MAP/m¹A-seq-TGIRT：基于m¹A在反转录中诱导碱基错配，使用耐高温TGIRT酶增加错配率
3. 基于化学或酶抗性的方法
RiboMeth-seq（2'-O-Me检测）：
- 原理：2'-O-Me增强磷酸二酯键对碱水解的抗性 → 有2'-O-Me的位点保护相邻核苷酸不被降解 → 测序后检测保护末端
- 缺点：背景高，需要高测序深度
Nm-seq：
- 原理：无2'-O-Me的3'端核苷酸被高碘酸盐氧化后降解，有2'-O-Me的则保留 → 富集3'端有2'-O-Me的片段
- 缺点：碎片化偏好性，需要多次氧化循环
Nm-REP-seq：
- 原理：结合MgR酶消化（在2'-O-Me前一位停顿）和化学处理（在2'-O-Me位点停顿）→ 两种方法共同验证，降低假阳性
4. 基于第三代测序的方法
ONT纳米孔测序：
- 原理：DNA/RNA通过纳米孔时产生特征性电流信号，甲基化修饰改变电流特征
- 优点：无需亚硫酸盐处理，长读长，可区分多种修饰
- 缺点：错误率较高，需要高深度
- 软件：EpiNano（用于m⁶A、Ψ、2'-O-Me鉴定）
PacBio SMRT测序：
- 原理：实时监测DNA聚合酶动力学，修饰碱基影响聚合速率（脉冲间隔）和信号强度（脉冲宽度）
- 优点：单分子分辨率，可同时检测序列和修饰
- 缺点：通量较低，成本高

1. 基于亲和纯化数据的峰识别
exomePeak：
- 原理：IP样本 vs. input样本，计算每个位点的修饰程度（IP / (IP + input)）
- 统计检验：C-test（基于二项分布）
- 优点：考虑了整体修饰水平
MACS2：
- 可直接用于RNA修饰IP数据（类似ChIP-Seq peak calling）
- 动态泊松分布建模背景
MeTPeak：
- 采用分层β-二项模型模拟读段富集方差
- 使用隐马尔可夫模型解释相邻富集的依赖性
CTK：
- 使用"寻谷算法"（valley-seeking）分离重叠峰
- 计算相邻局部最大值之间的谷深度，判断是否应分为两个峰
- 支持多种背景模型和扫描统计
2. 基于反转录诊断事件的单碱基鉴定
CTK/miCLIP数据分析：
- 关注诊断事件：突变（C→T）、截断、缺失
- 对于每个候选位点，计算：
- k：覆盖该位点的总reads数
- m：具有特定诊断事件的reads数
- 使用排列检验（permutation test）评估显著性：
- 随机将突变插入到其他reads中（保持相对于5'端的偏移）
- 比较实际数据和排列数据中(k, m)的分布
- 为每个位点分配经验FDR
- 额外过滤：排除与已知SNP重叠的位点，检查"RRAC"模体（m⁶A consensus）
PARalyzer：
- 分析用户指定的突变类型
- 通过聚类和统计检验识别高置信度修饰位点
3. 基于化学/酶抗性的数据鉴定
endSeeker（Nm-REP-seq数据分析）：
- 计算每个转录本位置的3'端覆盖度
- 候选位点应满足：
- 覆盖度显著高于上下游各1 nt
- 覆盖度显著高于对照组（未处理样本）
- 计算四个变量：
- upFC = 候选位点覆盖度 / 上游1 nt覆盖度
- downFC = 候选位点覆盖度 / 下游1 nt覆盖度
- upCtrlFC = upFC / 对照组upFC
- downCtrlFC = downFC / 对照组downFC
- 结合四个变量筛选高置信度2'-O-Me位点
4. 基于第三代测序的修饰鉴定
EpiNano-Error模式：
- 比较修饰酶敲除/敲低样本与野生型样本
- 分析碱基识别错误（突变、缺失、插入）的频率差异
- 基于错误模式差异预测修饰位点
EpiNano-SVM模式：
- 使用已知修饰位点训练SVM模型
- 提取纳米孔测序信号特征（电流、持续时间等）
- 预测新样本中的修饰位点
5. RNA修饰位点分布分析
Meta-gene分析（MetaPlotR）：
- 将转录本坐标归一化为元坐标：
- 5'UTR：0-1
- CDS：1-2
- 3'UTR：2-3
- 绘制修饰位点在元基因模型上的分布
- 揭示修饰特征：如m⁶A在终止密码子附近富集
Motif分析：
- m⁶A："RRAC" consensus motif
- 在鉴定位点周围搜索显著富集的序列模式
- 使用MEME、DREME等工具
6. 差异RNA修饰分析
Differential m⁶A分析：
- 比较两组样本（如疾病 vs. 正常）的m⁶A水平
- 方法：exomePeak2、MeTDiff、QNB（基于β-二项模型）
- 输出：差异甲基化位点或区域，以及关联的基因

1. DNA甲基化与组蛋白修饰的互作
DNA甲基化 → 组蛋白修饰：
- 甲基化CpG可以被MBD蛋白（如MeCP2）识别，招募HDAC和SIN3A复合物，导致去乙酰化和染色质压缩
- DNMT3A/3B可以与EZH2（PRC2）相互作用，在新靶基因上同时建立DNA甲基化和H3K27me3
组蛋白修饰 → DNA甲基化：
- H3K4me3可以阻止DNMT3L与核小体结合，从而抑制DNA甲基化（保护CpG岛）
- H3K36me3可以招募DNMT3B，促进基因体的DNA甲基化
- H3K9me3可以招募DNMT3A/3B，促进异染色质区域的DNA甲基化
2. 组蛋白修饰之间的交叉对话
H3K4me3与H3K27me3的双价修饰：
- PRC2复合物（EZH2）在H3K4me3存在时活性受抑
- KDM5B（H3K4me3去甲基化酶）可以与PRC2协同，使H3K4me3减少，H3K27me3增加
- 这种动态平衡决定了基因的"预备态"或"激活态"
H3K9me3与H3K27me3的互斥：
- H3K9me3（异染色质）和H3K27me3（多梳抑制）通常不共存
- 在特定发育阶段，H3K27me3标记的基因可以转变为H3K9me3标记，实现从"可逆沉默"到"不可逆沉默"的转换
3. 三维基因组与表观遗传修饰的互作
CTCF与Cohesin的协同：
- CTCF结合到基因组特定位置，作为Cohesin复合物的"锚点"
- Cohesin通过"环挤压"（loop extrusion）机制将DNA拉成环，直到遇到另一个CTCF位点
- 环的形成使增强子和启动子空间接近，促进转录激活
- CTCF位点的甲基化或突变可以破坏环化，导致增强子异位调控
TAD边界与表观遗传状态：
- TAD边界通常富含CTCF和H3K4me3，处于活跃状态
- TAD内部的表观遗传状态可以多样化，但边界维持域内的一致性
- TAD边界破坏后，域内的表观遗传信息可以"泄漏"到相邻TAD
4. RNA修饰与表观遗传的互作
m⁶A与DNA甲基化的互作：
- METTL3可以催化染色质相关RNA（caRNA）的m⁶A修饰
- caRNA的m⁶A修饰可以招募YTHDC1，促进染色质开放和转录激活
- 在某些基因上，m⁶A修饰与DNA去甲基化协同作用
m⁶A与组蛋白修饰的互作：
- H3K36me3由SETD2催化，可以招募METTL3/14，促进新生RNA的m⁶A修饰
- 这种耦合机制确保了活跃转录基因的高m⁶A水平

1. 数据整合层次
基因组层次：
- 结合基因组变异（SNP、CNV、SV）和表观遗传数据
- 分析变异对表观遗传状态的影响（如eQTL、caQTL、meQTL）
转录调控层次：
- 整合ChIP-seq（TF、组蛋白）、ATAC-seq（染色质可及性）、RNA-seq（转录本）
- 构建转录调控网络：TF → 表观遗传 → 基因表达
表观遗传层次：
- 整合DNA甲基化、组蛋白修饰、三维结构、RNA修饰
- 构建多层表观遗传调控图谱
2. 整合分析方法
关联分析：
- 相关性分析：表观遗传特征与基因表达的相关性
- 回归分析：预测基因表达的最优表观遗传特征组合
- 因果推断：使用中介分析或孟德尔随机化推断因果关系
网络分析：
- 构建多组学调控网络（如ARACNE、WGCNA）
- 识别多组学模块（multi-omics modules）
- 模块富集分析：揭示协同调控的功能通路
机器学习：
- 使用随机森林、梯度提升树、深度学习等方法整合多组学特征
- 预测基因表达、细胞状态或疾病风险
- 特征重要性分析：识别关键调控因子

1. 单细胞技术
scATAC-seq：
- 原理：Tn5转座酶切割开放染色质，加入测序接头
- 应用：单细胞染色质可及性分析
- 特点：检测数千个单细胞，揭示细胞类型特异性调控元件
scRNA-seq + 表观遗传整合：
- 同时测量单个细胞的转录组和表观遗传状态（如scNMT-seq：scRNA-seq + scWGBS + scATAC-seq）
- 揭示转录异质性的表观遗传基础
scHi-C：
- 原理：在单细胞中进行Hi-C实验
- 挑战：需要极高的灵敏度（每个细胞仅有一份基因组）
- 应用：揭示细胞间三维结构的异质性
2. 单细胞数据分析挑战
数据稀疏性：
- 单个细胞中只有部分基因组区域被检测到（如scATAC-seq中每个细胞仅约1,000-10,000个开放位点）
- 需要专门的降维和插补方法（如LSA、cisTopic、SnapATAC）
批次效应：
- 不同实验批次、不同 donor 之间的技术差异
- 整合方法：Harmony、Seurat CCA、LIGER、scVI
细胞类型鉴定：
- 基于染色质可及性峰进行聚类和注释
- 使用基因活性评分（peak-to-gene linkage）推断细胞类型

1. 纳米孔测序（ONT）在表观遗传中的应用
DNA甲基化检测：
- 直接检测5-mC和5-hmC，无需亚硫酸盐处理
- 可以区分CpG、CHG和CHH甲基化
- 同时检测DNA序列和甲基化信息
RNA修饰检测：
- 直接检测m⁶A、Ψ、2'-O-Me等修饰
- 保留全长RNA信息，包括可变剪接和融合基因
- 软件：EpiNano、Nanocompore、Tombo
优势：
- 长读长（可达数百万bp）可以跨越重复序列和复杂区域
- 单分子分辨率揭示等位基因特异性修饰
- 可以检测结构变异和甲基化的同时存在
挑战：
- 错误率较高（约5-10%），需要高深度覆盖
- 碱基识别和修饰检测的准确性仍在改进中
- 成本和通量与二代测序相比仍有差距
2. PacBio SMRT在表观遗传中的应用
DNA甲基化检测：
- 通过IPD（interpulse duration）和PW（pulse width）检测甲基化
- 可以检测m⁶A（腺嘌呤甲基化）和4-mC（胞嘧啶甲基化）
- 在细菌中应用广泛，真核生物中主要用于m⁶A检测

1. 表观遗传数据预测
DNA甲基化预测：
- DeepSignal：基于深度学习的纳米孔测序甲基化检测
- CpG Transformer：利用Transformer模型预测CpG甲基化状态
组蛋白修饰预测：
- DeepSEA：从DNA序列预测染色质特征
- ChromatinNN：基于图神经网络预测染色质状态
三维结构预测：
- 使用CNN和Transformer预测Hi-C接触矩阵
- 从DNA序列预测TAD边界和环化位点
2. 多模态数据整合
多组学深度学习：
- MOFA+：基于变分自编码器的多组学因子分析
- VAE-based integration：使用变分自编码器整合多组学数据
- 优势：可以处理缺失数据，发现非线性关系
3. 单细胞数据分析
scVI（Single-cell Variational Inference）：
- 基于变分自编码器的单细胞数据整合和降维
- 可以处理多批次、多组学数据
- 应用：单细胞多组学整合、批次校正、缺失插补
AI在表观遗传中的挑战：
- 数据标注困难，监督学习受限
- 需要解释性AI来理解生物学机制
- 模型的泛化能力受限于训练数据的多样性

> 章节导读：基因的表达受到精密的调控。从转录因子对基因启动子和增强子的特异性识别，到DNA甲基化、组蛋白修饰等表观遗传信息对染色质状态的动态调控，再到三维基因组结构中增强子与启动子的远程互作，以及RNA分子上的化学修饰——这些多层次、多维度的调控机制共同决定了细胞类型特异性、发育时序性和环境响应性。本章将系统介绍转录调控和表观遗传的基本概念、分析技术和数据处理方法，帮助读者理解基因表达调控的复杂网络。

基因转录调控是一个多层次的复杂过程，涉及多个调控元件和蛋白质的协同作用：
1. 启动子（Promoter）：位于基因转录起始位点（TSS）上游的DNA区域，包含核心启动子元件（如TATA框、起始子Inr）和近端启动子元件。核心启动子负责招募RNA聚合酶II和通用转录因子，形成基础转录机器。
2. 增强子（Enhancer）：可以位于基因上游、下游或内含子中的DNA调控元件，通过结合特定转录因子来增强靶基因的转录效率。增强子的特点是具有位置独立性（可以位于靶基因的任何方向）和距离独立性（可以距离靶基因数kb甚至数十kb）。
3. 绝缘子（Insulator）：阻断增强子与启动子之间的通信，或防止异染色质区域的扩散，从而维持基因表达边界。
4. 沉默子（Silencer）：与转录抑制因子结合，降低靶基因的转录活性。

转录因子通过以下步骤实现对基因表达的精确调控：
1. 识别与结合：转录因子的DNA结合域识别并结合特定的DNA序列模体（motif）。常见的DNA结合域类型包括：锌指结构（Zinc finger）、同源异型域（Homeodomain）、亮氨酸拉链（Leucine zipper）、螺旋-环-螺旋（Helix-loop-helix）等。
2. 协同作用：多个转录因子可以在同一调控区域形成复合物，通过协同效应增强或抑制转录效率。这种组合调控（combinatorial regulation）使得有限的转录因子种类能够产生极其复杂的调控模式。
3. 染色质重塑：转录因子可以招募染色质重塑复合物（如SWI/SNF、ISWI、CHD家族），改变核小体的位置和组成，从而影响DNA的可及性。

表观遗传信息主要通过以下四种机制调控基因表达：
1. DNA甲基化：DNA甲基转移酶（DNMT）将甲基基团添加到胞嘧啶的5号碳位（主要发生在CpG二核苷酸中），形成5-甲基胞嘧啶（5-mC）。DNA甲基化通常与基因沉默相关，尤其是启动子区域的甲基化会抑制基因转录。
2. 组蛋白修饰：组蛋白N端尾部的氨基酸残基可以发生多种共价修饰，包括乙酰化、甲基化、磷酸化、泛素化等。这些修饰可以改变核小体的结构和DNA的缠绕松紧程度，从而影响基因的可及性。例如，组蛋白乙酰化通常与转录激活相关，而组蛋白甲基化的效应则取决于具体位点和甲基化程度。
3. 染色质重塑：ATP依赖的染色质重塑复合物通过滑动、移除或交换核小体来改变染色质结构，从而调控基因表达。
4. 非编码RNA调控：长链非编码RNA（lncRNA）、microRNA（miRNA）等可以通过多种机制调控基因表达，包括染色质重塑、转录干扰和mRNA降解等。

表观遗传信息可以在细胞分裂过程中传递给子代细胞，这是表观遗传学的重要特征。DNA甲基化的维持机制：在DNA复制过程中，半甲基化的DNA（母链甲基化、子链未甲基化）可以被维持性DNA甲基转移酶DNMT1识别，并在子链对应位置添加甲基，从而维持甲基化状态。组蛋白修饰的传递则主要通过"组蛋白密码假说"和组蛋白变体的掺入来实现。

1. DNA共有序列
构建方法：对已知的多条转录因子结合序列进行多序列比对，在每个位置选择频率最高的碱基（若最高频率低于某个阈值，则使用简并码）。例如：
- 序列集合：TACTGTA, TACTGCA, TACTGTA, TACTGCA
- 共有序列：TACTGHA（H表示A/C/T）
局限性：无法反映碱基频率的连续变化，对信息的利用不够充分。
2. 位置频率矩阵（PFM）
对于一个长度为n的模体，PFM的构建步骤：
1. 收集已知的转录因子结合序列（通常来自SELEX、PBM或ChIP-Seq实验）
2. 对序列进行多序列比对
3. 统计每个位置（j=1..n）上每种碱基（i∈{A,C,G,T}）的出现次数
4. 计算频率：q_{i,j} = count_{i,j} / N（N为序列总数）
3. 序列标识图（Sequence Logo）
每个位置的信息量（R_j）计算：
$$R_j = H_{max} - H_j = 2 - \left(-\sum_{i=1}^{4} q_{i,j} \log_2 q_{i,j}\right)$$
其中H_j为位置j的信息熵，H_max=2（当4种碱基均匀分布时的最大熵）。
每个碱基的高度：height_{i,j} = q_{i,j} × R_j
4. 位置权重矩阵（PWM）
$$S_{i,j} = \log_2\left(\frac{q_{i,j}}{b_i}\right)$$
其中b_i为碱基i在背景基因组中的频率。
对于待扫描序列的打分：S = Σ_{j=1}^{n} S_{i,j}
窗口滑动扫描：使用长度为n的窗口，以1 bp为步长在基因组上滑动，对每个片段计算PWM得分，筛选超过阈值的位点作为潜在结合位点。

1. 基于共有序列的穷举方法
- 遍历所有可能的k-mer序列（4^k种组合）
- 统计每个k-mer在输入序列集中的出现频率
- 筛选在多数序列中均有出现的显著模式
- 计算复杂度：O(4^k)，适用于k≤10的情况
2. 基于EM算法的模体发现（以MEME为代表）
EM算法包含两个迭代步骤：
E-step（期望步骤）：假设当前位置频率矩阵为θ，对每条序列中每个可能的结合位点位置计算似然比：
$$LR = \frac{P(\text{sequence}|\theta)}{P(\text{sequence}|\theta_0)}$$
其中θ_0为背景碱基频率模型。
M-step（最大化步骤）：以E-step得到的似然比为权重，重新计算位置频率矩阵，最大化观测数据的似然函数。
迭代直至收敛，最终得到最优的位置频率矩阵。
MEME算法改进：先遍历所有可能的起始矩阵，筛选具有统计学显著性的矩阵作为EM的输入，避免陷入局部最优。
3. 基于Gibbs抽样的模体发现
Gibbs抽样是一种马尔可夫链蒙特卡罗（MCMC）方法：
1. 从N条序列中随机选择一条序列S_i
2. 从剩余N-1条序列中随机提取长度为n的片段，构建初始位置频率矩阵
3. 基于该矩阵对S_i中每个可能的n长度片段计算似然比
4. 根据似然比概率随机选择一个片段作为S_i上的结合位点
5. 用选中的片段更新位置频率矩阵
6. 重复步骤1-5，遍历所有序列，完成一轮迭代
7. 多轮迭代直至矩阵收敛
Gibbs抽样的优势：随机化策略可以跳出局部最优，探索更广泛的可能性空间。

实验流程：
1. 交联：甲醛处理细胞，共价固定蛋白质-DNA复合物
2. 裂解：超声波打断染色质，获得约200 bp的DNA片段
3. 免疫沉淀：用特异性抗体捕获目标蛋白及其结合的DNA片段
4. 解交联：去除蛋白质，纯化DNA
5. 测序：构建测序文库，进行高通量测序
技术特点：
- 需要生物学重复（通常2-3次）以提高可靠性
- 人类/小鼠转录因子ChIP-Seq建议测序深度约2000万reads
- 对照样本（Input或IgG）用于背景校正

1. 信号峰层面的质控
FRiP（Fraction of Reads in Peaks）：落入信号峰区域的reads占所有reads的比例。高质量数据FRiP > 0.05（转录因子）或 > 0.2（组蛋白修饰）。
互相关分析（Cross-correlation）：利用正链和负链reads的相位差估计DNA片段长度。关键指标：
- NSC（Normalized Strand Coefficient）= cc(片段长度) / min(cc)，通常NSC > 1.1
- RSC（Relative Strand Correlation）= [cc(片段长度) - min(cc)] / [cc(读段长度) - min(cc)]，通常RSC > 0.8
IDR（Irreproducible Discovery Rate）：衡量生物学重复之间信号峰的可重复性。IDR值越低，信号峰的可重复性越好。通常以IDR < 0.05筛选高置信度信号峰。
2. 注释层面的质控
- 基因组分布：信号峰应在启动子/增强子区域富集
- 序列保守性：信号峰中心应有比周围更高的PhastCons保守性得分
- 模体验证：已知结合模体应在信号峰中心富集

1. 信号峰识别（Peak Calling）
以MACS2为例：
1. 估计片段长度d：通过互相关分析确定正链和负链reads的偏移距离
2. 将reads向3'端移动d/2，构建富集信号
3. 动态泊松分布建模：局部背景λ = max(λ_{local}, λ_{global})
4. 计算每个候选区域的富集显著性（p-value）
5. 多重检验校正（Benjamini-Hochberg FDR），筛选显著富集区域
2. 差异信号峰分析
- 定量比较：类似RNA-seq差异分析方法，比较两套ChIP-Seq数据的信号强度差异（如DiffBind、MAnorm）
- 定性比较：使用严格阈值在一套数据中识别信号峰，用宽松阈值在另一套数据中扫描，仅在一套中出现的峰为差异峰
3. 靶基因预测
- 最近TSS法：将信号峰关联到距离最近的转录起始位点
- 距离阈值法：将TSS一定距离（如±50 kb）内的信号峰关联到该基因
- 加权距离法：信号峰权重随距离增加而衰减（线性或指数衰减）
- 整合转录组法：结合RNA-seq或 knockdown/knockout 实验的转录变化，筛选靶基因（如BETA方法）
4. 功能注释
- ORA（Over-Representation Analysis）：对靶基因列表进行GO/KEGG富集分析
- GREAT/Cistrome-GO：基于信号峰在全基因组的分布，直接进行区域富集分析

在哺乳动物中，DNA甲基化主要发生在CpG二核苷酸的胞嘧啶上：
- 5-甲基胞嘧啶（5-mC）：最常见的DNA甲基化形式，由DNMT酶家族催化
- 5-羟甲基胞嘧啶（5-hmC）：5-mC的氧化产物，近年来发现其具有独特的调控功能
- 5-甲酰基胞嘧啶（5-fC）和5-羧基胞嘧啶（5-caC）：5-hmC的进一步氧化产物，是主动去甲基化途径的中间产物
DNA甲基化状态的三种形式：
- 全甲基化（Fully methylated）：DNA双链的CpG均被甲基化
- 半甲基化（Hemimethylated）：仅一条链的CpG被甲基化（DNA复制后的中间状态）
- 未甲基化（Unmethylated）：双链CpG均未甲基化

1. 从头甲基化（De novo methylation）
- 酶：DNMT3A、DNMT3B
- 机制：识别未甲基化的DNA双链，以S-腺苷甲硫氨酸（SAM）为甲基供体，催化CpG位点的甲基化
- 调控：DNMT3L（无催化活性的辅助蛋白）可增强DNMT3A/3B的活性
2. 甲基化维持（Maintenance methylation）
- 酶：DNMT1
- 机制：在DNA复制后，DNMT1识别半甲基化的CpG（母链甲基化、子链未甲基化），在子链对应位置添加甲基，维持甲基化状态
- 辅助因子：UHRF1蛋白识别半甲基化DNA并招募DNMT1
3. 主动去甲基化
- TET酶氧化：TET1/2/3将5-mC逐步氧化为5-hmC、5-fC、5-caC
- TDG切除：胸腺嘧啶DNA糖基化酶（TDG）识别并切除5-fC和5-caC
- BER修复：碱基切除修复（BER）途径填补缺口，最终完成去甲基化
4. 被动去甲基化
- 在DNMT1活性缺失或不表达的细胞中，DNA复制后甲基化无法维持
- 随细胞分裂，甲基化被逐渐"稀释"，最终达到未甲基化状态

1. 基因表达调控
- 启动子CpG岛甲基化：阻碍转录因子结合，招募甲基CpG结合蛋白（如MeCP2），导致转录沉默
- 基因体甲基化：与转录活跃相关，可能促进转录延伸或抑制转录起始
- 增强子甲基化：降低增强子活性，影响远端基因调控
2. 基因组印记（Genomic Imprinting）
- 亲本等位基因特异的甲基化模式，使子代中仅表达父源或母源等位基因
- 印记基因的异常与Beckwith-Wiedemann综合征、Angelman综合征等疾病相关
3. X染色体失活（X-inactivation）
- 雌性哺乳动物通过Xist lncRNA介导的染色质沉默，使一条X染色体失活
- DNA甲基化在维持X染色体失活状态中发挥重要作用
4. 转座子沉默
- 重复序列和转座子区域的高甲基化抑制其转录活性，维持基因组稳定性
5. 细胞分化和发育
- 胚胎发育过程中经历大规模的DNA甲基化重编程
- 组织特异性甲基化模式决定细胞身份和功能

1. 全基因组重亚硫酸盐测序（WGBS）
- 原理：亚硫酸盐转化 + 全基因组测序
- 优点：单碱基分辨率、全基因组覆盖、定量准确
- 缺点：测序成本高、DNA损伤大、C→U转化导致序列复杂性降低
- 应用：全基因组甲基化图谱绘制、DMR鉴定
2. 简化代表性重亚硫酸盐测序（RRBS）
- 原理：限制性内切酶（MspI）富集CpG岛区域，再进行亚硫酸盐测序
- 优点：成本低、覆盖启动子和CpG岛区域
- 缺点：仅覆盖约1-5%基因组，对非CpG岛区域不敏感
3. 甲基化DNA免疫沉淀测序（MeDIP-Seq）
- 原理：使用5-mC特异性抗体富集甲基化DNA片段，然后测序
- 优点：无需亚硫酸盐处理，DNA完整性高
- 缺点：分辨率低（约100-200 bp），不能区分5-mC和5-hmC
4. 第三代测序技术
- ONT纳米孔测序：通过检测DNA通过纳米孔时的电信号差异，直接识别甲基化修饰
- PacBio SMRT测序：通过分析DNA聚合酶动力学的变化检测甲基化
- 优点：无需亚硫酸盐处理，可区分5-mC和5-hmC，长读长
- 缺点：错误率较高，需要较高测序深度

1. 原始数据质控
- TrimGalore：去除接头序列和低质量碱基（对亚硫酸盐数据优化）
- FastQC：检查碱基质量、GC含量、长度分布
- 特别关注：亚硫酸盐转化效率（通过未甲基化对照λ噬菌体DNA评估）
2. 序列比对
亚硫酸盐转化的特殊性：
- C→U转化后，DNA序列中C极为稀少（仅剩甲基化C）
- 两条链不再互补（仅一条链发生C→T转化）
- 需要专门的比对算法
两种主要比对策略：
三字符法（3-letter）：将参考基因组中所有C替换为T，reads也进行C→T转换，然后比对。优点：简单快速；缺点：信息量损失，部分位点无法区分。
通配符法（Wild-card）：将参考基因组中所有C替换为Y（C或T），保留C的两种可能性。优点：信息完整；缺点：比对复杂度增加，可能引入偏差。
常用比对软件：
- Bismark：基于Bowtie/Bowtie2，进行C→T和G→A双重转换，准确率高，使用最广泛
- BSMAP：通配符法，不转换基因组，创建种子列表进行比对
- Bwa-meth：基于BWA-MEM，支持长读长比对
- Walt：针对亚硫酸盐数据的专门优化算法
3. 甲基化水平推断
对于每个CpG位点：
$$\text{甲基化水平} = \frac{\text{覆盖该位点的甲基化reads数}}{\text{覆盖该位点的总reads数}}$$
影响因素和校正：
- DNA片段末端修复引入的非甲基化C
- 接头序列污染
- 3'端测序质量下降
- 不均衡PCR扩增
- 5-hmC的干扰（亚硫酸盐无法区分5-mC和5-hmC）
4. 差异甲基化区域（DMR）鉴定
滑动窗口法：
- 将基因组划分为固定大小的窗口（如1 kb）
- 比较两组样本间每个窗口的平均甲基化水平
- 使用t检验、Wilcoxon检验或β-二项模型计算显著性
- 筛选连续显著窗口，合并为DMR
常用软件：
- methylKit：R包，支持滑动窗口和CpG-wise分析
- BSmooth：基于局部似然平滑，适合WGBS数据
- MOABS：基于分层贝叶斯模型，整合生物学重复信息
- dmrFinder：结合统计检验和区域合并
5. DMR注释和功能分析
- 基因组位置注释：启动子、外显子、内含子、基因间区
- 基因关联：关联到最近的基因或TSS
- 功能富集：GO/KEGG富集分析、motif分析
- 整合分析：结合RNA-seq数据，分析DMR与差异表达基因的关系

组蛋白修饰命名由四部分组成：
组蛋白类型 + 氨基酸残基 + 位置 + 修饰类型
例如：
- H3K4me3：H3组蛋白第4位赖氨酸的三甲基化
- H3K27ac：H3组蛋白第27位赖氨酸的乙酰化
- H3K9me2：H3组蛋白第9位赖氨酸的二甲基化
- H2BK120ub：H2B组蛋白第120位赖氨酸的泛素化
常见修饰类型缩写：
- ac：乙酰化（acetylation）
- me1/me2/me3：一/二/三甲基化（mono-/di-/tri-methylation）
- me2s/me2a：对称/非对称二甲基化（dimethylation symmetric/asymmetric）
- ub：泛素化（ubiquitination）
- ph：磷酸化（phosphorylation）

1. Writer（写入器）
组蛋白乙酰转移酶（HAT）：
- 将乙酰基从乙酰辅酶A转移到组蛋白赖氨酸残基上
- 家族分类：GNAT家族（GCN5、PCAF）、MYST家族（MOZ、YBF2、SAS2、TIP60）、p300/CBP家族
- 功能：中和赖氨酸正电荷，减弱与DNA的相互作用，促进染色质开放
组蛋白甲基转移酶（HMT）：
- 以S-腺苷甲硫氨酸（SAM）为甲基供体
- 赖氨酸甲基转移酶：SET结构域家族（如MLL、EZH2、SETD2、SUV39H1）
- 精氨酸甲基转移酶：PRMT家族（PRMT1、PRMT4/CARM1、PRMT5）
- 功能：不改变电荷，但增加空间位阻，影响蛋白质相互作用
2. Eraser（擦除器）
组蛋白去乙酰化酶（HDAC）：
- 去除赖氨酸残基上的乙酰基
- 家族分类：Class I（HDAC1/2/3/8）、Class II（HDAC4/5/6/7/9/10）、Class III/Sirtuins（SIRT1-7）、Class IV（HDAC11）
- 功能：恢复赖氨酸正电荷，增强与DNA的相互作用，促进染色质压缩
组蛋白去甲基化酶（KDM）：
- KDM1/LSD1家族：黄素依赖氧化酶，主要去除H3K4me1/2和H3K9me2
- JmjC家族：α-酮戊二酸依赖的双加氧酶，可去除多种甲基化修饰（H3K4、H3K9、H3K27、H3K36等）
3. Reader（读取器）
溴结构域（Bromodomain）：
- 识别乙酰化赖氨酸
- 家族成员：BRD2/3/4、BRDT、PBRM1等
- 功能：招募转录机器和染色质重塑复合物
染色质结构域（Chromodomain）：
- 识别甲基化赖氨酸
- HP1（识别H3K9me3）、PRC1（识别H3K27me3）
- 功能：介导异染色质形成和基因沉默
Tudor结构域、PHD结构域、WD40重复等：
- 识别不同甲基化状态
- 功能：参与DNA修复、转录调控和细胞信号传导

转录激活相关修饰：
- H3K4me3：活跃启动子标记，招募TFIID复合物
- H3K9ac、H3K27ac：活跃增强子和启动子标记，与开放染色质相关
- H3K36me3：基因体标记，与转录延伸相关，招募RNA剪接因子
- H3K79me2：基因体标记，与转录活跃相关
转录抑制相关修饰：
- H3K27me3：多梳蛋白抑制标记，由PRC2复合物（EZH2）催化，介导发育基因的可逆沉默
- H3K9me2/3：异染色质标记，由SUV39H1/2催化，招募HP1蛋白，介导转座子沉默和组成型异染色质形成
- H4K20me3：抑制性标记，与DNA损伤修复和细胞周期调控相关
双价修饰（Bivalent Domain）：
- H3K4me3 + H3K27me3：同时存在于胚胎干细胞中发育调控基因的启动子区域
- 含义：基因处于"预备转录"状态——既被激活又被抑制，随时准备响应分化信号

1. X-ChIP-Seq（交联ChIP-Seq）
- 甲醛交联蛋白质-DNA → 超声打断染色质（200-1000 bp）→ 免疫沉淀 → 测序
- 适用于大多数组蛋白修饰，特别是稳定性较差的修饰
- 缺点：分辨率受限于超声片段大小，交联可能引入非特异性结合
2. N-ChIP-Seq（天然ChIP-Seq）
- 无交联 → MNase消化（单核小体分辨率，~147 bp）→ 免疫沉淀 → 测序
- 适用于稳定的组蛋白修饰（如H3K4me3、H3K27me3）
- 优点：单核小体分辨率，保留核小体定位信息
- 缺点：不适用于不稳定的修饰或DNA结合蛋白
3. CUT&RUN
- 抗体靶向组蛋白修饰 → 融合蛋白pA-MNase切割附近DNA → 释放DNA片段 → 测序
- 优点：低背景、高分辨率、低细胞数需求（可处理10^5细胞）
- 缺点：依赖抗体质量，部分修饰可能不适用
4. CUT&Tag
- 抗体靶向组蛋白修饰 → Tn5转座酶融合蛋白在修饰位点附近插入接头并切割DNA → 测序
- 优点：无需交联和超声，操作简便，背景更低，细胞数需求更低（可处理10^3-10^4细胞）
- 缺点：对转座酶活性敏感，部分区域可能覆盖不均

1. 数据质控
与转录因子ChIP-Seq质控类似，但需额外关注：
- 抗体特异性：Western blot验证抗体特异性
- 信号分布特征：不同修饰有特定的基因组分布模式
- 峰型特征：窄峰（如H3K4me3、H3K9ac）vs. 宽峰（如H3K27me3、H3K9me3）
2. 峰识别（Peak Calling）
窄峰类型（如H3K4me3、H3K9ac）：
- 使用与转录因子ChIP-Seq相同的方法（MACS2、HOMER）
- 峰通常位于TSS附近或增强子区域
宽峰类型（如H3K27me3、H3K9me3、H3K36me3）：
- 使用宽峰模式算法（MACS2 --broad、SICER、RSEG）
- 富集区域可跨越数十kb甚至数百kb
- 需要更大的合并窗口和更宽松的阈值
3. 差异富集区域分析
常用方法：
- DiffBind：基于DESeq2/edgeR的ChIP-Seq差异分析R包
- MAnorm：基于MA图的归一化方法，假设共有峰具有相同信号强度
- ChIPDiff：基于隐马尔可夫模型的差异分析
4. 染色质状态推断（Chromatin State Calling）
核心思想：整合多种组蛋白修饰的ChIP-Seq数据，基于修饰组合模式推断每个基因组区域的功能状态。
ChromHMM算法：
1. 将基因组划分为200 bp的区间
2. 对每个区间，检查是否存在每种组蛋白修饰的标记（二值化：有/无）
3. 使用多元隐马尔可夫模型（HMM）学习染色质状态
4. 模型训练后，为每个区间分配最可能的染色质状态
常见染色质状态：
- 状态1：活跃启动子（TSS附近，H3K4me3 + H3K27ac）
- 状态2：弱启动子/预备启动子（TSS附近，H3K4me3）
- 状态3：转录延伸（基因体，H3K36me3）
- 状态4：增强子（远端，H3K4me1 + H3K27ac）
- 状态5：弱增强子（远端，H3K4me1）
- 状态6：多梳蛋白抑制（H3K27me3）
- 状态7：异染色质/重复序列（H3K9me3）
- 状态8：绝缘子（CTCF结合位点）
SegWay：另一种基于动态贝叶斯网络的方法，可以处理连续信号而非二值化标记。

1. 染色体领域（Chromosome Territory, ~1-100 Mb）
- 每条染色体在核内占据相对独立的区域
- 原因：染色体是连续的DNA-蛋白质纤维，在不受约束时自然形成连贯区域
- 功能：减少不同染色体之间的异常相互作用，维持基因组稳定性
2. 染色质区室（Compartment, ~1-10 Mb）
- A区室（Compartment A）：转录活跃、开放染色质、基因密集、高表达
- B区室（Compartment B）：转录抑制、紧密染色质、基因稀疏、低表达
- 检测方法：Hi-C矩阵的主成分分析（PCA），第一主成分（PC1）正负值对应A/B区室
- 动态变化：不同细胞类型中，A/B区室可以发生转换，与基因表达变化相关
3. 拓扑关联结构域（TAD, ~0.1-1 Mb）
- 域内相互作用频率显著高于域间
- TAD边界富含CTCF结合位点、管家基因和tRNA基因
- 功能：限制增强子的调控范围，防止异位调控（enhancer adoption）
- 在发育过程中，TAD边界相对稳定，但内部结构可以发生重组
4. 染色质环（Loop, ~1 kb - 1 Mb）
- 点对点的高频相互作用
- 功能类型：增强子-启动子环、启动子-启动子环、CTCF介导的环
- 环的形成通常需要CTCF蛋白和Cohesin复合物的协同作用（环挤压模型）

实验步骤：
1. 固定：甲醛交联，共价固定空间上相邻的DNA片段
2. 酶切：限制性内切酶（如MboI，识别GATC）消化DNA
3. 末端修复：补齐粘性末端，加入生物素标记
4. 连接：低浓度下连接DNA片段，形成嵌合分子（DNA-DNA连接）
5. 解交联：蛋白酶消化蛋白质，纯化DNA
6. 打断和测序：超声打断DNA，富集生物素标记的嵌合片段，进行双端测序
技术原理：
- 两个DNA片段在核内空间距离越近，被连接形成嵌合分子的概率越高
- 测序后，嵌合分子的两个末端分别对应基因组上的两个位置
- 统计所有嵌合分子，构建全基因组相互作用矩阵
关键参数：
- 分辨率：取决于酶切位点密度和测序深度
- 100 kb分辨率：识别区室（约3亿reads）
- 40 kb分辨率：识别TAD（约5-10亿reads）
- 5-10 kb分辨率：识别环（约10-20亿reads）
- 常用酶：MboI（4碱基识别，约250 bp一个位点）vs. HindIII（6碱基识别，约4 kb一个位点）
Hi-C变体技术：
- Capture Hi-C：富集特定区域（如启动子）的相互作用，提高目标区域分辨率
- DNase Hi-C：使用DNase I替代限制性内切酶，提高分辨率
- Micro-C：使用MNase消化至核小体级别，分辨率可达单核小体水平
- in situ Hi-C：在细胞核内进行酶切和连接，减少随机碰撞，信噪比更高
- 单细胞Hi-C：分析单个细胞的三维基因组结构，揭示细胞间异质性

与Hi-C的区别：
- Hi-C无差别地检测全基因组所有相互作用
- ChIA-PET针对特定蛋白质（如CTCF、RNAPII、Cohesin）介导的相互作用进行富集
实验步骤：
1. 甲醛 + EGS交联
2. 超声打断染色质
3. ChIP富集目标蛋白质及其结合的DNA片段
4. 连接半连接子（half-linker），形成桥连接结构
5. 酶切或Tn5片段化，产生配对末端标签（PET）
6. 测序
优势：
- 信号特异性强，背景噪声低
- 分辨率可达100 bp
- 可以直接鉴定蛋白质介导的特定互作（如CTCF-CTCF环）
局限性：
- 依赖高质量抗体
- 只能研究与特定蛋白质相关的相互作用
- 需要较多细胞数

1. 比对和嵌合分子筛选
比对策略：
- Hi-C文库是嵌合分子（两个DNA片段连接），需要特殊处理
- 使用5'端优先比对策略：将reads比对到基因组，优先使用5'端信息
- 常用工具：HiC-Pro、Juicer、Chrom3D
有效嵌合分子筛选：
- 去除未连接的片段（两个末端比对到同一位置）
- 去除酶切位点距离过远（>1 kb）的片段（无效连接）
- 去除PCR重复
- 去除比对质量低的reads
2. 相互作用矩阵构建
- 将基因组划分为等距的区间（bins），如40 kb、10 kb、5 kb
- 统计每对区间之间的有效嵌合分子数量
- 结果：N×N的相互作用矩阵（N为区间数）
3. 矩阵校准（Normalization）
校准原因：
- GC含量差异：GC-rich区域更容易被连接和测序
- 酶切位点密度：MboI位点密度不均匀
- 序列可比对性：重复序列区域比对率低
- 这些因素导致某些区间的相互作用计数系统性偏高
校准方法：
显式校准（如HiC-Pro）：
- 将相互作用计数与GC含量、酶切位点数量、可比对性进行回归
- 得到回归校准后的相互作用计数
隐式校准（矩阵平衡法）：
- 假设：每个区间与所有其他区间的相互作用总量应该一致
- 算法：迭代地将矩阵每行除以行平均值，每列除以列平均值，直至收敛
- 结果：每个区间的行和列和均等于1（或常数）
- 优点：无需知道偏差来源，自动校正
- 缺点：对低覆盖区域敏感，可能引入噪声
4. 矩阵可视化
二维热图：
- 正方形形式：展示完整矩阵
- 三角形形式：利用矩阵对称性，仅展示上三角或下三角
- 颜色深度：表示相互作用频率（通常log2变换或归一化）
- 常用工具：JuiceBox、HiGlass、3D Genome Browser
弧形图（Arc plot）：
- 将基因组表示为一条直线
- 用弧线连接相互作用的两个位点
- 适合展示特定区域的相互作用

1. 识别染色质区室（Compartment Calling）
主成分分析法（PCA）：
1. 将相互作用矩阵对期望值进行标准化
- 期望值计算：相同基因组距离的平均相互作用频率
- 标准化：观察值 / 期望值
2. 计算皮尔逊相关系数矩阵
3. 对相关系数矩阵进行PCA
4. 第一主成分（PC1）的特征值符号区分A/B区室：
- PC1 > 0：A区室（活跃）
- PC1 < 0：B区室（抑制）
生物学验证：
- A区室与基因密度、表达水平、GC含量正相关
- B区室与核纤层关联、晚期复制正相关
2. 识别拓扑关联结构域（TAD Calling）
方向指数法（Directionality Index, DI）：
- 对于每个基因组区间（如40 kb bin），计算其向上游2 Mb和下游2 Mb的相互作用数目
- DI = (B - A) / |B - A| × [(A - E)²/E + (B - E)²/E]
- A：上游相互作用数；B：下游相互作用数；E：(A+B)/2
- DI > 0：倾向于与下游相互作用（TAD左边界）
- DI < 0：倾向于与上游相互作用（TAD右边界）
- |DI| ≈ 0：TAD内部
绝缘指数法（Insulation Score）：
- 计算每个bin作为TAD边界的绝缘能力
- 绝缘指数 = 相邻两侧bin的平均相互作用 / 该bin与两侧的相互作用
- 绝缘指数最低点对应TAD边界
常用软件：
- Arrowhead：Juicer工具包中的TAD识别算法
- TopDom：基于 DI 的TAD识别
- Armatus：基于动态规划的TAD识别
- lavaburst：多尺度TAD识别
3. 识别染色质环（Loop Calling）
HiCCUPS算法（Juicer工具包）：
- 核心假设：染色质环处的相互作用频率显著高于周围背景
- 将候选区域划分为中心像素和周围背景区域（左、右、上、下）
- 计算中心像素与每个背景区域的比值
- 使用负二项分布检验，判断中心是否显著高于背景（通常要求>50%）
- 多重分辨率检测：在5 kb、10 kb、25 kb分辨率分别检测，合并结果
其他方法：
- Fit-Hi-C：基于距离依赖模型的统计检验
- cLoops：基于局部密度聚类
- CHiCAGO：针对Capture Hi-C数据的环识别

主要步骤：
1. 比对：将双末端标签比对到参考基因组
2. 分类：将唯一比对标签分为自连接（同一基因组区域）和间连接（不同基因组区域）
3. 过滤：去除PCR重复和低质量连接
4. 富集分析：将相互作用锚点视为ChIP-Seq信号峰，进行peak calling
5. 环识别：基于锚点之间的连接频率，识别显著互作对
常用工具：ChIA-PET Tools

1. 碱基修饰
m⁶A（N⁶-甲基腺苷）：
- 分布：mRNA（约0.1-0.4%的腺苷被修饰）、lncRNA、pri-miRNA
- 共识序列：DRACH（D = A/G/U, R = A/G, H = A/C/U）
- Writer复合物：METTL3（催化亚基）、METTL14（底物识别）、WTAP（调控亚基）、VIRMA/KIAA1429（底物定位）
- Eraser：FTO（肥胖相关蛋白）、ALKBH5（AlkB同源蛋白5）
- Reader：YTHDF1（促进翻译）、YTHDF2（促进降解）、YTHDF3（促进翻译）、YTHDC1（调控剪接）、YTHDC2（调控翻译）、IGF2BP1/2/3（促进稳定性）
- 功能：调控mRNA稳定性、翻译效率、剪接模式、细胞定位和相分离
m⁵C（5-甲基胞苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：NSUN2（tRNA和mRNA）、NSUN6（tRNA）
- Eraser：TET家族（可氧化m⁵C为hm⁵C）
- Reader：ALYREF（核输出因子）
- 功能：影响翻译效率、密码子使用、RNA结构稳定性
m¹A（N¹-甲基腺苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：TRMT6/61A（tRNA）、TRMT6/61B（mRNA）
- 功能：影响翻译起始和延伸
m⁷G（N⁷-甲基鸟苷）：
- 分布：mRNA 5'帽子结构、rRNA、tRNA
- Writer：RNMT（mRNA帽子）、METTL1（tRNA）
- 功能：mRNA帽子识别、翻译起始
Ψ（假尿苷）：
- 分布：tRNA、rRNA、snRNA、少量mRNA
- Writer：PUS酶家族（蛋白质）或snoRNP（snoRNA指导）
- 功能：增强RNA结构稳定性、影响密码子解码、调控剪接
A→I（腺苷到肌苷编辑）：
- 酶：ADAR家族（ADAR1、ADAR2）
- 功能：改变密码子（如谷氨酰胺密码子CAG变为精氨酸密码子CGG），影响蛋白质序列
2. 核糖修饰
2'-O-Me（2'-O-核糖甲基化）：
- 分布：rRNA、tRNA、snRNA、部分mRNA
- Writer：snoRNP复合物（C/D box snoRNA指导）
- 功能：增强RNA对碱水解的抗性，影响翻译效率
3. 混合型修饰
m⁶Am（N⁶,2'-O-二甲基腺苷）：
- 分布：mRNA 5'帽子结构
- 功能：保护mRNA 5'端，调控翻译效率

1. 调控mRNA稳定性
- YTHDF2识别m⁶A修饰，招募CCR4-NOT去腺苷酸化复合物，促进mRNA降解
- IGF2BP1/2/3识别m⁶A修饰，稳定靶mRNA（如Myc mRNA）
- m⁶A修饰在5'UTR可以通过YTHDF2促进降解，在3'UTR则效应更复杂
2. 调控翻译效率
- 5'UTR m⁶A：促进cap-independent翻译（如热休克响应）
- 3'UTR m⁶A：YTHDF1/3促进翻译起始
- CDS m⁶A：通常抑制翻译延伸
- m⁵C在5'UTR：促进翻译起始
3. 调控可变剪接
- YTHDC1识别内含子m⁶A，促进外显子 inclusion
- METTL3/METTL14可以调控特定外显子的剪接
- m⁶A修饰可以影响SR蛋白的RNA结合
4. 调控RNA定位和运输
- m⁶A修饰影响mRNA的核滞留和核输出
- YTHDC1调控 circRNA的核输出
- m⁵C促进mRNA的核输出（通过ALYREF）
5. 调控细胞命运和发育
- 胚胎干细胞中m⁶A水平调控多能性维持和分化
- 精子发生、卵子成熟、神经发育等过程依赖精确的RNA修饰调控
- m⁶A缺失（Mettl3敲除）导致胚胎致死，显示其必不可少的作用
6. 与疾病的关联
- 癌症：FTO和ALKBH5在多种癌症中高表达，通过降低m⁶A水平促进肿瘤增殖
- 肥胖：FTO是第一个被发现与肥胖显著相关的基因，通过调控m⁶A影响能量代谢
- 神经退行性疾病：ADAR突变与Aicardi-Goutieres综合征、肌萎缩侧索硬化（ALS）相关
- 病毒感染：HIV等病毒利用宿主m⁶A machinery调控病毒基因表达和潜伏

1. 基于亲和纯化的方法
MeRIP-seq（m⁶A-seq）：
- 原理：m⁶A特异性抗体免疫沉淀 → 测序
- 分辨率：约100-200 nt（依赖片段大小）
- 优点：广泛应用，可检测多种修饰
- 缺点：分辨率低，不能精确定位到单碱基
m⁶A-label-seq：
- 原理：使用Se-烯丙基-L-硒基同型半胱氨酸替代m⁶A形成a⁶A，可被抗体富集，碘诱导环化后在反转录中产生碱基错配
- 分辨率：单碱基
- 限制：仅适用于细胞培养，不能用于组织样本
2. 基于反转录诊断事件的方法
miCLIP（m⁶A individual-nucleotide-resolution cross-linking and immunoprecipitation）：
- 原理：254 nm UV交联 → m⁶A抗体免疫沉淀 → 反转录中m⁶A位点附近产生C→T突变或截断 → 测序
- 分辨率：单碱基
- 优点：分辨率高
- 缺点：交联效率低，只能鉴定部分位点
PA-m⁶A-seq：
- 原理：将4SU整合到mRNA → 365 nm UV交联 → 抗体免疫沉淀 → 反转录中4SU附近U被误读为C → 约20 nt分辨率
RNA-BisSeq（m⁵C检测）：
- 原理：亚硫酸盐处理RNA → 未修饰C→U，m⁵C保留 → 测序
- 注意：RNA亚硫酸盐处理条件比DNA更苛刻
Ψ检测方法：
- CMC处理：羧甲基纤维素（CMC）在Ψ位点引入庞大基团，导致反转录终止
- PSI-Seq/Pseudo-Seq/CeU-Seq：基于CMC的Ψ检测方法
- RBS-Seq：亚硫酸盐处理RNA，Ψ位点产生碱基缺失
m¹A检测：
- m¹A-MAP/m¹A-seq-TGIRT：基于m¹A在反转录中诱导碱基错配，使用耐高温TGIRT酶增加错配率
3. 基于化学或酶抗性的方法
RiboMeth-seq（2'-O-Me检测）：
- 原理：2'-O-Me增强磷酸二酯键对碱水解的抗性 → 有2'-O-Me的位点保护相邻核苷酸不被降解 → 测序后检测保护末端
- 缺点：背景高，需要高测序深度
Nm-seq：
- 原理：无2'-O-Me的3'端核苷酸被高碘酸盐氧化后降解，有2'-O-Me的则保留 → 富集3'端有2'-O-Me的片段
- 缺点：碎片化偏好性，需要多次氧化循环
Nm-REP-seq：
- 原理：结合MgR酶消化（在2'-O-Me前一位停顿）和化学处理（在2'-O-Me位点停顿）→ 两种方法共同验证，降低假阳性
4. 基于第三代测序的方法
ONT纳米孔测序：
- 原理：DNA/RNA通过纳米孔时产生特征性电流信号，甲基化修饰改变电流特征
- 优点：无需亚硫酸盐处理，长读长，可区分多种修饰
- 缺点：错误率较高，需要高深度
- 软件：EpiNano（用于m⁶A、Ψ、2'-O-Me鉴定）
PacBio SMRT测序：
- 原理：实时监测DNA聚合酶动力学，修饰碱基影响聚合速率（脉冲间隔）和信号强度（脉冲宽度）
- 优点：单分子分辨率，可同时检测序列和修饰
- 缺点：通量较低，成本高

1. 基于亲和纯化数据的峰识别
exomePeak：
- 原理：IP样本 vs. input样本，计算每个位点的修饰程度（IP / (IP + input)）
- 统计检验：C-test（基于二项分布）
- 优点：考虑了整体修饰水平
MACS2：
- 可直接用于RNA修饰IP数据（类似ChIP-Seq peak calling）
- 动态泊松分布建模背景
MeTPeak：
- 采用分层β-二项模型模拟读段富集方差
- 使用隐马尔可夫模型解释相邻富集的依赖性
CTK：
- 使用"寻谷算法"（valley-seeking）分离重叠峰
- 计算相邻局部最大值之间的谷深度，判断是否应分为两个峰
- 支持多种背景模型和扫描统计
2. 基于反转录诊断事件的单碱基鉴定
CTK/miCLIP数据分析：
- 关注诊断事件：突变（C→T）、截断、缺失
- 对于每个候选位点，计算：
- k：覆盖该位点的总reads数
- m：具有特定诊断事件的reads数
- 使用排列检验（permutation test）评估显著性：
- 随机将突变插入到其他reads中（保持相对于5'端的偏移）
- 比较实际数据和排列数据中(k, m)的分布
- 为每个位点分配经验FDR
- 额外过滤：排除与已知SNP重叠的位点，检查"RRAC"模体（m⁶A consensus）
PARalyzer：
- 分析用户指定的突变类型
- 通过聚类和统计检验识别高置信度修饰位点
3. 基于化学/酶抗性的数据鉴定
endSeeker（Nm-REP-seq数据分析）：
- 计算每个转录本位置的3'端覆盖度
- 候选位点应满足：
- 覆盖度显著高于上下游各1 nt
- 覆盖度显著高于对照组（未处理样本）
- 计算四个变量：
- upFC = 候选位点覆盖度 / 上游1 nt覆盖度
- downFC = 候选位点覆盖度 / 下游1 nt覆盖度
- upCtrlFC = upFC / 对照组upFC
- downCtrlFC = downFC / 对照组downFC
- 结合四个变量筛选高置信度2'-O-Me位点
4. 基于第三代测序的修饰鉴定
EpiNano-Error模式：
- 比较修饰酶敲除/敲低样本与野生型样本
- 分析碱基识别错误（突变、缺失、插入）的频率差异
- 基于错误模式差异预测修饰位点
EpiNano-SVM模式：
- 使用已知修饰位点训练SVM模型
- 提取纳米孔测序信号特征（电流、持续时间等）
- 预测新样本中的修饰位点
5. RNA修饰位点分布分析
Meta-gene分析（MetaPlotR）：
- 将转录本坐标归一化为元坐标：
- 5'UTR：0-1
- CDS：1-2
- 3'UTR：2-3
- 绘制修饰位点在元基因模型上的分布
- 揭示修饰特征：如m⁶A在终止密码子附近富集
Motif分析：
- m⁶A："RRAC" consensus motif
- 在鉴定位点周围搜索显著富集的序列模式
- 使用MEME、DREME等工具
6. 差异RNA修饰分析
Differential m⁶A分析：
- 比较两组样本（如疾病 vs. 正常）的m⁶A水平
- 方法：exomePeak2、MeTDiff、QNB（基于β-二项模型）
- 输出：差异甲基化位点或区域，以及关联的基因

1. DNA甲基化与组蛋白修饰的互作
DNA甲基化 → 组蛋白修饰：
- 甲基化CpG可以被MBD蛋白（如MeCP2）识别，招募HDAC和SIN3A复合物，导致去乙酰化和染色质压缩
- DNMT3A/3B可以与EZH2（PRC2）相互作用，在新靶基因上同时建立DNA甲基化和H3K27me3
组蛋白修饰 → DNA甲基化：
- H3K4me3可以阻止DNMT3L与核小体结合，从而抑制DNA甲基化（保护CpG岛）
- H3K36me3可以招募DNMT3B，促进基因体的DNA甲基化
- H3K9me3可以招募DNMT3A/3B，促进异染色质区域的DNA甲基化
2. 组蛋白修饰之间的交叉对话
H3K4me3与H3K27me3的双价修饰：
- PRC2复合物（EZH2）在H3K4me3存在时活性受抑
- KDM5B（H3K4me3去甲基化酶）可以与PRC2协同，使H3K4me3减少，H3K27me3增加
- 这种动态平衡决定了基因的"预备态"或"激活态"
H3K9me3与H3K27me3的互斥：
- H3K9me3（异染色质）和H3K27me3（多梳抑制）通常不共存
- 在特定发育阶段，H3K27me3标记的基因可以转变为H3K9me3标记，实现从"可逆沉默"到"不可逆沉默"的转换
3. 三维基因组与表观遗传修饰的互作
CTCF与Cohesin的协同：
- CTCF结合到基因组特定位置，作为Cohesin复合物的"锚点"
- Cohesin通过"环挤压"（loop extrusion）机制将DNA拉成环，直到遇到另一个CTCF位点
- 环的形成使增强子和启动子空间接近，促进转录激活
- CTCF位点的甲基化或突变可以破坏环化，导致增强子异位调控
TAD边界与表观遗传状态：
- TAD边界通常富含CTCF和H3K4me3，处于活跃状态
- TAD内部的表观遗传状态可以多样化，但边界维持域内的一致性
- TAD边界破坏后，域内的表观遗传信息可以"泄漏"到相邻TAD
4. RNA修饰与表观遗传的互作
m⁶A与DNA甲基化的互作：
- METTL3可以催化染色质相关RNA（caRNA）的m⁶A修饰
- caRNA的m⁶A修饰可以招募YTHDC1，促进染色质开放和转录激活
- 在某些基因上，m⁶A修饰与DNA去甲基化协同作用
m⁶A与组蛋白修饰的互作：
- H3K36me3由SETD2催化，可以招募METTL3/14，促进新生RNA的m⁶A修饰
- 这种耦合机制确保了活跃转录基因的高m⁶A水平

1. 数据整合层次
基因组层次：
- 结合基因组变异（SNP、CNV、SV）和表观遗传数据
- 分析变异对表观遗传状态的影响（如eQTL、caQTL、meQTL）
转录调控层次：
- 整合ChIP-seq（TF、组蛋白）、ATAC-seq（染色质可及性）、RNA-seq（转录本）
- 构建转录调控网络：TF → 表观遗传 → 基因表达
表观遗传层次：
- 整合DNA甲基化、组蛋白修饰、三维结构、RNA修饰
- 构建多层表观遗传调控图谱
2. 整合分析方法
关联分析：
- 相关性分析：表观遗传特征与基因表达的相关性
- 回归分析：预测基因表达的最优表观遗传特征组合
- 因果推断：使用中介分析或孟德尔随机化推断因果关系
网络分析：
- 构建多组学调控网络（如ARACNE、WGCNA）
- 识别多组学模块（multi-omics modules）
- 模块富集分析：揭示协同调控的功能通路
机器学习：
- 使用随机森林、梯度提升树、深度学习等方法整合多组学特征
- 预测基因表达、细胞状态或疾病风险
- 特征重要性分析：识别关键调控因子

1. 单细胞技术
scATAC-seq：
- 原理：Tn5转座酶切割开放染色质，加入测序接头
- 应用：单细胞染色质可及性分析
- 特点：检测数千个单细胞，揭示细胞类型特异性调控元件
scRNA-seq + 表观遗传整合：
- 同时测量单个细胞的转录组和表观遗传状态（如scNMT-seq：scRNA-seq + scWGBS + scATAC-seq）
- 揭示转录异质性的表观遗传基础
scHi-C：
- 原理：在单细胞中进行Hi-C实验
- 挑战：需要极高的灵敏度（每个细胞仅有一份基因组）
- 应用：揭示细胞间三维结构的异质性
2. 单细胞数据分析挑战
数据稀疏性：
- 单个细胞中只有部分基因组区域被检测到（如scATAC-seq中每个细胞仅约1,000-10,000个开放位点）
- 需要专门的降维和插补方法（如LSA、cisTopic、SnapATAC）
批次效应：
- 不同实验批次、不同 donor 之间的技术差异
- 整合方法：Harmony、Seurat CCA、LIGER、scVI
细胞类型鉴定：
- 基于染色质可及性峰进行聚类和注释
- 使用基因活性评分（peak-to-gene linkage）推断细胞类型

1. 纳米孔测序（ONT）在表观遗传中的应用
DNA甲基化检测：
- 直接检测5-mC和5-hmC，无需亚硫酸盐处理
- 可以区分CpG、CHG和CHH甲基化
- 同时检测DNA序列和甲基化信息
RNA修饰检测：
- 直接检测m⁶A、Ψ、2'-O-Me等修饰
- 保留全长RNA信息，包括可变剪接和融合基因
- 软件：EpiNano、Nanocompore、Tombo
优势：
- 长读长（可达数百万bp）可以跨越重复序列和复杂区域
- 单分子分辨率揭示等位基因特异性修饰
- 可以检测结构变异和甲基化的同时存在
挑战：
- 错误率较高（约5-10%），需要高深度覆盖
- 碱基识别和修饰检测的准确性仍在改进中
- 成本和通量与二代测序相比仍有差距
2. PacBio SMRT在表观遗传中的应用
DNA甲基化检测：
- 通过IPD（interpulse duration）和PW（pulse width）检测甲基化
- 可以检测m⁶A（腺嘌呤甲基化）和4-mC（胞嘧啶甲基化）
- 在细菌中应用广泛，真核生物中主要用于m⁶A检测

1. 表观遗传数据预测
DNA甲基化预测：
- DeepSignal：基于深度学习的纳米孔测序甲基化检测
- CpG Transformer：利用Transformer模型预测CpG甲基化状态
组蛋白修饰预测：
- DeepSEA：从DNA序列预测染色质特征
- ChromatinNN：基于图神经网络预测染色质状态
三维结构预测：
- 使用CNN和Transformer预测Hi-C接触矩阵
- 从DNA序列预测TAD边界和环化位点
2. 多模态数据整合
多组学深度学习：
- MOFA+：基于变分自编码器的多组学因子分析
- VAE-based integration：使用变分自编码器整合多组学数据
- 优势：可以处理缺失数据，发现非线性关系
3. 单细胞数据分析
scVI（Single-cell Variational Inference）：
- 基于变分自编码器的单细胞数据整合和降维
- 可以处理多批次、多组学数据
- 应用：单细胞多组学整合、批次校正、缺失插补
AI在表观遗传中的挑战：
- 数据标注困难，监督学习受限
- 需要解释性AI来理解生物学机制
- 模型的泛化能力受限于训练数据的多样性

> 章节导读：基因的表达受到精密的调控。从转录因子对基因启动子和增强子的特异性识别，到DNA甲基化、组蛋白修饰等表观遗传信息对染色质状态的动态调控，再到三维基因组结构中增强子与启动子的远程互作，以及RNA分子上的化学修饰——这些多层次、多维度的调控机制共同决定了细胞类型特异性、发育时序性和环境响应性。本章将系统介绍转录调控和表观遗传的基本概念、分析技术和数据处理方法，帮助读者理解基因表达调控的复杂网络。

基因转录调控是一个多层次的复杂过程，涉及多个调控元件和蛋白质的协同作用：
1. 启动子（Promoter）：位于基因转录起始位点（TSS）上游的DNA区域，包含核心启动子元件（如TATA框、起始子Inr）和近端启动子元件。核心启动子负责招募RNA聚合酶II和通用转录因子，形成基础转录机器。
2. 增强子（Enhancer）：可以位于基因上游、下游或内含子中的DNA调控元件，通过结合特定转录因子来增强靶基因的转录效率。增强子的特点是具有位置独立性（可以位于靶基因的任何方向）和距离独立性（可以距离靶基因数kb甚至数十kb）。
3. 绝缘子（Insulator）：阻断增强子与启动子之间的通信，或防止异染色质区域的扩散，从而维持基因表达边界。
4. 沉默子（Silencer）：与转录抑制因子结合，降低靶基因的转录活性。

转录因子通过以下步骤实现对基因表达的精确调控：
1. 识别与结合：转录因子的DNA结合域识别并结合特定的DNA序列模体（motif）。常见的DNA结合域类型包括：锌指结构（Zinc finger）、同源异型域（Homeodomain）、亮氨酸拉链（Leucine zipper）、螺旋-环-螺旋（Helix-loop-helix）等。
2. 协同作用：多个转录因子可以在同一调控区域形成复合物，通过协同效应增强或抑制转录效率。这种组合调控（combinatorial regulation）使得有限的转录因子种类能够产生极其复杂的调控模式。
3. 染色质重塑：转录因子可以招募染色质重塑复合物（如SWI/SNF、ISWI、CHD家族），改变核小体的位置和组成，从而影响DNA的可及性。

表观遗传信息主要通过以下四种机制调控基因表达：
1. DNA甲基化：DNA甲基转移酶（DNMT）将甲基基团添加到胞嘧啶的5号碳位（主要发生在CpG二核苷酸中），形成5-甲基胞嘧啶（5-mC）。DNA甲基化通常与基因沉默相关，尤其是启动子区域的甲基化会抑制基因转录。
2. 组蛋白修饰：组蛋白N端尾部的氨基酸残基可以发生多种共价修饰，包括乙酰化、甲基化、磷酸化、泛素化等。这些修饰可以改变核小体的结构和DNA的缠绕松紧程度，从而影响基因的可及性。例如，组蛋白乙酰化通常与转录激活相关，而组蛋白甲基化的效应则取决于具体位点和甲基化程度。
3. 染色质重塑：ATP依赖的染色质重塑复合物通过滑动、移除或交换核小体来改变染色质结构，从而调控基因表达。
4. 非编码RNA调控：长链非编码RNA（lncRNA）、microRNA（miRNA）等可以通过多种机制调控基因表达，包括染色质重塑、转录干扰和mRNA降解等。

表观遗传信息可以在细胞分裂过程中传递给子代细胞，这是表观遗传学的重要特征。DNA甲基化的维持机制：在DNA复制过程中，半甲基化的DNA（母链甲基化、子链未甲基化）可以被维持性DNA甲基转移酶DNMT1识别，并在子链对应位置添加甲基，从而维持甲基化状态。组蛋白修饰的传递则主要通过"组蛋白密码假说"和组蛋白变体的掺入来实现。

1. DNA共有序列
构建方法：对已知的多条转录因子结合序列进行多序列比对，在每个位置选择频率最高的碱基（若最高频率低于某个阈值，则使用简并码）。例如：
- 序列集合：TACTGTA, TACTGCA, TACTGTA, TACTGCA
- 共有序列：TACTGHA（H表示A/C/T）
局限性：无法反映碱基频率的连续变化，对信息的利用不够充分。
2. 位置频率矩阵（PFM）
对于一个长度为n的模体，PFM的构建步骤：
1. 收集已知的转录因子结合序列（通常来自SELEX、PBM或ChIP-Seq实验）
2. 对序列进行多序列比对
3. 统计每个位置（j=1..n）上每种碱基（i∈{A,C,G,T}）的出现次数
4. 计算频率：q_{i,j} = count_{i,j} / N（N为序列总数）
3. 序列标识图（Sequence Logo）
每个位置的信息量（R_j）计算：
$$R_j = H_{max} - H_j = 2 - \left(-\sum_{i=1}^{4} q_{i,j} \log_2 q_{i,j}\right)$$
其中H_j为位置j的信息熵，H_max=2（当4种碱基均匀分布时的最大熵）。
每个碱基的高度：height_{i,j} = q_{i,j} × R_j
4. 位置权重矩阵（PWM）
$$S_{i,j} = \log_2\left(\frac{q_{i,j}}{b_i}\right)$$
其中b_i为碱基i在背景基因组中的频率。
对于待扫描序列的打分：S = Σ_{j=1}^{n} S_{i,j}
窗口滑动扫描：使用长度为n的窗口，以1 bp为步长在基因组上滑动，对每个片段计算PWM得分，筛选超过阈值的位点作为潜在结合位点。

1. 基于共有序列的穷举方法
- 遍历所有可能的k-mer序列（4^k种组合）
- 统计每个k-mer在输入序列集中的出现频率
- 筛选在多数序列中均有出现的显著模式
- 计算复杂度：O(4^k)，适用于k≤10的情况
2. 基于EM算法的模体发现（以MEME为代表）
EM算法包含两个迭代步骤：
E-step（期望步骤）：假设当前位置频率矩阵为θ，对每条序列中每个可能的结合位点位置计算似然比：
$$LR = \frac{P(\text{sequence}|\theta)}{P(\text{sequence}|\theta_0)}$$
其中θ_0为背景碱基频率模型。
M-step（最大化步骤）：以E-step得到的似然比为权重，重新计算位置频率矩阵，最大化观测数据的似然函数。
迭代直至收敛，最终得到最优的位置频率矩阵。
MEME算法改进：先遍历所有可能的起始矩阵，筛选具有统计学显著性的矩阵作为EM的输入，避免陷入局部最优。
3. 基于Gibbs抽样的模体发现
Gibbs抽样是一种马尔可夫链蒙特卡罗（MCMC）方法：
1. 从N条序列中随机选择一条序列S_i
2. 从剩余N-1条序列中随机提取长度为n的片段，构建初始位置频率矩阵
3. 基于该矩阵对S_i中每个可能的n长度片段计算似然比
4. 根据似然比概率随机选择一个片段作为S_i上的结合位点
5. 用选中的片段更新位置频率矩阵
6. 重复步骤1-5，遍历所有序列，完成一轮迭代
7. 多轮迭代直至矩阵收敛
Gibbs抽样的优势：随机化策略可以跳出局部最优，探索更广泛的可能性空间。

实验流程：
1. 交联：甲醛处理细胞，共价固定蛋白质-DNA复合物
2. 裂解：超声波打断染色质，获得约200 bp的DNA片段
3. 免疫沉淀：用特异性抗体捕获目标蛋白及其结合的DNA片段
4. 解交联：去除蛋白质，纯化DNA
5. 测序：构建测序文库，进行高通量测序
技术特点：
- 需要生物学重复（通常2-3次）以提高可靠性
- 人类/小鼠转录因子ChIP-Seq建议测序深度约2000万reads
- 对照样本（Input或IgG）用于背景校正

1. 信号峰层面的质控
FRiP（Fraction of Reads in Peaks）：落入信号峰区域的reads占所有reads的比例。高质量数据FRiP > 0.05（转录因子）或 > 0.2（组蛋白修饰）。
互相关分析（Cross-correlation）：利用正链和负链reads的相位差估计DNA片段长度。关键指标：
- NSC（Normalized Strand Coefficient）= cc(片段长度) / min(cc)，通常NSC > 1.1
- RSC（Relative Strand Correlation）= [cc(片段长度) - min(cc)] / [cc(读段长度) - min(cc)]，通常RSC > 0.8
IDR（Irreproducible Discovery Rate）：衡量生物学重复之间信号峰的可重复性。IDR值越低，信号峰的可重复性越好。通常以IDR < 0.05筛选高置信度信号峰。
2. 注释层面的质控
- 基因组分布：信号峰应在启动子/增强子区域富集
- 序列保守性：信号峰中心应有比周围更高的PhastCons保守性得分
- 模体验证：已知结合模体应在信号峰中心富集

1. 信号峰识别（Peak Calling）
以MACS2为例：
1. 估计片段长度d：通过互相关分析确定正链和负链reads的偏移距离
2. 将reads向3'端移动d/2，构建富集信号
3. 动态泊松分布建模：局部背景λ = max(λ_{local}, λ_{global})
4. 计算每个候选区域的富集显著性（p-value）
5. 多重检验校正（Benjamini-Hochberg FDR），筛选显著富集区域
2. 差异信号峰分析
- 定量比较：类似RNA-seq差异分析方法，比较两套ChIP-Seq数据的信号强度差异（如DiffBind、MAnorm）
- 定性比较：使用严格阈值在一套数据中识别信号峰，用宽松阈值在另一套数据中扫描，仅在一套中出现的峰为差异峰
3. 靶基因预测
- 最近TSS法：将信号峰关联到距离最近的转录起始位点
- 距离阈值法：将TSS一定距离（如±50 kb）内的信号峰关联到该基因
- 加权距离法：信号峰权重随距离增加而衰减（线性或指数衰减）
- 整合转录组法：结合RNA-seq或 knockdown/knockout 实验的转录变化，筛选靶基因（如BETA方法）
4. 功能注释
- ORA（Over-Representation Analysis）：对靶基因列表进行GO/KEGG富集分析
- GREAT/Cistrome-GO：基于信号峰在全基因组的分布，直接进行区域富集分析

在哺乳动物中，DNA甲基化主要发生在CpG二核苷酸的胞嘧啶上：
- 5-甲基胞嘧啶（5-mC）：最常见的DNA甲基化形式，由DNMT酶家族催化
- 5-羟甲基胞嘧啶（5-hmC）：5-mC的氧化产物，近年来发现其具有独特的调控功能
- 5-甲酰基胞嘧啶（5-fC）和5-羧基胞嘧啶（5-caC）：5-hmC的进一步氧化产物，是主动去甲基化途径的中间产物
DNA甲基化状态的三种形式：
- 全甲基化（Fully methylated）：DNA双链的CpG均被甲基化
- 半甲基化（Hemimethylated）：仅一条链的CpG被甲基化（DNA复制后的中间状态）
- 未甲基化（Unmethylated）：双链CpG均未甲基化

1. 从头甲基化（De novo methylation）
- 酶：DNMT3A、DNMT3B
- 机制：识别未甲基化的DNA双链，以S-腺苷甲硫氨酸（SAM）为甲基供体，催化CpG位点的甲基化
- 调控：DNMT3L（无催化活性的辅助蛋白）可增强DNMT3A/3B的活性
2. 甲基化维持（Maintenance methylation）
- 酶：DNMT1
- 机制：在DNA复制后，DNMT1识别半甲基化的CpG（母链甲基化、子链未甲基化），在子链对应位置添加甲基，维持甲基化状态
- 辅助因子：UHRF1蛋白识别半甲基化DNA并招募DNMT1
3. 主动去甲基化
- TET酶氧化：TET1/2/3将5-mC逐步氧化为5-hmC、5-fC、5-caC
- TDG切除：胸腺嘧啶DNA糖基化酶（TDG）识别并切除5-fC和5-caC
- BER修复：碱基切除修复（BER）途径填补缺口，最终完成去甲基化
4. 被动去甲基化
- 在DNMT1活性缺失或不表达的细胞中，DNA复制后甲基化无法维持
- 随细胞分裂，甲基化被逐渐"稀释"，最终达到未甲基化状态

1. 基因表达调控
- 启动子CpG岛甲基化：阻碍转录因子结合，招募甲基CpG结合蛋白（如MeCP2），导致转录沉默
- 基因体甲基化：与转录活跃相关，可能促进转录延伸或抑制转录起始
- 增强子甲基化：降低增强子活性，影响远端基因调控
2. 基因组印记（Genomic Imprinting）
- 亲本等位基因特异的甲基化模式，使子代中仅表达父源或母源等位基因
- 印记基因的异常与Beckwith-Wiedemann综合征、Angelman综合征等疾病相关
3. X染色体失活（X-inactivation）
- 雌性哺乳动物通过Xist lncRNA介导的染色质沉默，使一条X染色体失活
- DNA甲基化在维持X染色体失活状态中发挥重要作用
4. 转座子沉默
- 重复序列和转座子区域的高甲基化抑制其转录活性，维持基因组稳定性
5. 细胞分化和发育
- 胚胎发育过程中经历大规模的DNA甲基化重编程
- 组织特异性甲基化模式决定细胞身份和功能

1. 全基因组重亚硫酸盐测序（WGBS）
- 原理：亚硫酸盐转化 + 全基因组测序
- 优点：单碱基分辨率、全基因组覆盖、定量准确
- 缺点：测序成本高、DNA损伤大、C→U转化导致序列复杂性降低
- 应用：全基因组甲基化图谱绘制、DMR鉴定
2. 简化代表性重亚硫酸盐测序（RRBS）
- 原理：限制性内切酶（MspI）富集CpG岛区域，再进行亚硫酸盐测序
- 优点：成本低、覆盖启动子和CpG岛区域
- 缺点：仅覆盖约1-5%基因组，对非CpG岛区域不敏感
3. 甲基化DNA免疫沉淀测序（MeDIP-Seq）
- 原理：使用5-mC特异性抗体富集甲基化DNA片段，然后测序
- 优点：无需亚硫酸盐处理，DNA完整性高
- 缺点：分辨率低（约100-200 bp），不能区分5-mC和5-hmC
4. 第三代测序技术
- ONT纳米孔测序：通过检测DNA通过纳米孔时的电信号差异，直接识别甲基化修饰
- PacBio SMRT测序：通过分析DNA聚合酶动力学的变化检测甲基化
- 优点：无需亚硫酸盐处理，可区分5-mC和5-hmC，长读长
- 缺点：错误率较高，需要较高测序深度

1. 原始数据质控
- TrimGalore：去除接头序列和低质量碱基（对亚硫酸盐数据优化）
- FastQC：检查碱基质量、GC含量、长度分布
- 特别关注：亚硫酸盐转化效率（通过未甲基化对照λ噬菌体DNA评估）
2. 序列比对
亚硫酸盐转化的特殊性：
- C→U转化后，DNA序列中C极为稀少（仅剩甲基化C）
- 两条链不再互补（仅一条链发生C→T转化）
- 需要专门的比对算法
两种主要比对策略：
三字符法（3-letter）：将参考基因组中所有C替换为T，reads也进行C→T转换，然后比对。优点：简单快速；缺点：信息量损失，部分位点无法区分。
通配符法（Wild-card）：将参考基因组中所有C替换为Y（C或T），保留C的两种可能性。优点：信息完整；缺点：比对复杂度增加，可能引入偏差。
常用比对软件：
- Bismark：基于Bowtie/Bowtie2，进行C→T和G→A双重转换，准确率高，使用最广泛
- BSMAP：通配符法，不转换基因组，创建种子列表进行比对
- Bwa-meth：基于BWA-MEM，支持长读长比对
- Walt：针对亚硫酸盐数据的专门优化算法
3. 甲基化水平推断
对于每个CpG位点：
$$\text{甲基化水平} = \frac{\text{覆盖该位点的甲基化reads数}}{\text{覆盖该位点的总reads数}}$$
影响因素和校正：
- DNA片段末端修复引入的非甲基化C
- 接头序列污染
- 3'端测序质量下降
- 不均衡PCR扩增
- 5-hmC的干扰（亚硫酸盐无法区分5-mC和5-hmC）
4. 差异甲基化区域（DMR）鉴定
滑动窗口法：
- 将基因组划分为固定大小的窗口（如1 kb）
- 比较两组样本间每个窗口的平均甲基化水平
- 使用t检验、Wilcoxon检验或β-二项模型计算显著性
- 筛选连续显著窗口，合并为DMR
常用软件：
- methylKit：R包，支持滑动窗口和CpG-wise分析
- BSmooth：基于局部似然平滑，适合WGBS数据
- MOABS：基于分层贝叶斯模型，整合生物学重复信息
- dmrFinder：结合统计检验和区域合并
5. DMR注释和功能分析
- 基因组位置注释：启动子、外显子、内含子、基因间区
- 基因关联：关联到最近的基因或TSS
- 功能富集：GO/KEGG富集分析、motif分析
- 整合分析：结合RNA-seq数据，分析DMR与差异表达基因的关系

组蛋白修饰命名由四部分组成：
组蛋白类型 + 氨基酸残基 + 位置 + 修饰类型
例如：
- H3K4me3：H3组蛋白第4位赖氨酸的三甲基化
- H3K27ac：H3组蛋白第27位赖氨酸的乙酰化
- H3K9me2：H3组蛋白第9位赖氨酸的二甲基化
- H2BK120ub：H2B组蛋白第120位赖氨酸的泛素化
常见修饰类型缩写：
- ac：乙酰化（acetylation）
- me1/me2/me3：一/二/三甲基化（mono-/di-/tri-methylation）
- me2s/me2a：对称/非对称二甲基化（dimethylation symmetric/asymmetric）
- ub：泛素化（ubiquitination）
- ph：磷酸化（phosphorylation）

1. Writer（写入器）
组蛋白乙酰转移酶（HAT）：
- 将乙酰基从乙酰辅酶A转移到组蛋白赖氨酸残基上
- 家族分类：GNAT家族（GCN5、PCAF）、MYST家族（MOZ、YBF2、SAS2、TIP60）、p300/CBP家族
- 功能：中和赖氨酸正电荷，减弱与DNA的相互作用，促进染色质开放
组蛋白甲基转移酶（HMT）：
- 以S-腺苷甲硫氨酸（SAM）为甲基供体
- 赖氨酸甲基转移酶：SET结构域家族（如MLL、EZH2、SETD2、SUV39H1）
- 精氨酸甲基转移酶：PRMT家族（PRMT1、PRMT4/CARM1、PRMT5）
- 功能：不改变电荷，但增加空间位阻，影响蛋白质相互作用
2. Eraser（擦除器）
组蛋白去乙酰化酶（HDAC）：
- 去除赖氨酸残基上的乙酰基
- 家族分类：Class I（HDAC1/2/3/8）、Class II（HDAC4/5/6/7/9/10）、Class III/Sirtuins（SIRT1-7）、Class IV（HDAC11）
- 功能：恢复赖氨酸正电荷，增强与DNA的相互作用，促进染色质压缩
组蛋白去甲基化酶（KDM）：
- KDM1/LSD1家族：黄素依赖氧化酶，主要去除H3K4me1/2和H3K9me2
- JmjC家族：α-酮戊二酸依赖的双加氧酶，可去除多种甲基化修饰（H3K4、H3K9、H3K27、H3K36等）
3. Reader（读取器）
溴结构域（Bromodomain）：
- 识别乙酰化赖氨酸
- 家族成员：BRD2/3/4、BRDT、PBRM1等
- 功能：招募转录机器和染色质重塑复合物
染色质结构域（Chromodomain）：
- 识别甲基化赖氨酸
- HP1（识别H3K9me3）、PRC1（识别H3K27me3）
- 功能：介导异染色质形成和基因沉默
Tudor结构域、PHD结构域、WD40重复等：
- 识别不同甲基化状态
- 功能：参与DNA修复、转录调控和细胞信号传导

转录激活相关修饰：
- H3K4me3：活跃启动子标记，招募TFIID复合物
- H3K9ac、H3K27ac：活跃增强子和启动子标记，与开放染色质相关
- H3K36me3：基因体标记，与转录延伸相关，招募RNA剪接因子
- H3K79me2：基因体标记，与转录活跃相关
转录抑制相关修饰：
- H3K27me3：多梳蛋白抑制标记，由PRC2复合物（EZH2）催化，介导发育基因的可逆沉默
- H3K9me2/3：异染色质标记，由SUV39H1/2催化，招募HP1蛋白，介导转座子沉默和组成型异染色质形成
- H4K20me3：抑制性标记，与DNA损伤修复和细胞周期调控相关
双价修饰（Bivalent Domain）：
- H3K4me3 + H3K27me3：同时存在于胚胎干细胞中发育调控基因的启动子区域
- 含义：基因处于"预备转录"状态——既被激活又被抑制，随时准备响应分化信号

1. X-ChIP-Seq（交联ChIP-Seq）
- 甲醛交联蛋白质-DNA → 超声打断染色质（200-1000 bp）→ 免疫沉淀 → 测序
- 适用于大多数组蛋白修饰，特别是稳定性较差的修饰
- 缺点：分辨率受限于超声片段大小，交联可能引入非特异性结合
2. N-ChIP-Seq（天然ChIP-Seq）
- 无交联 → MNase消化（单核小体分辨率，~147 bp）→ 免疫沉淀 → 测序
- 适用于稳定的组蛋白修饰（如H3K4me3、H3K27me3）
- 优点：单核小体分辨率，保留核小体定位信息
- 缺点：不适用于不稳定的修饰或DNA结合蛋白
3. CUT&RUN
- 抗体靶向组蛋白修饰 → 融合蛋白pA-MNase切割附近DNA → 释放DNA片段 → 测序
- 优点：低背景、高分辨率、低细胞数需求（可处理10^5细胞）
- 缺点：依赖抗体质量，部分修饰可能不适用
4. CUT&Tag
- 抗体靶向组蛋白修饰 → Tn5转座酶融合蛋白在修饰位点附近插入接头并切割DNA → 测序
- 优点：无需交联和超声，操作简便，背景更低，细胞数需求更低（可处理10^3-10^4细胞）
- 缺点：对转座酶活性敏感，部分区域可能覆盖不均

1. 数据质控
与转录因子ChIP-Seq质控类似，但需额外关注：
- 抗体特异性：Western blot验证抗体特异性
- 信号分布特征：不同修饰有特定的基因组分布模式
- 峰型特征：窄峰（如H3K4me3、H3K9ac）vs. 宽峰（如H3K27me3、H3K9me3）
2. 峰识别（Peak Calling）
窄峰类型（如H3K4me3、H3K9ac）：
- 使用与转录因子ChIP-Seq相同的方法（MACS2、HOMER）
- 峰通常位于TSS附近或增强子区域
宽峰类型（如H3K27me3、H3K9me3、H3K36me3）：
- 使用宽峰模式算法（MACS2 --broad、SICER、RSEG）
- 富集区域可跨越数十kb甚至数百kb
- 需要更大的合并窗口和更宽松的阈值
3. 差异富集区域分析
常用方法：
- DiffBind：基于DESeq2/edgeR的ChIP-Seq差异分析R包
- MAnorm：基于MA图的归一化方法，假设共有峰具有相同信号强度
- ChIPDiff：基于隐马尔可夫模型的差异分析
4. 染色质状态推断（Chromatin State Calling）
核心思想：整合多种组蛋白修饰的ChIP-Seq数据，基于修饰组合模式推断每个基因组区域的功能状态。
ChromHMM算法：
1. 将基因组划分为200 bp的区间
2. 对每个区间，检查是否存在每种组蛋白修饰的标记（二值化：有/无）
3. 使用多元隐马尔可夫模型（HMM）学习染色质状态
4. 模型训练后，为每个区间分配最可能的染色质状态
常见染色质状态：
- 状态1：活跃启动子（TSS附近，H3K4me3 + H3K27ac）
- 状态2：弱启动子/预备启动子（TSS附近，H3K4me3）
- 状态3：转录延伸（基因体，H3K36me3）
- 状态4：增强子（远端，H3K4me1 + H3K27ac）
- 状态5：弱增强子（远端，H3K4me1）
- 状态6：多梳蛋白抑制（H3K27me3）
- 状态7：异染色质/重复序列（H3K9me3）
- 状态8：绝缘子（CTCF结合位点）
SegWay：另一种基于动态贝叶斯网络的方法，可以处理连续信号而非二值化标记。

1. 染色体领域（Chromosome Territory, ~1-100 Mb）
- 每条染色体在核内占据相对独立的区域
- 原因：染色体是连续的DNA-蛋白质纤维，在不受约束时自然形成连贯区域
- 功能：减少不同染色体之间的异常相互作用，维持基因组稳定性
2. 染色质区室（Compartment, ~1-10 Mb）
- A区室（Compartment A）：转录活跃、开放染色质、基因密集、高表达
- B区室（Compartment B）：转录抑制、紧密染色质、基因稀疏、低表达
- 检测方法：Hi-C矩阵的主成分分析（PCA），第一主成分（PC1）正负值对应A/B区室
- 动态变化：不同细胞类型中，A/B区室可以发生转换，与基因表达变化相关
3. 拓扑关联结构域（TAD, ~0.1-1 Mb）
- 域内相互作用频率显著高于域间
- TAD边界富含CTCF结合位点、管家基因和tRNA基因
- 功能：限制增强子的调控范围，防止异位调控（enhancer adoption）
- 在发育过程中，TAD边界相对稳定，但内部结构可以发生重组
4. 染色质环（Loop, ~1 kb - 1 Mb）
- 点对点的高频相互作用
- 功能类型：增强子-启动子环、启动子-启动子环、CTCF介导的环
- 环的形成通常需要CTCF蛋白和Cohesin复合物的协同作用（环挤压模型）

实验步骤：
1. 固定：甲醛交联，共价固定空间上相邻的DNA片段
2. 酶切：限制性内切酶（如MboI，识别GATC）消化DNA
3. 末端修复：补齐粘性末端，加入生物素标记
4. 连接：低浓度下连接DNA片段，形成嵌合分子（DNA-DNA连接）
5. 解交联：蛋白酶消化蛋白质，纯化DNA
6. 打断和测序：超声打断DNA，富集生物素标记的嵌合片段，进行双端测序
技术原理：
- 两个DNA片段在核内空间距离越近，被连接形成嵌合分子的概率越高
- 测序后，嵌合分子的两个末端分别对应基因组上的两个位置
- 统计所有嵌合分子，构建全基因组相互作用矩阵
关键参数：
- 分辨率：取决于酶切位点密度和测序深度
- 100 kb分辨率：识别区室（约3亿reads）
- 40 kb分辨率：识别TAD（约5-10亿reads）
- 5-10 kb分辨率：识别环（约10-20亿reads）
- 常用酶：MboI（4碱基识别，约250 bp一个位点）vs. HindIII（6碱基识别，约4 kb一个位点）
Hi-C变体技术：
- Capture Hi-C：富集特定区域（如启动子）的相互作用，提高目标区域分辨率
- DNase Hi-C：使用DNase I替代限制性内切酶，提高分辨率
- Micro-C：使用MNase消化至核小体级别，分辨率可达单核小体水平
- in situ Hi-C：在细胞核内进行酶切和连接，减少随机碰撞，信噪比更高
- 单细胞Hi-C：分析单个细胞的三维基因组结构，揭示细胞间异质性

与Hi-C的区别：
- Hi-C无差别地检测全基因组所有相互作用
- ChIA-PET针对特定蛋白质（如CTCF、RNAPII、Cohesin）介导的相互作用进行富集
实验步骤：
1. 甲醛 + EGS交联
2. 超声打断染色质
3. ChIP富集目标蛋白质及其结合的DNA片段
4. 连接半连接子（half-linker），形成桥连接结构
5. 酶切或Tn5片段化，产生配对末端标签（PET）
6. 测序
优势：
- 信号特异性强，背景噪声低
- 分辨率可达100 bp
- 可以直接鉴定蛋白质介导的特定互作（如CTCF-CTCF环）
局限性：
- 依赖高质量抗体
- 只能研究与特定蛋白质相关的相互作用
- 需要较多细胞数

1. 比对和嵌合分子筛选
比对策略：
- Hi-C文库是嵌合分子（两个DNA片段连接），需要特殊处理
- 使用5'端优先比对策略：将reads比对到基因组，优先使用5'端信息
- 常用工具：HiC-Pro、Juicer、Chrom3D
有效嵌合分子筛选：
- 去除未连接的片段（两个末端比对到同一位置）
- 去除酶切位点距离过远（>1 kb）的片段（无效连接）
- 去除PCR重复
- 去除比对质量低的reads
2. 相互作用矩阵构建
- 将基因组划分为等距的区间（bins），如40 kb、10 kb、5 kb
- 统计每对区间之间的有效嵌合分子数量
- 结果：N×N的相互作用矩阵（N为区间数）
3. 矩阵校准（Normalization）
校准原因：
- GC含量差异：GC-rich区域更容易被连接和测序
- 酶切位点密度：MboI位点密度不均匀
- 序列可比对性：重复序列区域比对率低
- 这些因素导致某些区间的相互作用计数系统性偏高
校准方法：
显式校准（如HiC-Pro）：
- 将相互作用计数与GC含量、酶切位点数量、可比对性进行回归
- 得到回归校准后的相互作用计数
隐式校准（矩阵平衡法）：
- 假设：每个区间与所有其他区间的相互作用总量应该一致
- 算法：迭代地将矩阵每行除以行平均值，每列除以列平均值，直至收敛
- 结果：每个区间的行和列和均等于1（或常数）
- 优点：无需知道偏差来源，自动校正
- 缺点：对低覆盖区域敏感，可能引入噪声
4. 矩阵可视化
二维热图：
- 正方形形式：展示完整矩阵
- 三角形形式：利用矩阵对称性，仅展示上三角或下三角
- 颜色深度：表示相互作用频率（通常log2变换或归一化）
- 常用工具：JuiceBox、HiGlass、3D Genome Browser
弧形图（Arc plot）：
- 将基因组表示为一条直线
- 用弧线连接相互作用的两个位点
- 适合展示特定区域的相互作用

1. 识别染色质区室（Compartment Calling）
主成分分析法（PCA）：
1. 将相互作用矩阵对期望值进行标准化
- 期望值计算：相同基因组距离的平均相互作用频率
- 标准化：观察值 / 期望值
2. 计算皮尔逊相关系数矩阵
3. 对相关系数矩阵进行PCA
4. 第一主成分（PC1）的特征值符号区分A/B区室：
- PC1 > 0：A区室（活跃）
- PC1 < 0：B区室（抑制）
生物学验证：
- A区室与基因密度、表达水平、GC含量正相关
- B区室与核纤层关联、晚期复制正相关
2. 识别拓扑关联结构域（TAD Calling）
方向指数法（Directionality Index, DI）：
- 对于每个基因组区间（如40 kb bin），计算其向上游2 Mb和下游2 Mb的相互作用数目
- DI = (B - A) / |B - A| × [(A - E)²/E + (B - E)²/E]
- A：上游相互作用数；B：下游相互作用数；E：(A+B)/2
- DI > 0：倾向于与下游相互作用（TAD左边界）
- DI < 0：倾向于与上游相互作用（TAD右边界）
- |DI| ≈ 0：TAD内部
绝缘指数法（Insulation Score）：
- 计算每个bin作为TAD边界的绝缘能力
- 绝缘指数 = 相邻两侧bin的平均相互作用 / 该bin与两侧的相互作用
- 绝缘指数最低点对应TAD边界
常用软件：
- Arrowhead：Juicer工具包中的TAD识别算法
- TopDom：基于 DI 的TAD识别
- Armatus：基于动态规划的TAD识别
- lavaburst：多尺度TAD识别
3. 识别染色质环（Loop Calling）
HiCCUPS算法（Juicer工具包）：
- 核心假设：染色质环处的相互作用频率显著高于周围背景
- 将候选区域划分为中心像素和周围背景区域（左、右、上、下）
- 计算中心像素与每个背景区域的比值
- 使用负二项分布检验，判断中心是否显著高于背景（通常要求>50%）
- 多重分辨率检测：在5 kb、10 kb、25 kb分辨率分别检测，合并结果
其他方法：
- Fit-Hi-C：基于距离依赖模型的统计检验
- cLoops：基于局部密度聚类
- CHiCAGO：针对Capture Hi-C数据的环识别

主要步骤：
1. 比对：将双末端标签比对到参考基因组
2. 分类：将唯一比对标签分为自连接（同一基因组区域）和间连接（不同基因组区域）
3. 过滤：去除PCR重复和低质量连接
4. 富集分析：将相互作用锚点视为ChIP-Seq信号峰，进行peak calling
5. 环识别：基于锚点之间的连接频率，识别显著互作对
常用工具：ChIA-PET Tools

1. 碱基修饰
m⁶A（N⁶-甲基腺苷）：
- 分布：mRNA（约0.1-0.4%的腺苷被修饰）、lncRNA、pri-miRNA
- 共识序列：DRACH（D = A/G/U, R = A/G, H = A/C/U）
- Writer复合物：METTL3（催化亚基）、METTL14（底物识别）、WTAP（调控亚基）、VIRMA/KIAA1429（底物定位）
- Eraser：FTO（肥胖相关蛋白）、ALKBH5（AlkB同源蛋白5）
- Reader：YTHDF1（促进翻译）、YTHDF2（促进降解）、YTHDF3（促进翻译）、YTHDC1（调控剪接）、YTHDC2（调控翻译）、IGF2BP1/2/3（促进稳定性）
- 功能：调控mRNA稳定性、翻译效率、剪接模式、细胞定位和相分离
m⁵C（5-甲基胞苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：NSUN2（tRNA和mRNA）、NSUN6（tRNA）
- Eraser：TET家族（可氧化m⁵C为hm⁵C）
- Reader：ALYREF（核输出因子）
- 功能：影响翻译效率、密码子使用、RNA结构稳定性
m¹A（N¹-甲基腺苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：TRMT6/61A（tRNA）、TRMT6/61B（mRNA）
- 功能：影响翻译起始和延伸
m⁷G（N⁷-甲基鸟苷）：
- 分布：mRNA 5'帽子结构、rRNA、tRNA
- Writer：RNMT（mRNA帽子）、METTL1（tRNA）
- 功能：mRNA帽子识别、翻译起始
Ψ（假尿苷）：
- 分布：tRNA、rRNA、snRNA、少量mRNA
- Writer：PUS酶家族（蛋白质）或snoRNP（snoRNA指导）
- 功能：增强RNA结构稳定性、影响密码子解码、调控剪接
A→I（腺苷到肌苷编辑）：
- 酶：ADAR家族（ADAR1、ADAR2）
- 功能：改变密码子（如谷氨酰胺密码子CAG变为精氨酸密码子CGG），影响蛋白质序列
2. 核糖修饰
2'-O-Me（2'-O-核糖甲基化）：
- 分布：rRNA、tRNA、snRNA、部分mRNA
- Writer：snoRNP复合物（C/D box snoRNA指导）
- 功能：增强RNA对碱水解的抗性，影响翻译效率
3. 混合型修饰
m⁶Am（N⁶,2'-O-二甲基腺苷）：
- 分布：mRNA 5'帽子结构
- 功能：保护mRNA 5'端，调控翻译效率

1. 调控mRNA稳定性
- YTHDF2识别m⁶A修饰，招募CCR4-NOT去腺苷酸化复合物，促进mRNA降解
- IGF2BP1/2/3识别m⁶A修饰，稳定靶mRNA（如Myc mRNA）
- m⁶A修饰在5'UTR可以通过YTHDF2促进降解，在3'UTR则效应更复杂
2. 调控翻译效率
- 5'UTR m⁶A：促进cap-independent翻译（如热休克响应）
- 3'UTR m⁶A：YTHDF1/3促进翻译起始
- CDS m⁶A：通常抑制翻译延伸
- m⁵C在5'UTR：促进翻译起始
3. 调控可变剪接
- YTHDC1识别内含子m⁶A，促进外显子 inclusion
- METTL3/METTL14可以调控特定外显子的剪接
- m⁶A修饰可以影响SR蛋白的RNA结合
4. 调控RNA定位和运输
- m⁶A修饰影响mRNA的核滞留和核输出
- YTHDC1调控 circRNA的核输出
- m⁵C促进mRNA的核输出（通过ALYREF）
5. 调控细胞命运和发育
- 胚胎干细胞中m⁶A水平调控多能性维持和分化
- 精子发生、卵子成熟、神经发育等过程依赖精确的RNA修饰调控
- m⁶A缺失（Mettl3敲除）导致胚胎致死，显示其必不可少的作用
6. 与疾病的关联
- 癌症：FTO和ALKBH5在多种癌症中高表达，通过降低m⁶A水平促进肿瘤增殖
- 肥胖：FTO是第一个被发现与肥胖显著相关的基因，通过调控m⁶A影响能量代谢
- 神经退行性疾病：ADAR突变与Aicardi-Goutieres综合征、肌萎缩侧索硬化（ALS）相关
- 病毒感染：HIV等病毒利用宿主m⁶A machinery调控病毒基因表达和潜伏

1. 基于亲和纯化的方法
MeRIP-seq（m⁶A-seq）：
- 原理：m⁶A特异性抗体免疫沉淀 → 测序
- 分辨率：约100-200 nt（依赖片段大小）
- 优点：广泛应用，可检测多种修饰
- 缺点：分辨率低，不能精确定位到单碱基
m⁶A-label-seq：
- 原理：使用Se-烯丙基-L-硒基同型半胱氨酸替代m⁶A形成a⁶A，可被抗体富集，碘诱导环化后在反转录中产生碱基错配
- 分辨率：单碱基
- 限制：仅适用于细胞培养，不能用于组织样本
2. 基于反转录诊断事件的方法
miCLIP（m⁶A individual-nucleotide-resolution cross-linking and immunoprecipitation）：
- 原理：254 nm UV交联 → m⁶A抗体免疫沉淀 → 反转录中m⁶A位点附近产生C→T突变或截断 → 测序
- 分辨率：单碱基
- 优点：分辨率高
- 缺点：交联效率低，只能鉴定部分位点
PA-m⁶A-seq：
- 原理：将4SU整合到mRNA → 365 nm UV交联 → 抗体免疫沉淀 → 反转录中4SU附近U被误读为C → 约20 nt分辨率
RNA-BisSeq（m⁵C检测）：
- 原理：亚硫酸盐处理RNA → 未修饰C→U，m⁵C保留 → 测序
- 注意：RNA亚硫酸盐处理条件比DNA更苛刻
Ψ检测方法：
- CMC处理：羧甲基纤维素（CMC）在Ψ位点引入庞大基团，导致反转录终止
- PSI-Seq/Pseudo-Seq/CeU-Seq：基于CMC的Ψ检测方法
- RBS-Seq：亚硫酸盐处理RNA，Ψ位点产生碱基缺失
m¹A检测：
- m¹A-MAP/m¹A-seq-TGIRT：基于m¹A在反转录中诱导碱基错配，使用耐高温TGIRT酶增加错配率
3. 基于化学或酶抗性的方法
RiboMeth-seq（2'-O-Me检测）：
- 原理：2'-O-Me增强磷酸二酯键对碱水解的抗性 → 有2'-O-Me的位点保护相邻核苷酸不被降解 → 测序后检测保护末端
- 缺点：背景高，需要高测序深度
Nm-seq：
- 原理：无2'-O-Me的3'端核苷酸被高碘酸盐氧化后降解，有2'-O-Me的则保留 → 富集3'端有2'-O-Me的片段
- 缺点：碎片化偏好性，需要多次氧化循环
Nm-REP-seq：
- 原理：结合MgR酶消化（在2'-O-Me前一位停顿）和化学处理（在2'-O-Me位点停顿）→ 两种方法共同验证，降低假阳性
4. 基于第三代测序的方法
ONT纳米孔测序：
- 原理：DNA/RNA通过纳米孔时产生特征性电流信号，甲基化修饰改变电流特征
- 优点：无需亚硫酸盐处理，长读长，可区分多种修饰
- 缺点：错误率较高，需要高深度
- 软件：EpiNano（用于m⁶A、Ψ、2'-O-Me鉴定）
PacBio SMRT测序：
- 原理：实时监测DNA聚合酶动力学，修饰碱基影响聚合速率（脉冲间隔）和信号强度（脉冲宽度）
- 优点：单分子分辨率，可同时检测序列和修饰
- 缺点：通量较低，成本高

1. 基于亲和纯化数据的峰识别
exomePeak：
- 原理：IP样本 vs. input样本，计算每个位点的修饰程度（IP / (IP + input)）
- 统计检验：C-test（基于二项分布）
- 优点：考虑了整体修饰水平
MACS2：
- 可直接用于RNA修饰IP数据（类似ChIP-Seq peak calling）
- 动态泊松分布建模背景
MeTPeak：
- 采用分层β-二项模型模拟读段富集方差
- 使用隐马尔可夫模型解释相邻富集的依赖性
CTK：
- 使用"寻谷算法"（valley-seeking）分离重叠峰
- 计算相邻局部最大值之间的谷深度，判断是否应分为两个峰
- 支持多种背景模型和扫描统计
2. 基于反转录诊断事件的单碱基鉴定
CTK/miCLIP数据分析：
- 关注诊断事件：突变（C→T）、截断、缺失
- 对于每个候选位点，计算：
- k：覆盖该位点的总reads数
- m：具有特定诊断事件的reads数
- 使用排列检验（permutation test）评估显著性：
- 随机将突变插入到其他reads中（保持相对于5'端的偏移）
- 比较实际数据和排列数据中(k, m)的分布
- 为每个位点分配经验FDR
- 额外过滤：排除与已知SNP重叠的位点，检查"RRAC"模体（m⁶A consensus）
PARalyzer：
- 分析用户指定的突变类型
- 通过聚类和统计检验识别高置信度修饰位点
3. 基于化学/酶抗性的数据鉴定
endSeeker（Nm-REP-seq数据分析）：
- 计算每个转录本位置的3'端覆盖度
- 候选位点应满足：
- 覆盖度显著高于上下游各1 nt
- 覆盖度显著高于对照组（未处理样本）
- 计算四个变量：
- upFC = 候选位点覆盖度 / 上游1 nt覆盖度
- downFC = 候选位点覆盖度 / 下游1 nt覆盖度
- upCtrlFC = upFC / 对照组upFC
- downCtrlFC = downFC / 对照组downFC
- 结合四个变量筛选高置信度2'-O-Me位点
4. 基于第三代测序的修饰鉴定
EpiNano-Error模式：
- 比较修饰酶敲除/敲低样本与野生型样本
- 分析碱基识别错误（突变、缺失、插入）的频率差异
- 基于错误模式差异预测修饰位点
EpiNano-SVM模式：
- 使用已知修饰位点训练SVM模型
- 提取纳米孔测序信号特征（电流、持续时间等）
- 预测新样本中的修饰位点
5. RNA修饰位点分布分析
Meta-gene分析（MetaPlotR）：
- 将转录本坐标归一化为元坐标：
- 5'UTR：0-1
- CDS：1-2
- 3'UTR：2-3
- 绘制修饰位点在元基因模型上的分布
- 揭示修饰特征：如m⁶A在终止密码子附近富集
Motif分析：
- m⁶A："RRAC" consensus motif
- 在鉴定位点周围搜索显著富集的序列模式
- 使用MEME、DREME等工具
6. 差异RNA修饰分析
Differential m⁶A分析：
- 比较两组样本（如疾病 vs. 正常）的m⁶A水平
- 方法：exomePeak2、MeTDiff、QNB（基于β-二项模型）
- 输出：差异甲基化位点或区域，以及关联的基因

1. DNA甲基化与组蛋白修饰的互作
DNA甲基化 → 组蛋白修饰：
- 甲基化CpG可以被MBD蛋白（如MeCP2）识别，招募HDAC和SIN3A复合物，导致去乙酰化和染色质压缩
- DNMT3A/3B可以与EZH2（PRC2）相互作用，在新靶基因上同时建立DNA甲基化和H3K27me3
组蛋白修饰 → DNA甲基化：
- H3K4me3可以阻止DNMT3L与核小体结合，从而抑制DNA甲基化（保护CpG岛）
- H3K36me3可以招募DNMT3B，促进基因体的DNA甲基化
- H3K9me3可以招募DNMT3A/3B，促进异染色质区域的DNA甲基化
2. 组蛋白修饰之间的交叉对话
H3K4me3与H3K27me3的双价修饰：
- PRC2复合物（EZH2）在H3K4me3存在时活性受抑
- KDM5B（H3K4me3去甲基化酶）可以与PRC2协同，使H3K4me3减少，H3K27me3增加
- 这种动态平衡决定了基因的"预备态"或"激活态"
H3K9me3与H3K27me3的互斥：
- H3K9me3（异染色质）和H3K27me3（多梳抑制）通常不共存
- 在特定发育阶段，H3K27me3标记的基因可以转变为H3K9me3标记，实现从"可逆沉默"到"不可逆沉默"的转换
3. 三维基因组与表观遗传修饰的互作
CTCF与Cohesin的协同：
- CTCF结合到基因组特定位置，作为Cohesin复合物的"锚点"
- Cohesin通过"环挤压"（loop extrusion）机制将DNA拉成环，直到遇到另一个CTCF位点
- 环的形成使增强子和启动子空间接近，促进转录激活
- CTCF位点的甲基化或突变可以破坏环化，导致增强子异位调控
TAD边界与表观遗传状态：
- TAD边界通常富含CTCF和H3K4me3，处于活跃状态
- TAD内部的表观遗传状态可以多样化，但边界维持域内的一致性
- TAD边界破坏后，域内的表观遗传信息可以"泄漏"到相邻TAD
4. RNA修饰与表观遗传的互作
m⁶A与DNA甲基化的互作：
- METTL3可以催化染色质相关RNA（caRNA）的m⁶A修饰
- caRNA的m⁶A修饰可以招募YTHDC1，促进染色质开放和转录激活
- 在某些基因上，m⁶A修饰与DNA去甲基化协同作用
m⁶A与组蛋白修饰的互作：
- H3K36me3由SETD2催化，可以招募METTL3/14，促进新生RNA的m⁶A修饰
- 这种耦合机制确保了活跃转录基因的高m⁶A水平

1. 数据整合层次
基因组层次：
- 结合基因组变异（SNP、CNV、SV）和表观遗传数据
- 分析变异对表观遗传状态的影响（如eQTL、caQTL、meQTL）
转录调控层次：
- 整合ChIP-seq（TF、组蛋白）、ATAC-seq（染色质可及性）、RNA-seq（转录本）
- 构建转录调控网络：TF → 表观遗传 → 基因表达
表观遗传层次：
- 整合DNA甲基化、组蛋白修饰、三维结构、RNA修饰
- 构建多层表观遗传调控图谱
2. 整合分析方法
关联分析：
- 相关性分析：表观遗传特征与基因表达的相关性
- 回归分析：预测基因表达的最优表观遗传特征组合
- 因果推断：使用中介分析或孟德尔随机化推断因果关系
网络分析：
- 构建多组学调控网络（如ARACNE、WGCNA）
- 识别多组学模块（multi-omics modules）
- 模块富集分析：揭示协同调控的功能通路
机器学习：
- 使用随机森林、梯度提升树、深度学习等方法整合多组学特征
- 预测基因表达、细胞状态或疾病风险
- 特征重要性分析：识别关键调控因子

1. 单细胞技术
scATAC-seq：
- 原理：Tn5转座酶切割开放染色质，加入测序接头
- 应用：单细胞染色质可及性分析
- 特点：检测数千个单细胞，揭示细胞类型特异性调控元件
scRNA-seq + 表观遗传整合：
- 同时测量单个细胞的转录组和表观遗传状态（如scNMT-seq：scRNA-seq + scWGBS + scATAC-seq）
- 揭示转录异质性的表观遗传基础
scHi-C：
- 原理：在单细胞中进行Hi-C实验
- 挑战：需要极高的灵敏度（每个细胞仅有一份基因组）
- 应用：揭示细胞间三维结构的异质性
2. 单细胞数据分析挑战
数据稀疏性：
- 单个细胞中只有部分基因组区域被检测到（如scATAC-seq中每个细胞仅约1,000-10,000个开放位点）
- 需要专门的降维和插补方法（如LSA、cisTopic、SnapATAC）
批次效应：
- 不同实验批次、不同 donor 之间的技术差异
- 整合方法：Harmony、Seurat CCA、LIGER、scVI
细胞类型鉴定：
- 基于染色质可及性峰进行聚类和注释
- 使用基因活性评分（peak-to-gene linkage）推断细胞类型

1. 纳米孔测序（ONT）在表观遗传中的应用
DNA甲基化检测：
- 直接检测5-mC和5-hmC，无需亚硫酸盐处理
- 可以区分CpG、CHG和CHH甲基化
- 同时检测DNA序列和甲基化信息
RNA修饰检测：
- 直接检测m⁶A、Ψ、2'-O-Me等修饰
- 保留全长RNA信息，包括可变剪接和融合基因
- 软件：EpiNano、Nanocompore、Tombo
优势：
- 长读长（可达数百万bp）可以跨越重复序列和复杂区域
- 单分子分辨率揭示等位基因特异性修饰
- 可以检测结构变异和甲基化的同时存在
挑战：
- 错误率较高（约5-10%），需要高深度覆盖
- 碱基识别和修饰检测的准确性仍在改进中
- 成本和通量与二代测序相比仍有差距
2. PacBio SMRT在表观遗传中的应用
DNA甲基化检测：
- 通过IPD（interpulse duration）和PW（pulse width）检测甲基化
- 可以检测m⁶A（腺嘌呤甲基化）和4-mC（胞嘧啶甲基化）
- 在细菌中应用广泛，真核生物中主要用于m⁶A检测

1. 表观遗传数据预测
DNA甲基化预测：
- DeepSignal：基于深度学习的纳米孔测序甲基化检测
- CpG Transformer：利用Transformer模型预测CpG甲基化状态
组蛋白修饰预测：
- DeepSEA：从DNA序列预测染色质特征
- ChromatinNN：基于图神经网络预测染色质状态
三维结构预测：
- 使用CNN和Transformer预测Hi-C接触矩阵
- 从DNA序列预测TAD边界和环化位点
2. 多模态数据整合
多组学深度学习：
- MOFA+：基于变分自编码器的多组学因子分析
- VAE-based integration：使用变分自编码器整合多组学数据
- 优势：可以处理缺失数据，发现非线性关系
3. 单细胞数据分析
scVI（Single-cell Variational Inference）：
- 基于变分自编码器的单细胞数据整合和降维
- 可以处理多批次、多组学数据
- 应用：单细胞多组学整合、批次校正、缺失插补
AI在表观遗传中的挑战：
- 数据标注困难，监督学习受限
- 需要解释性AI来理解生物学机制
- 模型的泛化能力受限于训练数据的多样性

> 章节导读：基因的表达受到精密的调控。从转录因子对基因启动子和增强子的特异性识别，到DNA甲基化、组蛋白修饰等表观遗传信息对染色质状态的动态调控，再到三维基因组结构中增强子与启动子的远程互作，以及RNA分子上的化学修饰——这些多层次、多维度的调控机制共同决定了细胞类型特异性、发育时序性和环境响应性。本章将系统介绍转录调控和表观遗传的基本概念、分析技术和数据处理方法，帮助读者理解基因表达调控的复杂网络。

基因转录调控是一个多层次的复杂过程，涉及多个调控元件和蛋白质的协同作用：
1. 启动子（Promoter）：位于基因转录起始位点（TSS）上游的DNA区域，包含核心启动子元件（如TATA框、起始子Inr）和近端启动子元件。核心启动子负责招募RNA聚合酶II和通用转录因子，形成基础转录机器。
2. 增强子（Enhancer）：可以位于基因上游、下游或内含子中的DNA调控元件，通过结合特定转录因子来增强靶基因的转录效率。增强子的特点是具有位置独立性（可以位于靶基因的任何方向）和距离独立性（可以距离靶基因数kb甚至数十kb）。
3. 绝缘子（Insulator）：阻断增强子与启动子之间的通信，或防止异染色质区域的扩散，从而维持基因表达边界。
4. 沉默子（Silencer）：与转录抑制因子结合，降低靶基因的转录活性。

转录因子通过以下步骤实现对基因表达的精确调控：
1. 识别与结合：转录因子的DNA结合域识别并结合特定的DNA序列模体（motif）。常见的DNA结合域类型包括：锌指结构（Zinc finger）、同源异型域（Homeodomain）、亮氨酸拉链（Leucine zipper）、螺旋-环-螺旋（Helix-loop-helix）等。
2. 协同作用：多个转录因子可以在同一调控区域形成复合物，通过协同效应增强或抑制转录效率。这种组合调控（combinatorial regulation）使得有限的转录因子种类能够产生极其复杂的调控模式。
3. 染色质重塑：转录因子可以招募染色质重塑复合物（如SWI/SNF、ISWI、CHD家族），改变核小体的位置和组成，从而影响DNA的可及性。

表观遗传信息主要通过以下四种机制调控基因表达：
1. DNA甲基化：DNA甲基转移酶（DNMT）将甲基基团添加到胞嘧啶的5号碳位（主要发生在CpG二核苷酸中），形成5-甲基胞嘧啶（5-mC）。DNA甲基化通常与基因沉默相关，尤其是启动子区域的甲基化会抑制基因转录。
2. 组蛋白修饰：组蛋白N端尾部的氨基酸残基可以发生多种共价修饰，包括乙酰化、甲基化、磷酸化、泛素化等。这些修饰可以改变核小体的结构和DNA的缠绕松紧程度，从而影响基因的可及性。例如，组蛋白乙酰化通常与转录激活相关，而组蛋白甲基化的效应则取决于具体位点和甲基化程度。
3. 染色质重塑：ATP依赖的染色质重塑复合物通过滑动、移除或交换核小体来改变染色质结构，从而调控基因表达。
4. 非编码RNA调控：长链非编码RNA（lncRNA）、microRNA（miRNA）等可以通过多种机制调控基因表达，包括染色质重塑、转录干扰和mRNA降解等。

表观遗传信息可以在细胞分裂过程中传递给子代细胞，这是表观遗传学的重要特征。DNA甲基化的维持机制：在DNA复制过程中，半甲基化的DNA（母链甲基化、子链未甲基化）可以被维持性DNA甲基转移酶DNMT1识别，并在子链对应位置添加甲基，从而维持甲基化状态。组蛋白修饰的传递则主要通过"组蛋白密码假说"和组蛋白变体的掺入来实现。

1. DNA共有序列
构建方法：对已知的多条转录因子结合序列进行多序列比对，在每个位置选择频率最高的碱基（若最高频率低于某个阈值，则使用简并码）。例如：
- 序列集合：TACTGTA, TACTGCA, TACTGTA, TACTGCA
- 共有序列：TACTGHA（H表示A/C/T）
局限性：无法反映碱基频率的连续变化，对信息的利用不够充分。
2. 位置频率矩阵（PFM）
对于一个长度为n的模体，PFM的构建步骤：
1. 收集已知的转录因子结合序列（通常来自SELEX、PBM或ChIP-Seq实验）
2. 对序列进行多序列比对
3. 统计每个位置（j=1..n）上每种碱基（i∈{A,C,G,T}）的出现次数
4. 计算频率：q_{i,j} = count_{i,j} / N（N为序列总数）
3. 序列标识图（Sequence Logo）
每个位置的信息量（R_j）计算：
$$R_j = H_{max} - H_j = 2 - \left(-\sum_{i=1}^{4} q_{i,j} \log_2 q_{i,j}\right)$$
其中H_j为位置j的信息熵，H_max=2（当4种碱基均匀分布时的最大熵）。
每个碱基的高度：height_{i,j} = q_{i,j} × R_j
4. 位置权重矩阵（PWM）
$$S_{i,j} = \log_2\left(\frac{q_{i,j}}{b_i}\right)$$
其中b_i为碱基i在背景基因组中的频率。
对于待扫描序列的打分：S = Σ_{j=1}^{n} S_{i,j}
窗口滑动扫描：使用长度为n的窗口，以1 bp为步长在基因组上滑动，对每个片段计算PWM得分，筛选超过阈值的位点作为潜在结合位点。

1. 基于共有序列的穷举方法
- 遍历所有可能的k-mer序列（4^k种组合）
- 统计每个k-mer在输入序列集中的出现频率
- 筛选在多数序列中均有出现的显著模式
- 计算复杂度：O(4^k)，适用于k≤10的情况
2. 基于EM算法的模体发现（以MEME为代表）
EM算法包含两个迭代步骤：
E-step（期望步骤）：假设当前位置频率矩阵为θ，对每条序列中每个可能的结合位点位置计算似然比：
$$LR = \frac{P(\text{sequence}|\theta)}{P(\text{sequence}|\theta_0)}$$
其中θ_0为背景碱基频率模型。
M-step（最大化步骤）：以E-step得到的似然比为权重，重新计算位置频率矩阵，最大化观测数据的似然函数。
迭代直至收敛，最终得到最优的位置频率矩阵。
MEME算法改进：先遍历所有可能的起始矩阵，筛选具有统计学显著性的矩阵作为EM的输入，避免陷入局部最优。
3. 基于Gibbs抽样的模体发现
Gibbs抽样是一种马尔可夫链蒙特卡罗（MCMC）方法：
1. 从N条序列中随机选择一条序列S_i
2. 从剩余N-1条序列中随机提取长度为n的片段，构建初始位置频率矩阵
3. 基于该矩阵对S_i中每个可能的n长度片段计算似然比
4. 根据似然比概率随机选择一个片段作为S_i上的结合位点
5. 用选中的片段更新位置频率矩阵
6. 重复步骤1-5，遍历所有序列，完成一轮迭代
7. 多轮迭代直至矩阵收敛
Gibbs抽样的优势：随机化策略可以跳出局部最优，探索更广泛的可能性空间。

实验流程：
1. 交联：甲醛处理细胞，共价固定蛋白质-DNA复合物
2. 裂解：超声波打断染色质，获得约200 bp的DNA片段
3. 免疫沉淀：用特异性抗体捕获目标蛋白及其结合的DNA片段
4. 解交联：去除蛋白质，纯化DNA
5. 测序：构建测序文库，进行高通量测序
技术特点：
- 需要生物学重复（通常2-3次）以提高可靠性
- 人类/小鼠转录因子ChIP-Seq建议测序深度约2000万reads
- 对照样本（Input或IgG）用于背景校正

1. 信号峰层面的质控
FRiP（Fraction of Reads in Peaks）：落入信号峰区域的reads占所有reads的比例。高质量数据FRiP > 0.05（转录因子）或 > 0.2（组蛋白修饰）。
互相关分析（Cross-correlation）：利用正链和负链reads的相位差估计DNA片段长度。关键指标：
- NSC（Normalized Strand Coefficient）= cc(片段长度) / min(cc)，通常NSC > 1.1
- RSC（Relative Strand Correlation）= [cc(片段长度) - min(cc)] / [cc(读段长度) - min(cc)]，通常RSC > 0.8
IDR（Irreproducible Discovery Rate）：衡量生物学重复之间信号峰的可重复性。IDR值越低，信号峰的可重复性越好。通常以IDR < 0.05筛选高置信度信号峰。
2. 注释层面的质控
- 基因组分布：信号峰应在启动子/增强子区域富集
- 序列保守性：信号峰中心应有比周围更高的PhastCons保守性得分
- 模体验证：已知结合模体应在信号峰中心富集

1. 信号峰识别（Peak Calling）
以MACS2为例：
1. 估计片段长度d：通过互相关分析确定正链和负链reads的偏移距离
2. 将reads向3'端移动d/2，构建富集信号
3. 动态泊松分布建模：局部背景λ = max(λ_{local}, λ_{global})
4. 计算每个候选区域的富集显著性（p-value）
5. 多重检验校正（Benjamini-Hochberg FDR），筛选显著富集区域
2. 差异信号峰分析
- 定量比较：类似RNA-seq差异分析方法，比较两套ChIP-Seq数据的信号强度差异（如DiffBind、MAnorm）
- 定性比较：使用严格阈值在一套数据中识别信号峰，用宽松阈值在另一套数据中扫描，仅在一套中出现的峰为差异峰
3. 靶基因预测
- 最近TSS法：将信号峰关联到距离最近的转录起始位点
- 距离阈值法：将TSS一定距离（如±50 kb）内的信号峰关联到该基因
- 加权距离法：信号峰权重随距离增加而衰减（线性或指数衰减）
- 整合转录组法：结合RNA-seq或 knockdown/knockout 实验的转录变化，筛选靶基因（如BETA方法）
4. 功能注释
- ORA（Over-Representation Analysis）：对靶基因列表进行GO/KEGG富集分析
- GREAT/Cistrome-GO：基于信号峰在全基因组的分布，直接进行区域富集分析

在哺乳动物中，DNA甲基化主要发生在CpG二核苷酸的胞嘧啶上：
- 5-甲基胞嘧啶（5-mC）：最常见的DNA甲基化形式，由DNMT酶家族催化
- 5-羟甲基胞嘧啶（5-hmC）：5-mC的氧化产物，近年来发现其具有独特的调控功能
- 5-甲酰基胞嘧啶（5-fC）和5-羧基胞嘧啶（5-caC）：5-hmC的进一步氧化产物，是主动去甲基化途径的中间产物
DNA甲基化状态的三种形式：
- 全甲基化（Fully methylated）：DNA双链的CpG均被甲基化
- 半甲基化（Hemimethylated）：仅一条链的CpG被甲基化（DNA复制后的中间状态）
- 未甲基化（Unmethylated）：双链CpG均未甲基化

1. 从头甲基化（De novo methylation）
- 酶：DNMT3A、DNMT3B
- 机制：识别未甲基化的DNA双链，以S-腺苷甲硫氨酸（SAM）为甲基供体，催化CpG位点的甲基化
- 调控：DNMT3L（无催化活性的辅助蛋白）可增强DNMT3A/3B的活性
2. 甲基化维持（Maintenance methylation）
- 酶：DNMT1
- 机制：在DNA复制后，DNMT1识别半甲基化的CpG（母链甲基化、子链未甲基化），在子链对应位置添加甲基，维持甲基化状态
- 辅助因子：UHRF1蛋白识别半甲基化DNA并招募DNMT1
3. 主动去甲基化
- TET酶氧化：TET1/2/3将5-mC逐步氧化为5-hmC、5-fC、5-caC
- TDG切除：胸腺嘧啶DNA糖基化酶（TDG）识别并切除5-fC和5-caC
- BER修复：碱基切除修复（BER）途径填补缺口，最终完成去甲基化
4. 被动去甲基化
- 在DNMT1活性缺失或不表达的细胞中，DNA复制后甲基化无法维持
- 随细胞分裂，甲基化被逐渐"稀释"，最终达到未甲基化状态

1. 基因表达调控
- 启动子CpG岛甲基化：阻碍转录因子结合，招募甲基CpG结合蛋白（如MeCP2），导致转录沉默
- 基因体甲基化：与转录活跃相关，可能促进转录延伸或抑制转录起始
- 增强子甲基化：降低增强子活性，影响远端基因调控
2. 基因组印记（Genomic Imprinting）
- 亲本等位基因特异的甲基化模式，使子代中仅表达父源或母源等位基因
- 印记基因的异常与Beckwith-Wiedemann综合征、Angelman综合征等疾病相关
3. X染色体失活（X-inactivation）
- 雌性哺乳动物通过Xist lncRNA介导的染色质沉默，使一条X染色体失活
- DNA甲基化在维持X染色体失活状态中发挥重要作用
4. 转座子沉默
- 重复序列和转座子区域的高甲基化抑制其转录活性，维持基因组稳定性
5. 细胞分化和发育
- 胚胎发育过程中经历大规模的DNA甲基化重编程
- 组织特异性甲基化模式决定细胞身份和功能

1. 全基因组重亚硫酸盐测序（WGBS）
- 原理：亚硫酸盐转化 + 全基因组测序
- 优点：单碱基分辨率、全基因组覆盖、定量准确
- 缺点：测序成本高、DNA损伤大、C→U转化导致序列复杂性降低
- 应用：全基因组甲基化图谱绘制、DMR鉴定
2. 简化代表性重亚硫酸盐测序（RRBS）
- 原理：限制性内切酶（MspI）富集CpG岛区域，再进行亚硫酸盐测序
- 优点：成本低、覆盖启动子和CpG岛区域
- 缺点：仅覆盖约1-5%基因组，对非CpG岛区域不敏感
3. 甲基化DNA免疫沉淀测序（MeDIP-Seq）
- 原理：使用5-mC特异性抗体富集甲基化DNA片段，然后测序
- 优点：无需亚硫酸盐处理，DNA完整性高
- 缺点：分辨率低（约100-200 bp），不能区分5-mC和5-hmC
4. 第三代测序技术
- ONT纳米孔测序：通过检测DNA通过纳米孔时的电信号差异，直接识别甲基化修饰
- PacBio SMRT测序：通过分析DNA聚合酶动力学的变化检测甲基化
- 优点：无需亚硫酸盐处理，可区分5-mC和5-hmC，长读长
- 缺点：错误率较高，需要较高测序深度

1. 原始数据质控
- TrimGalore：去除接头序列和低质量碱基（对亚硫酸盐数据优化）
- FastQC：检查碱基质量、GC含量、长度分布
- 特别关注：亚硫酸盐转化效率（通过未甲基化对照λ噬菌体DNA评估）
2. 序列比对
亚硫酸盐转化的特殊性：
- C→U转化后，DNA序列中C极为稀少（仅剩甲基化C）
- 两条链不再互补（仅一条链发生C→T转化）
- 需要专门的比对算法
两种主要比对策略：
三字符法（3-letter）：将参考基因组中所有C替换为T，reads也进行C→T转换，然后比对。优点：简单快速；缺点：信息量损失，部分位点无法区分。
通配符法（Wild-card）：将参考基因组中所有C替换为Y（C或T），保留C的两种可能性。优点：信息完整；缺点：比对复杂度增加，可能引入偏差。
常用比对软件：
- Bismark：基于Bowtie/Bowtie2，进行C→T和G→A双重转换，准确率高，使用最广泛
- BSMAP：通配符法，不转换基因组，创建种子列表进行比对
- Bwa-meth：基于BWA-MEM，支持长读长比对
- Walt：针对亚硫酸盐数据的专门优化算法
3. 甲基化水平推断
对于每个CpG位点：
$$\text{甲基化水平} = \frac{\text{覆盖该位点的甲基化reads数}}{\text{覆盖该位点的总reads数}}$$
影响因素和校正：
- DNA片段末端修复引入的非甲基化C
- 接头序列污染
- 3'端测序质量下降
- 不均衡PCR扩增
- 5-hmC的干扰（亚硫酸盐无法区分5-mC和5-hmC）
4. 差异甲基化区域（DMR）鉴定
滑动窗口法：
- 将基因组划分为固定大小的窗口（如1 kb）
- 比较两组样本间每个窗口的平均甲基化水平
- 使用t检验、Wilcoxon检验或β-二项模型计算显著性
- 筛选连续显著窗口，合并为DMR
常用软件：
- methylKit：R包，支持滑动窗口和CpG-wise分析
- BSmooth：基于局部似然平滑，适合WGBS数据
- MOABS：基于分层贝叶斯模型，整合生物学重复信息
- dmrFinder：结合统计检验和区域合并
5. DMR注释和功能分析
- 基因组位置注释：启动子、外显子、内含子、基因间区
- 基因关联：关联到最近的基因或TSS
- 功能富集：GO/KEGG富集分析、motif分析
- 整合分析：结合RNA-seq数据，分析DMR与差异表达基因的关系

组蛋白修饰命名由四部分组成：
组蛋白类型 + 氨基酸残基 + 位置 + 修饰类型
例如：
- H3K4me3：H3组蛋白第4位赖氨酸的三甲基化
- H3K27ac：H3组蛋白第27位赖氨酸的乙酰化
- H3K9me2：H3组蛋白第9位赖氨酸的二甲基化
- H2BK120ub：H2B组蛋白第120位赖氨酸的泛素化
常见修饰类型缩写：
- ac：乙酰化（acetylation）
- me1/me2/me3：一/二/三甲基化（mono-/di-/tri-methylation）
- me2s/me2a：对称/非对称二甲基化（dimethylation symmetric/asymmetric）
- ub：泛素化（ubiquitination）
- ph：磷酸化（phosphorylation）

1. Writer（写入器）
组蛋白乙酰转移酶（HAT）：
- 将乙酰基从乙酰辅酶A转移到组蛋白赖氨酸残基上
- 家族分类：GNAT家族（GCN5、PCAF）、MYST家族（MOZ、YBF2、SAS2、TIP60）、p300/CBP家族
- 功能：中和赖氨酸正电荷，减弱与DNA的相互作用，促进染色质开放
组蛋白甲基转移酶（HMT）：
- 以S-腺苷甲硫氨酸（SAM）为甲基供体
- 赖氨酸甲基转移酶：SET结构域家族（如MLL、EZH2、SETD2、SUV39H1）
- 精氨酸甲基转移酶：PRMT家族（PRMT1、PRMT4/CARM1、PRMT5）
- 功能：不改变电荷，但增加空间位阻，影响蛋白质相互作用
2. Eraser（擦除器）
组蛋白去乙酰化酶（HDAC）：
- 去除赖氨酸残基上的乙酰基
- 家族分类：Class I（HDAC1/2/3/8）、Class II（HDAC4/5/6/7/9/10）、Class III/Sirtuins（SIRT1-7）、Class IV（HDAC11）
- 功能：恢复赖氨酸正电荷，增强与DNA的相互作用，促进染色质压缩
组蛋白去甲基化酶（KDM）：
- KDM1/LSD1家族：黄素依赖氧化酶，主要去除H3K4me1/2和H3K9me2
- JmjC家族：α-酮戊二酸依赖的双加氧酶，可去除多种甲基化修饰（H3K4、H3K9、H3K27、H3K36等）
3. Reader（读取器）
溴结构域（Bromodomain）：
- 识别乙酰化赖氨酸
- 家族成员：BRD2/3/4、BRDT、PBRM1等
- 功能：招募转录机器和染色质重塑复合物
染色质结构域（Chromodomain）：
- 识别甲基化赖氨酸
- HP1（识别H3K9me3）、PRC1（识别H3K27me3）
- 功能：介导异染色质形成和基因沉默
Tudor结构域、PHD结构域、WD40重复等：
- 识别不同甲基化状态
- 功能：参与DNA修复、转录调控和细胞信号传导

转录激活相关修饰：
- H3K4me3：活跃启动子标记，招募TFIID复合物
- H3K9ac、H3K27ac：活跃增强子和启动子标记，与开放染色质相关
- H3K36me3：基因体标记，与转录延伸相关，招募RNA剪接因子
- H3K79me2：基因体标记，与转录活跃相关
转录抑制相关修饰：
- H3K27me3：多梳蛋白抑制标记，由PRC2复合物（EZH2）催化，介导发育基因的可逆沉默
- H3K9me2/3：异染色质标记，由SUV39H1/2催化，招募HP1蛋白，介导转座子沉默和组成型异染色质形成
- H4K20me3：抑制性标记，与DNA损伤修复和细胞周期调控相关
双价修饰（Bivalent Domain）：
- H3K4me3 + H3K27me3：同时存在于胚胎干细胞中发育调控基因的启动子区域
- 含义：基因处于"预备转录"状态——既被激活又被抑制，随时准备响应分化信号

1. X-ChIP-Seq（交联ChIP-Seq）
- 甲醛交联蛋白质-DNA → 超声打断染色质（200-1000 bp）→ 免疫沉淀 → 测序
- 适用于大多数组蛋白修饰，特别是稳定性较差的修饰
- 缺点：分辨率受限于超声片段大小，交联可能引入非特异性结合
2. N-ChIP-Seq（天然ChIP-Seq）
- 无交联 → MNase消化（单核小体分辨率，~147 bp）→ 免疫沉淀 → 测序
- 适用于稳定的组蛋白修饰（如H3K4me3、H3K27me3）
- 优点：单核小体分辨率，保留核小体定位信息
- 缺点：不适用于不稳定的修饰或DNA结合蛋白
3. CUT&RUN
- 抗体靶向组蛋白修饰 → 融合蛋白pA-MNase切割附近DNA → 释放DNA片段 → 测序
- 优点：低背景、高分辨率、低细胞数需求（可处理10^5细胞）
- 缺点：依赖抗体质量，部分修饰可能不适用
4. CUT&Tag
- 抗体靶向组蛋白修饰 → Tn5转座酶融合蛋白在修饰位点附近插入接头并切割DNA → 测序
- 优点：无需交联和超声，操作简便，背景更低，细胞数需求更低（可处理10^3-10^4细胞）
- 缺点：对转座酶活性敏感，部分区域可能覆盖不均

1. 数据质控
与转录因子ChIP-Seq质控类似，但需额外关注：
- 抗体特异性：Western blot验证抗体特异性
- 信号分布特征：不同修饰有特定的基因组分布模式
- 峰型特征：窄峰（如H3K4me3、H3K9ac）vs. 宽峰（如H3K27me3、H3K9me3）
2. 峰识别（Peak Calling）
窄峰类型（如H3K4me3、H3K9ac）：
- 使用与转录因子ChIP-Seq相同的方法（MACS2、HOMER）
- 峰通常位于TSS附近或增强子区域
宽峰类型（如H3K27me3、H3K9me3、H3K36me3）：
- 使用宽峰模式算法（MACS2 --broad、SICER、RSEG）
- 富集区域可跨越数十kb甚至数百kb
- 需要更大的合并窗口和更宽松的阈值
3. 差异富集区域分析
常用方法：
- DiffBind：基于DESeq2/edgeR的ChIP-Seq差异分析R包
- MAnorm：基于MA图的归一化方法，假设共有峰具有相同信号强度
- ChIPDiff：基于隐马尔可夫模型的差异分析
4. 染色质状态推断（Chromatin State Calling）
核心思想：整合多种组蛋白修饰的ChIP-Seq数据，基于修饰组合模式推断每个基因组区域的功能状态。
ChromHMM算法：
1. 将基因组划分为200 bp的区间
2. 对每个区间，检查是否存在每种组蛋白修饰的标记（二值化：有/无）
3. 使用多元隐马尔可夫模型（HMM）学习染色质状态
4. 模型训练后，为每个区间分配最可能的染色质状态
常见染色质状态：
- 状态1：活跃启动子（TSS附近，H3K4me3 + H3K27ac）
- 状态2：弱启动子/预备启动子（TSS附近，H3K4me3）
- 状态3：转录延伸（基因体，H3K36me3）
- 状态4：增强子（远端，H3K4me1 + H3K27ac）
- 状态5：弱增强子（远端，H3K4me1）
- 状态6：多梳蛋白抑制（H3K27me3）
- 状态7：异染色质/重复序列（H3K9me3）
- 状态8：绝缘子（CTCF结合位点）
SegWay：另一种基于动态贝叶斯网络的方法，可以处理连续信号而非二值化标记。

1. 染色体领域（Chromosome Territory, ~1-100 Mb）
- 每条染色体在核内占据相对独立的区域
- 原因：染色体是连续的DNA-蛋白质纤维，在不受约束时自然形成连贯区域
- 功能：减少不同染色体之间的异常相互作用，维持基因组稳定性
2. 染色质区室（Compartment, ~1-10 Mb）
- A区室（Compartment A）：转录活跃、开放染色质、基因密集、高表达
- B区室（Compartment B）：转录抑制、紧密染色质、基因稀疏、低表达
- 检测方法：Hi-C矩阵的主成分分析（PCA），第一主成分（PC1）正负值对应A/B区室
- 动态变化：不同细胞类型中，A/B区室可以发生转换，与基因表达变化相关
3. 拓扑关联结构域（TAD, ~0.1-1 Mb）
- 域内相互作用频率显著高于域间
- TAD边界富含CTCF结合位点、管家基因和tRNA基因
- 功能：限制增强子的调控范围，防止异位调控（enhancer adoption）
- 在发育过程中，TAD边界相对稳定，但内部结构可以发生重组
4. 染色质环（Loop, ~1 kb - 1 Mb）
- 点对点的高频相互作用
- 功能类型：增强子-启动子环、启动子-启动子环、CTCF介导的环
- 环的形成通常需要CTCF蛋白和Cohesin复合物的协同作用（环挤压模型）

实验步骤：
1. 固定：甲醛交联，共价固定空间上相邻的DNA片段
2. 酶切：限制性内切酶（如MboI，识别GATC）消化DNA
3. 末端修复：补齐粘性末端，加入生物素标记
4. 连接：低浓度下连接DNA片段，形成嵌合分子（DNA-DNA连接）
5. 解交联：蛋白酶消化蛋白质，纯化DNA
6. 打断和测序：超声打断DNA，富集生物素标记的嵌合片段，进行双端测序
技术原理：
- 两个DNA片段在核内空间距离越近，被连接形成嵌合分子的概率越高
- 测序后，嵌合分子的两个末端分别对应基因组上的两个位置
- 统计所有嵌合分子，构建全基因组相互作用矩阵
关键参数：
- 分辨率：取决于酶切位点密度和测序深度
- 100 kb分辨率：识别区室（约3亿reads）
- 40 kb分辨率：识别TAD（约5-10亿reads）
- 5-10 kb分辨率：识别环（约10-20亿reads）
- 常用酶：MboI（4碱基识别，约250 bp一个位点）vs. HindIII（6碱基识别，约4 kb一个位点）
Hi-C变体技术：
- Capture Hi-C：富集特定区域（如启动子）的相互作用，提高目标区域分辨率
- DNase Hi-C：使用DNase I替代限制性内切酶，提高分辨率
- Micro-C：使用MNase消化至核小体级别，分辨率可达单核小体水平
- in situ Hi-C：在细胞核内进行酶切和连接，减少随机碰撞，信噪比更高
- 单细胞Hi-C：分析单个细胞的三维基因组结构，揭示细胞间异质性

与Hi-C的区别：
- Hi-C无差别地检测全基因组所有相互作用
- ChIA-PET针对特定蛋白质（如CTCF、RNAPII、Cohesin）介导的相互作用进行富集
实验步骤：
1. 甲醛 + EGS交联
2. 超声打断染色质
3. ChIP富集目标蛋白质及其结合的DNA片段
4. 连接半连接子（half-linker），形成桥连接结构
5. 酶切或Tn5片段化，产生配对末端标签（PET）
6. 测序
优势：
- 信号特异性强，背景噪声低
- 分辨率可达100 bp
- 可以直接鉴定蛋白质介导的特定互作（如CTCF-CTCF环）
局限性：
- 依赖高质量抗体
- 只能研究与特定蛋白质相关的相互作用
- 需要较多细胞数

1. 比对和嵌合分子筛选
比对策略：
- Hi-C文库是嵌合分子（两个DNA片段连接），需要特殊处理
- 使用5'端优先比对策略：将reads比对到基因组，优先使用5'端信息
- 常用工具：HiC-Pro、Juicer、Chrom3D
有效嵌合分子筛选：
- 去除未连接的片段（两个末端比对到同一位置）
- 去除酶切位点距离过远（>1 kb）的片段（无效连接）
- 去除PCR重复
- 去除比对质量低的reads
2. 相互作用矩阵构建
- 将基因组划分为等距的区间（bins），如40 kb、10 kb、5 kb
- 统计每对区间之间的有效嵌合分子数量
- 结果：N×N的相互作用矩阵（N为区间数）
3. 矩阵校准（Normalization）
校准原因：
- GC含量差异：GC-rich区域更容易被连接和测序
- 酶切位点密度：MboI位点密度不均匀
- 序列可比对性：重复序列区域比对率低
- 这些因素导致某些区间的相互作用计数系统性偏高
校准方法：
显式校准（如HiC-Pro）：
- 将相互作用计数与GC含量、酶切位点数量、可比对性进行回归
- 得到回归校准后的相互作用计数
隐式校准（矩阵平衡法）：
- 假设：每个区间与所有其他区间的相互作用总量应该一致
- 算法：迭代地将矩阵每行除以行平均值，每列除以列平均值，直至收敛
- 结果：每个区间的行和列和均等于1（或常数）
- 优点：无需知道偏差来源，自动校正
- 缺点：对低覆盖区域敏感，可能引入噪声
4. 矩阵可视化
二维热图：
- 正方形形式：展示完整矩阵
- 三角形形式：利用矩阵对称性，仅展示上三角或下三角
- 颜色深度：表示相互作用频率（通常log2变换或归一化）
- 常用工具：JuiceBox、HiGlass、3D Genome Browser
弧形图（Arc plot）：
- 将基因组表示为一条直线
- 用弧线连接相互作用的两个位点
- 适合展示特定区域的相互作用

1. 识别染色质区室（Compartment Calling）
主成分分析法（PCA）：
1. 将相互作用矩阵对期望值进行标准化
- 期望值计算：相同基因组距离的平均相互作用频率
- 标准化：观察值 / 期望值
2. 计算皮尔逊相关系数矩阵
3. 对相关系数矩阵进行PCA
4. 第一主成分（PC1）的特征值符号区分A/B区室：
- PC1 > 0：A区室（活跃）
- PC1 < 0：B区室（抑制）
生物学验证：
- A区室与基因密度、表达水平、GC含量正相关
- B区室与核纤层关联、晚期复制正相关
2. 识别拓扑关联结构域（TAD Calling）
方向指数法（Directionality Index, DI）：
- 对于每个基因组区间（如40 kb bin），计算其向上游2 Mb和下游2 Mb的相互作用数目
- DI = (B - A) / |B - A| × [(A - E)²/E + (B - E)²/E]
- A：上游相互作用数；B：下游相互作用数；E：(A+B)/2
- DI > 0：倾向于与下游相互作用（TAD左边界）
- DI < 0：倾向于与上游相互作用（TAD右边界）
- |DI| ≈ 0：TAD内部
绝缘指数法（Insulation Score）：
- 计算每个bin作为TAD边界的绝缘能力
- 绝缘指数 = 相邻两侧bin的平均相互作用 / 该bin与两侧的相互作用
- 绝缘指数最低点对应TAD边界
常用软件：
- Arrowhead：Juicer工具包中的TAD识别算法
- TopDom：基于 DI 的TAD识别
- Armatus：基于动态规划的TAD识别
- lavaburst：多尺度TAD识别
3. 识别染色质环（Loop Calling）
HiCCUPS算法（Juicer工具包）：
- 核心假设：染色质环处的相互作用频率显著高于周围背景
- 将候选区域划分为中心像素和周围背景区域（左、右、上、下）
- 计算中心像素与每个背景区域的比值
- 使用负二项分布检验，判断中心是否显著高于背景（通常要求>50%）
- 多重分辨率检测：在5 kb、10 kb、25 kb分辨率分别检测，合并结果
其他方法：
- Fit-Hi-C：基于距离依赖模型的统计检验
- cLoops：基于局部密度聚类
- CHiCAGO：针对Capture Hi-C数据的环识别

主要步骤：
1. 比对：将双末端标签比对到参考基因组
2. 分类：将唯一比对标签分为自连接（同一基因组区域）和间连接（不同基因组区域）
3. 过滤：去除PCR重复和低质量连接
4. 富集分析：将相互作用锚点视为ChIP-Seq信号峰，进行peak calling
5. 环识别：基于锚点之间的连接频率，识别显著互作对
常用工具：ChIA-PET Tools

1. 碱基修饰
m⁶A（N⁶-甲基腺苷）：
- 分布：mRNA（约0.1-0.4%的腺苷被修饰）、lncRNA、pri-miRNA
- 共识序列：DRACH（D = A/G/U, R = A/G, H = A/C/U）
- Writer复合物：METTL3（催化亚基）、METTL14（底物识别）、WTAP（调控亚基）、VIRMA/KIAA1429（底物定位）
- Eraser：FTO（肥胖相关蛋白）、ALKBH5（AlkB同源蛋白5）
- Reader：YTHDF1（促进翻译）、YTHDF2（促进降解）、YTHDF3（促进翻译）、YTHDC1（调控剪接）、YTHDC2（调控翻译）、IGF2BP1/2/3（促进稳定性）
- 功能：调控mRNA稳定性、翻译效率、剪接模式、细胞定位和相分离
m⁵C（5-甲基胞苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：NSUN2（tRNA和mRNA）、NSUN6（tRNA）
- Eraser：TET家族（可氧化m⁵C为hm⁵C）
- Reader：ALYREF（核输出因子）
- 功能：影响翻译效率、密码子使用、RNA结构稳定性
m¹A（N¹-甲基腺苷）：
- 分布：tRNA、rRNA、mRNA
- Writer：TRMT6/61A（tRNA）、TRMT6/61B（mRNA）
- 功能：影响翻译起始和延伸
m⁷G（N⁷-甲基鸟苷）：
- 分布：mRNA 5'帽子结构、rRNA、tRNA
- Writer：RNMT（mRNA帽子）、METTL1（tRNA）
- 功能：mRNA帽子识别、翻译起始
Ψ（假尿苷）：
- 分布：tRNA、rRNA、snRNA、少量mRNA
- Writer：PUS酶家族（蛋白质）或snoRNP（snoRNA指导）
- 功能：增强RNA结构稳定性、影响密码子解码、调控剪接
A→I（腺苷到肌苷编辑）：
- 酶：ADAR家族（ADAR1、ADAR2）
- 功能：改变密码子（如谷氨酰胺密码子CAG变为精氨酸密码子CGG），影响蛋白质序列
2. 核糖修饰
2'-O-Me（2'-O-核糖甲基化）：
- 分布：rRNA、tRNA、snRNA、部分mRNA
- Writer：snoRNP复合物（C/D box snoRNA指导）
- 功能：增强RNA对碱水解的抗性，影响翻译效率
3. 混合型修饰
m⁶Am（N⁶,2'-O-二甲基腺苷）：
- 分布：mRNA 5'帽子结构
- 功能：保护mRNA 5'端，调控翻译效率

1. 调控mRNA稳定性
- YTHDF2识别m⁶A修饰，招募CCR4-NOT去腺苷酸化复合物，促进mRNA降解
- IGF2BP1/2/3识别m⁶A修饰，稳定靶mRNA（如Myc mRNA）
- m⁶A修饰在5'UTR可以通过YTHDF2促进降解，在3'UTR则效应更复杂
2. 调控翻译效率
- 5'UTR m⁶A：促进cap-independent翻译（如热休克响应）
- 3'UTR m⁶A：YTHDF1/3促进翻译起始
- CDS m⁶A：通常抑制翻译延伸
- m⁵C在5'UTR：促进翻译起始
3. 调控可变剪接
- YTHDC1识别内含子m⁶A，促进外显子 inclusion
- METTL3/METTL14可以调控特定外显子的剪接
- m⁶A修饰可以影响SR蛋白的RNA结合
4. 调控RNA定位和运输
- m⁶A修饰影响mRNA的核滞留和核输出
- YTHDC1调控 circRNA的核输出
- m⁵C促进mRNA的核输出（通过ALYREF）
5. 调控细胞命运和发育
- 胚胎干细胞中m⁶A水平调控多能性维持和分化
- 精子发生、卵子成熟、神经发育等过程依赖精确的RNA修饰调控
- m⁶A缺失（Mettl3敲除）导致胚胎致死，显示其必不可少的作用
6. 与疾病的关联
- 癌症：FTO和ALKBH5在多种癌症中高表达，通过降低m⁶A水平促进肿瘤增殖
- 肥胖：FTO是第一个被发现与肥胖显著相关的基因，通过调控m⁶A影响能量代谢
- 神经退行性疾病：ADAR突变与Aicardi-Goutieres综合征、肌萎缩侧索硬化（ALS）相关
- 病毒感染：HIV等病毒利用宿主m⁶A machinery调控病毒基因表达和潜伏

1. 基于亲和纯化的方法
MeRIP-seq（m⁶A-seq）：
- 原理：m⁶A特异性抗体免疫沉淀 → 测序
- 分辨率：约100-200 nt（依赖片段大小）
- 优点：广泛应用，可检测多种修饰
- 缺点：分辨率低，不能精确定位到单碱基
m⁶A-label-seq：
- 原理：使用Se-烯丙基-L-硒基同型半胱氨酸替代m⁶A形成a⁶A，可被抗体富集，碘诱导环化后在反转录中产生碱基错配
- 分辨率：单碱基
- 限制：仅适用于细胞培养，不能用于组织样本
2. 基于反转录诊断事件的方法
miCLIP（m⁶A individual-nucleotide-resolution cross-linking and immunoprecipitation）：
- 原理：254 nm UV交联 → m⁶A抗体免疫沉淀 → 反转录中m⁶A位点附近产生C→T突变或截断 → 测序
- 分辨率：单碱基
- 优点：分辨率高
- 缺点：交联效率低，只能鉴定部分位点
PA-m⁶A-seq：
- 原理：将4SU整合到mRNA → 365 nm UV交联 → 抗体免疫沉淀 → 反转录中4SU附近U被误读为C → 约20 nt分辨率
RNA-BisSeq（m⁵C检测）：
- 原理：亚硫酸盐处理RNA → 未修饰C→U，m⁵C保留 → 测序
- 注意：RNA亚硫酸盐处理条件比DNA更苛刻
Ψ检测方法：
- CMC处理：羧甲基纤维素（CMC）在Ψ位点引入庞大基团，导致反转录终止
- PSI-Seq/Pseudo-Seq/CeU-Seq：基于CMC的Ψ检测方法
- RBS-Seq：亚硫酸盐处理RNA，Ψ位点产生碱基缺失
m¹A检测：
- m¹A-MAP/m¹A-seq-TGIRT：基于m¹A在反转录中诱导碱基错配，使用耐高温TGIRT酶增加错配率
3. 基于化学或酶抗性的方法
RiboMeth-seq（2'-O-Me检测）：
- 原理：2'-O-Me增强磷酸二酯键对碱水解的抗性 → 有2'-O-Me的位点保护相邻核苷酸不被降解 → 测序后检测保护末端
- 缺点：背景高，需要高测序深度
Nm-seq：
- 原理：无2'-O-Me的3'端核苷酸被高碘酸盐氧化后降解，有2'-O-Me的则保留 → 富集3'端有2'-O-Me的片段
- 缺点：碎片化偏好性，需要多次氧化循环
Nm-REP-seq：
- 原理：结合MgR酶消化（在2'-O-Me前一位停顿）和化学处理（在2'-O-Me位点停顿）→ 两种方法共同验证，降低假阳性
4. 基于第三代测序的方法
ONT纳米孔测序：
- 原理：DNA/RNA通过纳米孔时产生特征性电流信号，甲基化修饰改变电流特征
- 优点：无需亚硫酸盐处理，长读长，可区分多种修饰
- 缺点：错误率较高，需要高深度
- 软件：EpiNano（用于m⁶A、Ψ、2'-O-Me鉴定）
PacBio SMRT测序：
- 原理：实时监测DNA聚合酶动力学，修饰碱基影响聚合速率（脉冲间隔）和信号强度（脉冲宽度）
- 优点：单分子分辨率，可同时检测序列和修饰
- 缺点：通量较低，成本高

1. 基于亲和纯化数据的峰识别
exomePeak：
- 原理：IP样本 vs. input样本，计算每个位点的修饰程度（IP / (IP + input)）
- 统计检验：C-test（基于二项分布）
- 优点：考虑了整体修饰水平
MACS2：
- 可直接用于RNA修饰IP数据（类似ChIP-Seq peak calling）
- 动态泊松分布建模背景
MeTPeak：
- 采用分层β-二项模型模拟读段富集方差
- 使用隐马尔可夫模型解释相邻富集的依赖性
CTK：
- 使用"寻谷算法"（valley-seeking）分离重叠峰
- 计算相邻局部最大值之间的谷深度，判断是否应分为两个峰
- 支持多种背景模型和扫描统计
2. 基于反转录诊断事件的单碱基鉴定
CTK/miCLIP数据分析：
- 关注诊断事件：突变（C→T）、截断、缺失
- 对于每个候选位点，计算：
- k：覆盖该位点的总reads数
- m：具有特定诊断事件的reads数
- 使用排列检验（permutation test）评估显著性：
- 随机将突变插入到其他reads中（保持相对于5'端的偏移）
- 比较实际数据和排列数据中(k, m)的分布
- 为每个位点分配经验FDR
- 额外过滤：排除与已知SNP重叠的位点，检查"RRAC"模体（m⁶A consensus）
PARalyzer：
- 分析用户指定的突变类型
- 通过聚类和统计检验识别高置信度修饰位点
3. 基于化学/酶抗性的数据鉴定
endSeeker（Nm-REP-seq数据分析）：
- 计算每个转录本位置的3'端覆盖度
- 候选位点应满足：
- 覆盖度显著高于上下游各1 nt
- 覆盖度显著高于对照组（未处理样本）
- 计算四个变量：
- upFC = 候选位点覆盖度 / 上游1 nt覆盖度
- downFC = 候选位点覆盖度 / 下游1 nt覆盖度
- upCtrlFC = upFC / 对照组upFC
- downCtrlFC = downFC / 对照组downFC
- 结合四个变量筛选高置信度2'-O-Me位点
4. 基于第三代测序的修饰鉴定
EpiNano-Error模式：
- 比较修饰酶敲除/敲低样本与野生型样本
- 分析碱基识别错误（突变、缺失、插入）的频率差异
- 基于错误模式差异预测修饰位点
EpiNano-SVM模式：
- 使用已知修饰位点训练SVM模型
- 提取纳米孔测序信号特征（电流、持续时间等）
- 预测新样本中的修饰位点
5. RNA修饰位点分布分析
Meta-gene分析（MetaPlotR）：
- 将转录本坐标归一化为元坐标：
- 5'UTR：0-1
- CDS：1-2
- 3'UTR：2-3
- 绘制修饰位点在元基因模型上的分布
- 揭示修饰特征：如m⁶A在终止密码子附近富集
Motif分析：
- m⁶A："RRAC" consensus motif
- 在鉴定位点周围搜索显著富集的序列模式
- 使用MEME、DREME等工具
6. 差异RNA修饰分析
Differential m⁶A分析：
- 比较两组样本（如疾病 vs. 正常）的m⁶A水平
- 方法：exomePeak2、MeTDiff、QNB（基于β-二项模型）
- 输出：差异甲基化位点或区域，以及关联的基因

1. DNA甲基化与组蛋白修饰的互作
DNA甲基化 → 组蛋白修饰：
- 甲基化CpG可以被MBD蛋白（如MeCP2）识别，招募HDAC和SIN3A复合物，导致去乙酰化和染色质压缩
- DNMT3A/3B可以与EZH2（PRC2）相互作用，在新靶基因上同时建立DNA甲基化和H3K27me3
组蛋白修饰 → DNA甲基化：
- H3K4me3可以阻止DNMT3L与核小体结合，从而抑制DNA甲基化（保护CpG岛）
- H3K36me3可以招募DNMT3B，促进基因体的DNA甲基化
- H3K9me3可以招募DNMT3A/3B，促进异染色质区域的DNA甲基化
2. 组蛋白修饰之间的交叉对话
H3K4me3与H3K27me3的双价修饰：
- PRC2复合物（EZH2）在H3K4me3存在时活性受抑
- KDM5B（H3K4me3去甲基化酶）可以与PRC2协同，使H3K4me3减少，H3K27me3增加
- 这种动态平衡决定了基因的"预备态"或"激活态"
H3K9me3与H3K27me3的互斥：
- H3K9me3（异染色质）和H3K27me3（多梳抑制）通常不共存
- 在特定发育阶段，H3K27me3标记的基因可以转变为H3K9me3标记，实现从"可逆沉默"到"不可逆沉默"的转换
3. 三维基因组与表观遗传修饰的互作
CTCF与Cohesin的协同：
- CTCF结合到基因组特定位置，作为Cohesin复合物的"锚点"
- Cohesin通过"环挤压"（loop extrusion）机制将DNA拉成环，直到遇到另一个CTCF位点
- 环的形成使增强子和启动子空间接近，促进转录激活
- CTCF位点的甲基化或突变可以破坏环化，导致增强子异位调控
TAD边界与表观遗传状态：
- TAD边界通常富含CTCF和H3K4me3，处于活跃状态
- TAD内部的表观遗传状态可以多样化，但边界维持域内的一致性
- TAD边界破坏后，域内的表观遗传信息可以"泄漏"到相邻TAD
4. RNA修饰与表观遗传的互作
m⁶A与DNA甲基化的互作：
- METTL3可以催化染色质相关RNA（caRNA）的m⁶A修饰
- caRNA的m⁶A修饰可以招募YTHDC1，促进染色质开放和转录激活
- 在某些基因上，m⁶A修饰与DNA去甲基化协同作用
m⁶A与组蛋白修饰的互作：
- H3K36me3由SETD2催化，可以招募METTL3/14，促进新生RNA的m⁶A修饰
- 这种耦合机制确保了活跃转录基因的高m⁶A水平

1. 数据整合层次
基因组层次：
- 结合基因组变异（SNP、CNV、SV）和表观遗传数据
- 分析变异对表观遗传状态的影响（如eQTL、caQTL、meQTL）
转录调控层次：
- 整合ChIP-seq（TF、组蛋白）、ATAC-seq（染色质可及性）、RNA-seq（转录本）
- 构建转录调控网络：TF → 表观遗传 → 基因表达
表观遗传层次：
- 整合DNA甲基化、组蛋白修饰、三维结构、RNA修饰
- 构建多层表观遗传调控图谱
2. 整合分析方法
关联分析：
- 相关性分析：表观遗传特征与基因表达的相关性
- 回归分析：预测基因表达的最优表观遗传特征组合
- 因果推断：使用中介分析或孟德尔随机化推断因果关系
网络分析：
- 构建多组学调控网络（如ARACNE、WGCNA）
- 识别多组学模块（multi-omics modules）
- 模块富集分析：揭示协同调控的功能通路
机器学习：
- 使用随机森林、梯度提升树、深度学习等方法整合多组学特征
- 预测基因表达、细胞状态或疾病风险
- 特征重要性分析：识别关键调控因子

1. 单细胞技术
scATAC-seq：
- 原理：Tn5转座酶切割开放染色质，加入测序接头
- 应用：单细胞染色质可及性分析
- 特点：检测数千个单细胞，揭示细胞类型特异性调控元件
scRNA-seq + 表观遗传整合：
- 同时测量单个细胞的转录组和表观遗传状态（如scNMT-seq：scRNA-seq + scWGBS + scATAC-seq）
- 揭示转录异质性的表观遗传基础
scHi-C：
- 原理：在单细胞中进行Hi-C实验
- 挑战：需要极高的灵敏度（每个细胞仅有一份基因组）
- 应用：揭示细胞间三维结构的异质性
2. 单细胞数据分析挑战
数据稀疏性：
- 单个细胞中只有部分基因组区域被检测到（如scATAC-seq中每个细胞仅约1,000-10,000个开放位点）
- 需要专门的降维和插补方法（如LSA、cisTopic、SnapATAC）
批次效应：
- 不同实验批次、不同 donor 之间的技术差异
- 整合方法：Harmony、Seurat CCA、LIGER、scVI
细胞类型鉴定：
- 基于染色质可及性峰进行聚类和注释
- 使用基因活性评分（peak-to-gene linkage）推断细胞类型

1. 纳米孔测序（ONT）在表观遗传中的应用
DNA甲基化检测：
- 直接检测5-mC和5-hmC，无需亚硫酸盐处理
- 可以区分CpG、CHG和CHH甲基化
- 同时检测DNA序列和甲基化信息
RNA修饰检测：
- 直接检测m⁶A、Ψ、2'-O-Me等修饰
- 保留全长RNA信息，包括可变剪接和融合基因
- 软件：EpiNano、Nanocompore、Tombo
优势：
- 长读长（可达数百万bp）可以跨越重复序列和复杂区域
- 单分子分辨率揭示等位基因特异性修饰
- 可以检测结构变异和甲基化的同时存在
挑战：
- 错误率较高（约5-10%），需要高深度覆盖
- 碱基识别和修饰检测的准确性仍在改进中
- 成本和通量与二代测序相比仍有差距
2. PacBio SMRT在表观遗传中的应用
DNA甲基化检测：
- 通过IPD（interpulse duration）和PW（pulse width）检测甲基化
- 可以检测m⁶A（腺嘌呤甲基化）和4-mC（胞嘧啶甲基化）
- 在细菌中应用广泛，真核生物中主要用于m⁶A检测

1. 表观遗传数据预测
DNA甲基化预测：
- DeepSignal：基于深度学习的纳米孔测序甲基化检测
- CpG Transformer：利用Transformer模型预测CpG甲基化状态
组蛋白修饰预测：
- DeepSEA：从DNA序列预测染色质特征
- ChromatinNN：基于图神经网络预测染色质状态
三维结构预测：
- 使用CNN和Transformer预测Hi-C接触矩阵
- 从DNA序列预测TAD边界和环化位点
2. 多模态数据整合
多组学深度学习：
- MOFA+：基于变分自编码器的多组学因子分析
- VAE-based integration：使用变分自编码器整合多组学数据
- 优势：可以处理缺失数据，发现非线性关系
3. 单细胞数据分析
scVI（Single-cell Variational Inference）：
- 基于变分自编码器的单细胞数据整合和降维
- 可以处理多批次、多组学数据
- 应用：单细胞多组学整合、批次校正、缺失插补
AI在表观遗传中的挑战：
- 数据标注困难，监督学习受限
- 需要解释性AI来理解生物学机制
- 模型的泛化能力受限于训练数据的多样性

> 章节导读：基因的表达受到精密的调控。从转录因子对基因启动子和增强子的特异性识别，到DNA甲基化、组蛋白修饰等表观遗传信息对染色质状态的动态调控，再到三维基因组结构中增强子与启动子的远程互作，以及RNA分子上的化学修饰——这些多层次、多维度的调控机制共同决定了细胞类型特异性、发育时序性和环境响应性。本章将系统介绍转录调控和表观遗传的基本概念、分析技术和数据处理方法，帮助读者理解基因表达调控的复杂网络。

基因转录调控是一个多层次的复杂过程，涉及多个调控元件和蛋白质的协同作用：
1. 启动子（Promoter）：位于基因转录起始位点（TSS）上游的DNA区域，包含核心启动子元件（如TATA框、起始子Inr）和近端启动子元件。核心启动子负责招募RNA聚合酶II和通用转录因子，形成基础转录机器。
2. 增强子（Enhancer）：可以位于基因上游、下游或内含子中的DNA调控元件，通过结合特定转录因子来增强靶基因的转录效率。增强子的特点是具有位置独立性（可以位于靶基因的任何方向）和距离独立性（可以距离靶基因数kb甚至数十kb）。
3. 绝缘子（Insulator）：阻断增强子与启动子之间的通信，或防止异染色质区域的扩散，从而维持基因表达边界。
4. 沉默子（Silencer）：与转录抑制因子结合，降低靶基因的转录活性。

转录因子通过以下步骤实现对基因表达的精确调控：
1. 识别与结合：转录因子的DNA结合域识别并结合特定的DNA序列模体（motif）。常见的DNA结合域类型包括：锌指结构（Zinc finger）、同源异型域（Homeodomain）、亮氨酸拉链（Leucine zipper）、螺旋-环-螺旋（Helix-loop-helix）等。
2. 协同作用：多个转录因子可以在同一调控区域形成复合物，通过协同效应增强或抑制转录效率。这种组合调控（combinatorial regulation）使得有限的转录因子种类能够产生极其复杂的调控模式。
3. 染色质重塑：转录因子可以招募染色质重塑复合物（如SWI/SNF、ISWI、CHD家族），改变核小体的位置和组成，从而影响DNA的可及性。

表观遗传信息主要通过以下四种机制调控基因表达：
1. DNA甲基化：DNA甲基转移酶（DNMT）将甲基基团添加到胞嘧啶的5号碳位（主要发生在CpG二核苷酸中），形成5-甲基胞嘧啶（5-mC）。DNA甲基化通常与基因沉默相关，尤其是启动子区域的甲基化会抑制基因转录。
2. 组蛋白修饰：组蛋白N端尾部的氨基酸残基可以发生多种共价修饰，包括乙酰化、甲基化、磷酸化、泛素化等。这些修饰可以改变核小体的结构和DNA的缠绕松紧程度，从而影响基因的可及性。例如，组蛋白乙酰化通常与转录激活相关，而组蛋白甲基化的效应则取决于具体位点和甲基化程度。
3. 染色质重塑：ATP依赖的染色质重塑复合物通过滑动、移除或交换核小体来改变染色质结构，从而调控基因表达。
4. 非编码RNA调控：长链非编码RNA（lncRNA）、microRNA（miRNA）等可以通过多种机制调控基因表达，包括染色质重塑、转录干扰和mRNA降解等。

表观遗传信息可以在细胞分裂过程中传递给子代细胞，这是表观遗传学的重要特征。DNA甲基化的维持机制：在DNA复制过程中，半甲基化的DNA（母链甲基化、子链未甲基化）可以被维持性DNA甲基转移酶DNMT1识别，并在子链对应位置添加甲基，从而维持甲基化状态。组蛋白修饰的传递则主要通过"组蛋白密码假说"和组蛋白变体的掺入来实现。

1. DNA共有序列
构建方法：对已知的多条转录因子结合序列进行多序列比对，在每个位置选择频率最高的碱基（若最高频率低于某个阈值，则使用简并码）。例如：
- 序列集合：TACTGTA, TACTGCA, TACTGTA, TACTGCA
- 共有序列：TACTGHA（H表示A/C/T）
局限性：无法反映碱基频率的连续变化，对信息的利用不够充分。
2. 位置频率矩阵（PFM）
对于一个长度为n的模体，PFM的构建步骤：
1. 收集已知的转录因子结合序列（通常来自SELEX、PBM或ChIP-Seq实验）
2. 对序列进行多序列比对
3. 统计每个位置（j=1..n）上每种碱基（i∈{A,C,G,T}）的出现次数
4. 计算频率：q_{i,j} = count_{i,j} / N（N为序列总数）
3. 序列标识图（Sequence Logo）
每个位置的信息量（R_j）计算：
$$R_j = H_{max} - H_j = 2 - \left(-\sum_{i=1}^{4} q_{i,j} \log_2 q_{i,j}\right)$$
其中H_j为位置j的信息熵，H_max=2（当4种碱基均匀分布时的最大熵）。
每个碱基的高度：height_{i,j} = q_{i,j} × R_j
4. 位置权重矩阵（PWM）
$$S_{i,j} = \log_2\left(\frac{q_{i,j}}{b_i}\right)$$
其中b_i为碱基i在背景基因组中的频率。
对于待扫描序列的打分：S = Σ_{j=1}^{n} S_{i,j}
窗口滑动扫描：使用长度为n的窗口，以1 bp为步长在基因组上滑动，对每个片段计算PWM得分，筛选超过阈值的位点作为潜在结合位点。

1. 基于共有序列的穷举方法
- 遍历所有可能的k-mer序列（4^k种组合）
- 统计每个k-mer在输入序列集中的出现频率
- 筛选在多数序列中均有出现的显著模式
- 计算复杂度：O(4^k)，适用于k≤10的情况
2. 基于EM算法的模体发现（以MEME为代表）
EM算法包含两个迭代步骤：
E-step（期望步骤）：假设当前位置频率矩阵为θ，对每条序列中每个可能的结合位点位置计算似然比：
$$LR = \frac{P(\text{sequence}|\theta)}{P(\text{sequence}|\theta_0)}$$
其中θ_0为背景碱基频率模型。
M-step（最大化步骤）：以E-step得到的似然比为权重，重新计算位置频率矩阵，最大化观测数据的似然函数。
迭代直至收敛，最终得到最优的位置频率矩阵。
MEME算法改进：先遍历所有可能的起始矩阵，筛选具有统计学显著性的矩阵作为EM的输入，避免陷入局部最优。
3. 基于Gibbs抽样的模体发现
Gibbs抽样是一种马尔可夫链蒙特卡罗（MCMC）方法：
1. 从N条序列中随机选择一条序列S_i
2. 从剩余N-1条序列中随机提取长度为n的片段，构建初始位置频率矩阵
3. 基于该矩阵对S_i中每个可能的n长度片段计算似然比
4. 根据似然比概率随机选择一个片段作为S_i上的结合位点
5. 用选中的片段更新位置频率矩阵
6. 重复步骤1-5，遍历所有序列，完成一轮迭代
7. 多轮迭代直至矩阵收敛
Gibbs抽样的优势：随机化策略可以跳出局部最优，探索更广泛的可能性空间。

实验流程：
1. 交联：甲醛处理细胞，共价固定蛋白质-DNA复合物
2. 裂解：超声波打断染色质，获得约200 bp的DNA片段
3. 免疫沉淀：用特异性抗体捕获目标蛋白及其结合的DNA片段
4. 解交联：去除蛋白质，纯化DNA
5. 测序：构建测序文库，进行高通量测序
技术特点：
- 需要生物学重复（通常2-3次）以提高可靠性
- 人类/小鼠转录因子ChIP-Seq建议测序深度约2000万reads
- 对照样本（Input或IgG）用于背景校正

1. 信号峰层面的质控
FRiP（Fraction of Reads in Peaks）：落入信号峰区域的reads占所有reads的比例。高质量数据FRiP > 0.05（转录因子）或 > 0.2（组蛋白修饰）。
互相关分析（Cross-correlation）：利用正链和负链reads的相位差估计DNA片段长度。关键指标：
- NSC（Normalized Strand Coefficient）= cc(片段长度) / min(cc)，通常NSC > 1.1
- RSC（Relative Strand Correlation）= [cc(片段长度) - min(cc)] / [cc(读段长度) - min(cc)]，通常RSC > 0.8
IDR（Irreproducible Discovery Rate）：衡量生物学重复之间信号峰的可重复性。IDR值越低，信号峰的可重复性越好。通常以IDR < 0.05筛选高置信度信号峰。
2. 注释层面的质控
- 基因组分布：信号峰应在启动子/增强子区域富集
- 序列保守性：信号峰中心应有比周围更高的PhastCons保守性得分
- 模体验证：已知结合模体应在信号峰中心富集

1. 信号峰识别（Peak Calling）
以MACS2为例：
1. 估计片段长度d：通过互相关分析确定正链和负链reads的偏移距离
2. 将reads向3'端移动d/2，构建富集信号
3. 动态泊松分布建模：局部背景λ = max(λ_{local}, λ_{global})
4. 计算每个候选区域的富集显著性（p-value）
5. 多重检验校正（Benjamini-Hochberg FDR），筛选显著富集区域
2. 差异信号峰分析
- 定量比较：类似RNA-seq差异分析方法，比较两套ChIP-Seq数据的信号强度差异（如DiffBind、MAnorm）
- 定性比较：使用严格阈值在一套数据中识别信号峰，用宽松阈值在另一套数据中扫描，仅在一套中出现的峰为差异峰
3. 靶基因预测
- 最近TSS法：将信号峰关联到距离最近的转录起始位点
- 距离阈值法：将TSS一定距离（如±50 kb）内的信号峰关联到该基因
- 加权距离法：信号峰权重随距离增加而衰减（线性或指数衰减）
- 整合转录组法：结合RNA-seq或 knockdown/knockout 实验的转录变化，筛选靶基因（如BETA方法）
4. 功能注释
- ORA（Over-Representation Analysis）：对靶基因列表进行GO/KEGG富集分析
- GREAT/Cistrome-GO：基于信号峰在全基因组的分布，直接进行区域富集分析

在哺乳动物中，DNA甲基化主要发生在CpG二核苷酸的胞嘧啶上：
- 5-甲基胞嘧啶（5-mC）：最常见的DNA甲基化形式，由DNMT酶家族催化
- 5-羟甲基胞嘧啶（5-hmC）：5-mC的氧化产物，近年来发现其具有独特的调控功能
- 5-甲酰基胞嘧啶（5-fC）和5-羧基胞嘧啶（5-caC）：5-hmC的进一步氧化产物，是主动去甲基化途径的中间产物
DNA甲基化状态的三种形式：
- 全甲基化（Fully methylated）：DNA双链的CpG均被甲基化
- 半甲基化（Hemimethylated）：仅一条链的CpG被甲基化（DNA复制后的中间状态）
- 未甲基化（Unmethylated）：双链CpG均未甲基化

1. 从头甲基化（De novo methylation）
- 酶：DNMT3A、DNMT3B
- 机制：识别未甲基化的DNA双链，以S-腺苷甲硫氨酸（SAM）为甲基供体，催化CpG位点的甲基化
- 调控：DNMT3L（无催化活性的辅助蛋白）可增强DNMT3A/3B的活性
2. 甲基化维持（Maintenance methylation）
- 酶：DNMT1
- 机制：在DNA复制后，DNMT1识别半甲基化的CpG（母链甲基化、子链未甲基化），在子链对应位置添加甲基，维持甲基化状态
- 辅助因子：UHRF1蛋白识别半甲基化DNA并招募DNMT1
3. 主动去甲基化
- TET酶氧化：TET1/2/3将5-mC逐步氧化为5-hmC、5-fC、5-caC
- TDG切除：胸腺嘧啶DNA糖基化酶（TDG）识别并切除5-fC和5-caC
- BER修复：碱基切除修复（BER）途径填补缺口，最终完成去甲基化
4. 被动去甲基化
- 在DNMT1活性缺失或不表达的细胞中，DNA复制后甲基化无法维持
- 随细胞分裂，甲基化被逐渐"稀释"，最终达到未甲基化状态

1. 基因表达调控
- 启动子CpG岛甲基化：阻碍转录因子结合，招募甲基CpG结合蛋白（如MeCP2），导致转录沉默
- 基因体甲基化：与转录活跃相关，可能促进转录延伸或抑制转录起始
- 增强子甲基化：降低增强子活性，影响远端基因调控
2. 基因组印记（Genomic Imprinting）
- 亲本等位基因特异的甲基化模式，使子代中仅表达父源或母源等位基因
- 印记基因的异常与Beckwith-Wiedemann综合征、Angelman综合征等疾病相关
3. X染色体失活（X-inactivation）
- 雌性哺乳动物通过Xist lncRNA介导的染色质沉默，使一条X染色体失活
- DNA甲基化在维持X染色体失活状态中发挥重要作用
4. 转座子沉默
- 重复序列和转座子区域的高甲基化抑制其转录活性，维持基因组稳定性
5. 细胞分化和发育
- 胚胎发育过程中经历大规模的DNA甲基化重编程
- 组织特异性甲基化模式决定细胞身份和功能

1. 全基因组重亚硫酸盐测序（WGBS）
- 原理：亚硫酸盐转化 + 全基因组测序
- 优点：单碱基分辨率、全基因组覆盖、定量准确
- 缺点：测序成本高、DNA损伤大、C→U转化导致序列复杂性降低
- 应用：全基因组甲基化图谱绘制、DMR鉴定
2. 简化代表性重亚硫酸盐测序（RRBS）
- 原理：限制性内切酶（MspI）富集CpG岛区域，再进行亚硫酸盐测序
- 优点：成本低、覆盖启动子和CpG岛区域
- 缺点：仅覆盖约1-5%基因组，对非CpG岛区域不敏感
3. 甲基化DNA免疫沉淀测序（MeDIP-Seq）
- 原理：使用5-mC特异性抗体富集甲基化DNA片段，然后测序
- 优点：无需亚硫酸盐处理，DNA完整性高
- 缺点：分辨率低（约100-200 bp），不能区分5-mC和5-hmC
4. 第三代测序技术
- ONT纳米孔测序：通过检测DNA通过纳米孔时的电信号差异，直接识别甲基化修饰
- PacBio SMRT测序：通过分析DNA聚合酶动力学的变化检测甲基化
- 优点：无需亚硫酸盐处理，可区分5-mC和5-hmC，长读长
- 缺点：错误率较高，需要较高测序深度

1. 原始数据质控
- TrimGalore：去除接头序列和低质量碱基（对亚硫酸盐数据优化）
- FastQC：检查碱基质量、GC含量、长度分布
- 特别关注：亚硫酸盐转化效率（通过未甲基化对照λ噬菌体DNA评估）
2. 序列比对
亚硫酸盐转化的特殊性：
- C→U转化后，DNA序列中C极为稀少（仅剩甲基化C）
- 两条链不再互补（仅一条链发生C→T转化）
- 需要专门的比对算法
两种主要比对策略：
三字符法（3-letter）：将参考基因组中所有C替换为T，reads也进行C→T转换，然后比对。优点：简单快速；缺点：信息量损失，部分位点无法区分。
通配符法（Wild-card）：将参考基因组中所有C替换为Y（C或T），保留C的两种可能性。优点：信息完整；缺点：比对复杂度增加，可能引入偏差。
常用比对软件：
- Bismark：基于Bowtie/Bowtie2，进行C→T和G→A双重转换，准确率高，使用最广泛
- BSMAP：通配符法，不转换基因组，创建种子列表进行比对
- Bwa-meth：基于BWA-MEM，支持长读长比对
- Walt：针对亚硫酸盐数据的专门优化算法
3. 甲基化水平推断
对于每个CpG位点：
$$\text{甲基化水平} = \frac{\text{覆盖该位点的甲基化reads数}}{\text{覆盖该位点的总reads数}}$$
影响因素和校正：
- DNA片段末端修复引入的非甲基化C
- 接头序列污染
- 3'端测序质量下降
- 不均衡PCR扩增
- 5-hmC的干扰（亚硫酸盐无法区分5-mC和5-hmC）
4. 差异甲基化区域（DMR）鉴定
滑动窗口法：
- 将基因组划分为固定大小的窗口（如1 kb）
- 比较两组样本间每个窗口的平均甲基化水平
- 使用t检验、Wilcoxon检验或β-二项模型计算显著性
- 筛选连续显著窗口，合并为DMR
常用软件：
- methylKit：R包，支持滑动窗口和CpG-wise分析
- BSmooth：基于局部似然平滑，适合WGBS数据
- MOABS：基于分层贝叶斯模型，整合生物学重复信息
- dmrFinder：结合统计检验和区域合并
5. DMR注释和功能分析
- 基因组位置注释：启动子、外显子、内含子、基因间区
- 基因关联：关联到最近的基因或TSS
- 功能富集：GO/KEGG富集分析、motif分析
- 整合分析：结合RNA-seq数据，分析DMR与差异表达基因的关系

组蛋白修饰命名由四部分组成：
组蛋白类型 + 氨基酸残基 + 位置 + 修饰类型
例如：
- H3K4me3：H3组蛋白第4位赖氨酸的三甲基化
- H3K27ac：H3组蛋白第27位赖氨酸的乙酰化
- H3K9me2：H3组蛋白第9位赖氨酸的二甲基化
- H2BK120ub：H2B组蛋白第120位赖氨酸的泛素化
常见修饰类型缩写：
- ac：乙酰化（acetylation）
- me1/me2/me3：一/二/三甲基化（mono-/di-/tri-methylation）
- me2s/me2a：对称/非对称二甲基化（dimethylation symmetric/asymmetric）
- ub：泛素化（ubiquitination）
- ph：磷酸化（phosphorylation）

1. Writer（写入器）
组蛋白乙酰转移酶（HAT）：
- 将乙酰基从乙酰辅酶A转移到组蛋白赖氨酸残基上
- 家族分类：GNAT家族（GCN5、PCAF）、MYST家族（MOZ、YBF2、SAS2、TIP60）、p300/CBP家族
- 功能：中和赖氨酸正电荷，减弱与DNA的相互作用，促进染色质开放
组蛋白甲基转移酶（HMT）：
- 以S-腺苷甲硫氨酸（SAM）为甲基供体
- 赖氨酸甲基转移酶：SET结构域家族（如MLL、EZH2、SETD2、SUV39H1）
- 精氨酸甲基转移酶：PRMT家族（PRMT1、PRMT4/CARM1、PRMT5）
- 功能：不改变电荷，但增加空间位阻，影响蛋白质相互作用
2. Eraser（擦除器）
组蛋白去乙酰化酶（HDAC）：
- 去除赖氨酸残基上的乙酰基
- 家族分类：Class I（HDAC1/2/3/8）、Class II（HDAC4/5/6/7/9/10）、Class III/Sirtuins（SIRT1-7）、Class IV（HDAC11）
- 功能：恢复赖氨酸正电荷，增强与DNA的相互作用，促进染色质压缩
组蛋白去甲基化酶（KDM）：
- KDM1/LSD1家族：黄素依赖氧化酶，主要去除H3K4me1/2和H3K9me2
- JmjC家族：α-酮戊二酸依赖的双加氧酶，可去除多种甲基化修饰（H3K4、H3K9、H3K27、H3K36等）
3. Reader（读取器）
溴结构域（Bromodomain）：
- 识别乙酰化赖氨酸
- 家族成员：BRD2/3/4、BRDT、PBRM1等
- 功能：招募转录机器和染色质重塑复合物
染色质结构域（Chromodomain）：
- 识别甲基化赖氨酸
- HP1（识别H3K9me3）、PRC1（识别H3K27me3）
- 功能：介导异染色质形成和基因沉默
Tudor结构域、PHD结构域、WD40重复等：
- 识别不同甲基化状态
- 功能：参与DNA修复、转录调控和细胞信号传导

转录激活相关修饰：
- H3K4me3：活跃启动子标记，招募TFIID复合物
- H3K9ac、H3K27ac：活跃增强子和启动子标记，与开放染色质相关
- H3K36me3：基因体标记，与转录延伸相关，招募RNA剪接因子
- H3K79me2：基因体标记，与转录活跃相关
转录抑制相关修饰：
- H3K27me3：多梳蛋白抑制标记，由PRC2复合物（EZH2）催化，介导发育基因的可逆沉默
- H3K9me2/3：异染色质标记，由SUV39H1/2催化，招募HP1蛋白，介导转座子沉默和组成型异染色质形成
- H4K20me3：抑制性标记，与DNA损伤修复和细胞周期调控相关
双价修饰（Bivalent Domain）：
- H3K4me3 + H3K27me3：同时存在于胚胎干细胞中发育调控基因的启动子区域
- 含义：基因处于"预备转录"状态——既被激活又被抑制，随时准备响应分化信号

1. X-ChIP-Seq（交联ChIP-Seq）
- 甲醛交联蛋白质-DNA → 超声打断染色质（200-1000 bp）→ 免疫沉淀 → 测序
- 适用于大多数组蛋白修饰，特别是稳定性较差的修饰
- 缺点：分辨率受限于超声片段大小，交联可能引入非特异性结合
2. N-ChIP-Seq（天然ChIP-Seq）
- 无交联 → MNase消化（单核小体分辨率，~147 bp）→ 免疫沉淀 → 测序
- 适用于稳定的组蛋白修饰（如H3K4me3、H3K27me3）
- 优点：单核小体分辨率，保留核小体定位信息
- 缺点：不适用于不稳定的修饰或DNA结合蛋白
3. CUT&RUN
- 抗体靶向组蛋白修饰 → 融合蛋白pA-MNase切割附近DNA → 释放DNA片段 → 测序
- 优点：低背景、高分辨率、低细胞数需求（可处理10^5细胞）
- 缺点：依赖抗体质量，部分修饰可能不适用
4. CUT&Tag
- 抗体靶向组蛋白修饰 → Tn5转座酶融合蛋白在修饰位点附近插入接头并切割DNA → 测序
- 优点：无需交联和超声，操作简便，背景更低，细胞数需求更低（可处理10^3-10^4细胞）
- 缺点：对转座酶活性敏感，部分区域可能覆盖不均

1. 数据质控
与转录因子ChIP-Seq质控类似，但需额外关注：
- 抗体特异性：Western blot验证抗体特异性
- 信号分布特征：不同修饰有特定的基因组分布模式
- 峰型特征：窄峰（如H3K4me3、H3K9ac）vs. 宽峰（如H3K27me3、H3K9me3）
2. 峰识别（Peak Calling）
窄峰类型（如H3K4me3、H3K9ac）：
- 使用与转录因子ChIP-Seq相同的方法（MACS2、HOMER）
- 峰通常位于TSS附近或增强子区域
宽峰类型（如H3K27me3、H3K9me3、H3K36me3）：
- 使用宽峰模式算法（MACS2 --broad、SICER、RSEG）
- 富集区域可跨越数十kb甚至数百kb
- 需要更大的合并窗口和更宽松的阈值
3. 差异富集区域分析
常用方法：
- DiffBind：基于DESeq2/edgeR的ChIP-Seq差异分析R包
- MAnorm：基于MA图的归一化方法，假设共有峰具有相同信号强度
- ChIPDiff：基于隐马尔可夫模型的差异分析
4. 染色质状态推断（Chromatin State Calling）
核心思想：整合多种组蛋白修饰的ChIP-Seq数据，基于修饰组合模式推断每个基因组区域的功能状态。
ChromHMM算法：
1. 将基因组划分为200 bp的区间
2. 对每个区间，检查是否存在每种组蛋白修饰的标记（二值化：有/无）
3. 使用多元隐马尔可夫模型（HMM）学习染色质状态
4. 模型训练后，为每个区间分配最可能的染色质状态
常见染色质状态：
- 状态1：活跃启动子（TSS附近，H3K4me3 + H3K27ac）
- 状态2：弱启动子/预备启动子（TSS附近，H3K4me3）
- 状态3：转录延伸（基因体，H3K36me3）
- 状态4：增强子（远端，H3K4me1 + H3K27ac）
- 状态5：弱增强子（远端，H3K4me1）
- 状态6：多梳蛋白抑制（H3K27me3）
- 状态7：异染色质/重复序列（H3K9me3）
- 状态8：绝缘子（CTCF结合位点）
SegWay：另一种基于动态贝叶斯网络的方法，可以处理连续信号而非二值化标记。

1. 染色体领域（Chromosome Territory, ~1-100 Mb）
- 每条染色体在核内占据相对独立的区域
- 原因：染色体是连续的DNA-蛋白质纤维，在不受约束时自然形成连贯区域
- 功能：减少不同染色体之间的异常相互作用，维持基因组稳定性
2. 染色质区室（Compartment, ~1-10 Mb）
- A区室（Compartment A）：转录活跃、开放染色质、基因密集、高表达
- B区室（Compartment B）：转录抑制、紧密染色质、基因稀疏、低表达
- 检测方法：Hi-C矩阵的主成分分析（PCA），第一主成分（PC1）正负值对应A/B区室
- 动态变化：不同细胞类型中，A/B区室可以发生转换，与基因表达变化相关
3. 拓扑关联结构域（TAD, ~0.1-1 Mb）
- 域内相互作用频率显著高于域间
- TAD边界富含CTCF结合位点、管家基因和tRNA基因
- 功能：限制增强子的调控范围，防止异位调控（enhancer adoption）
- 在发育过程中，TAD边界相对稳定，但内部结构可以发生重组
4. 染色质环（Loop, ~1 kb - 1 Mb）
- 点对点的高频相互作用
- 功能类型：增强子-启动子环、启动子-启动子环、CTCF介导的环
- 环的形成通常需要CTCF蛋白和Cohesin复合物的协同作用（环挤压模型）

实验步骤：
1. 固定：甲醛交联，共价固定空间上相邻的DNA片段
2. 酶切：限制性内切酶（如MboI，识别GATC）消化DNA
3. 末端修复：补齐粘性末端，加入生物素标记
4. 连接：低浓度下连接DNA片段，形成嵌合分子（DNA-DNA连接）
5. 解交联：蛋白酶消化蛋白质，纯化DNA
6. 打断和测序：超声打断DNA，富集生物素标记的嵌合片段，进行双端测序
技术原理：
- 两个DNA片段在核内空间距离越近，被连接形成嵌合分子的概率越高
- 测序后，嵌合分子的两个末端分别对应基因组上的两个位置
- 统计所有嵌合分子，构建全基因组相互作用矩阵
关键参数：
- 分辨率：取决于酶切位点密度和测序深度
- 100 kb分辨率：识别区室（约3亿reads）
- 40 kb分辨率：识别TAD（约5-10亿reads）
- 5-10 kb分辨率：识别环（约10-20亿reads）
- 常用酶：MboI（4碱基识别，约250 bp一个位点）vs. HindIII（6碱基识别，约4 kb一个位点）
Hi-C变体技术：
- Capture Hi-C：富集特定区域（如启动子）的相互作用，提高目标区域分辨率
- DNase Hi-C：使用DNase I替代限制性内切酶，提高分辨率
- Micro-C：使用MNase消化至核小体级别，分辨率可达单核小体水平
- in situ Hi-C：在细胞核内进行酶切和连接，减少随机碰撞，信噪比更高
- 单细胞Hi-C：分析单个细胞的三维基因组结构，揭示细胞间异质性

与Hi-C的区别：
- Hi-C无差别地检测全基因组所有相互作用
- ChIA-PET针对特定蛋白质（如CTCF、RNAPII、Cohesin）介导的相互作用进行富集
实验步骤：
1. 甲醛 + EGS交联
2. 超声打断染色质
3. ChIP富集目标蛋白质及其结合的DNA片段
4. 连接半连接子（half-linker），形成桥连接结构
5. 酶切或Tn5片段化，产生配对末端标签（PET）
6. 测序
优势：
- 信号特异性强，背景噪声低
- 分辨率可达100 bp
- 可以直接鉴定蛋白质介导的特定互作（如CTCF-CTCF环）
局限性：
- 依赖高质量抗体
- 只能研究与特定蛋白质相关的相互作用
- 需要较多细胞数

1. 比对和嵌合分子筛选
比对策略：
- Hi-C文库是嵌合分子（两个DNA片段连接），需要特殊处理
- 使用5'端优先比对策略：将reads比对到基因组，优先使用5'端信息
- 常用工具：HiC-Pro、Juicer、Chrom3D
有效嵌合分子筛选：
- 去除未连接的片段（两个末端比对到同一位置）
- 去除酶切位点距离过远（>1 kb）的片段（无效连接）
- 去除PCR重复
- 去除比对质量低的reads
2. 相互作用矩阵构建
- 将基因组划分为等距的区间（bins），如40 kb、10 kb、5 kb
- 统计每对区间之间的有效嵌合分子数量
- 结果：N×N的相互作用矩阵（N为区间数）
3. 矩阵校准（Normalization）
校准原因：
- GC含量差异：GC-rich区域更容易被连接和测序
- 酶切位点密度：MboI位点密度不均匀
- 序列可比对性：重复序列区域比对率低
- 这些因素导致某些区间的相互作用计数系统性偏高
校准方法：
显式校准（如HiC-Pro）：
- 将相互作用计数与GC含量、酶切位点数量、可比对性进行回归
- 得到回归校准后的相互作用计数
隐式校准（矩阵平衡法）：
- 假设：每个区间与所有其他区间的相互作用总量应该一致
- 算法：迭代地将矩阵每行除以行平均值，每列除以列平均值，直至收敛
- 结果：每个区间的行和列和均等于1（或常数）
- 优点：无需知道偏差来源，自动校正
- 缺点：对低覆盖区域敏感，可能引入噪声
4. 矩阵可视化
二维热图：
- 正方形形式：展示完整矩阵
- 三角形形式：利用矩阵对称性，仅展示上三角或下三角
- 颜色深度：表示相互作用频率（通常log2变换或归一化）
- 常用工具：JuiceBox、HiGlass、3D Genome Browser
弧形图（Arc plot）：
- 将基因组表示为一条直线
- 用弧线连接相互作用的两个位点
- 适合展示特定区域的相互作用

1. 识别染色质区室（Compartment Calling）
主成分分析法（PCA）：
1. 将相互作用矩阵对期望值进行标准化
- 期望值计算：相同基因组距离的平均相互作用频率
- 标准化：观察值 / 期望值
2. 计算皮尔逊相关系数矩阵
3. 对相关系数矩阵进行PCA
4. 第一主成分（PC1）的特征值符号区分A/B区室：
- PC1 > 0：A区室（活跃）
- PC1 < 0：B区室（抑制）
生物学验证：
- A区室与基因密度、表达水平、GC含量正相关
- B区室与核纤层关联、晚期复制正相关
2. 识别拓扑关联结构域（TAD Calling）
方向指数法（Directionality Index, DI）：
- 对于每个基因组区间（如40 kb bin），计算其向上游2 Mb和下游2 Mb的相互作用数目
- DI = (B - A) / |B - A| × [(A - E)²/E + (B - E)²/E]
- A：上游相互作用数；B：下游相互作用数；E：(A+B)/2
- DI > 0：倾向于与下游相互作用（TAD左边界）
- DI < 0：倾向于与上游相互作用（TAD右边界）
- |DI| ≈ 0：TAD内部
绝缘指数法（Insulation Score）：
- 计算每个bin作为TAD边界的绝缘能力
- 绝缘指数 = 相邻两侧bin的平均相互作用 / 该bin与两侧的相互作用
- 绝缘指数最低点对应TAD边界
常用软件：
- Arrowhead：Juicer工具包中的TAD识别算法
- TopDom：基于 DI 的TAD识别
- Armatus：基于动态规划的TAD识别
- lavaburst：多尺度TAD识别
3. 识别染色质环（Loop Calling）
HiCCUPS算法（Juicer工具包）：
- 核心假设：染色质环处的相互作用频率显著高于周围背景
- 将候选区域划分为中心像素和周围背景区域（左、右、上、下）
- 计算中心像素与每个背景区域的比值
- 使用负二项分布检验，判断中心是否显著高于背景（通常要求>50%）
- 多重分辨率检测：在5 kb、10 kb、25 kb分辨率分别检测，合并结果
其他方法：
- Fit-Hi-C：基于距离依赖模型的统计检验
- cLoops：基于局部密度聚类
- CHiCAGO：针对Capture Hi-C数据的环识别

主要步骤：
1. 比对：将双末端标签比对到参考基因组
2. 分类：将唯一比对标签分为自连接（同一基因组区域）和间连接（不同基因组区域）
3. 过滤：去除PCR重复和低质量连接
4. 富集分析：将相互作用锚点视为ChIP-Seq信号峰，进行peak calling
5. 环识别：基于锚点之间的连接频率，识别显著互作对
常用工具：ChIA-PET Tools