五、组蛋白修饰ChIP-Seq数据分析

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。