撰文 | 无言

责编 | 王一

近日，Nature Reviews系列新期刊Nature Reviews Methods Primers的首批文章正式上线。该期刊采用完全线上发表模式，刊登成为导论 （Primer） 的文章，对某种生命科学或物理学技术和方法进行全面并权威的综述。计划每星期发表一篇，并对每篇导论配发叫做导论总览 （PrimerView） 的图形化总结。旨在为研究者面对不熟悉的科学方法时，尽可能提供有关该方法的全方位信息供研究者评估，选择以及应用。

2021年1月21日，该刊发表来自比利时鲁汶大学Stein Aerts课题组联合多单位合作撰写的题为Chromatin accessibility profiling methods的方法导论文章。该文章对目前在染色质可及性技术中常用的生物化学方法以及随后的高通量测序数据的生物信息学分析工具进行了全面的综述性比较与讨论，并以参与生物体发育，进化及疾病发生的关键调节因子为例探讨了不同实验方法的应用场景。针对近年来兴起并快速发展的单细胞技术，作者特别探讨了单细胞测序在染色质可及性研究中的应用，并给出的实验设计及数据分析的方法和建议。同时该文章概述了该技术产生数据的质量，可重复性及存储的标准。另一方面，作者也客观地概述并讨论了该技术方法在深入理解基因调控这一复杂生物学过程中的局限性，认为其它的辅助实验或数据诸如增强子-启动子临近性，功能性转录因子的结合及调控等对于染色质可及区域的理解和认识有很大促进作用。最后作者提出预想，认为包括单分子，多组学和生物空间性研究方法等在内的技术革新和改进对于解密基因组调控的复杂网络会带来更深层次的认识。虽然该文章在讨论具体的应用场景时偏重于动物研究，但对于越来越多的利用或想利用该技术的植物研究者来说仍不失为一个很好的指导，毕竟技术是统一的，实验方法上可以根据各自的需要及目的作相应调整。

染色质由DNA及相关联蛋白构成，这些蛋白主要包括组蛋白，转录因子，染色质修饰酶以及染色质重塑复合体。真核生物基因组通常以核小体为单位进行压缩包装，每个核小体含有大概147bp 缠绕在组蛋白八聚体上的DNA。但核小体在整个基因组上的分布却并不均衡。而染色质可及性，就是指染色质的物理压缩程度。在基因组上，活跃的顺势调控元件区域，核小体分布很少，相应的染色质压缩程度降低，这些区域可利于转录调控因子的结合及相互作用，因此成为 ‘可及染色质区’。所以在基因组水平上的染色质可及性图谱可用于鉴定可能的组织或细胞特异的基因组调控区。另外，染色质的翻译后化学修饰，例如DNA甲基化，组蛋白甲基化和乙酰化在不同发育时期，不同细胞类型中都处于动态变化之中。这种翻译后修饰也通常与染色质的可及性相关并且可以反映特定基因组区域的功能。通常染色质可及性的变化是由一类先锋转录因子所起始 （关于先锋转录因子研究实例，请点击查看：） ，随后 ‘开放的’ 染色质使得更多转录因子的结合成为可能，进而调控基因表达。

过去几十年来，染色质可及性图谱的研究方法的发展主要围绕染色质对于不同酶 （比如 DNase I 和转座酶（Transposase）） 的物理可及性来对染色质的可及区域进行切割标记这一基本原理。随着高通量测序技术的发展，快速获取基因组水平的染色质可及位点的成本逐渐降低。目前依赖于DNase I的DNase-seq和依赖于转座酶的ATAC-seq是两种最常用染色质可及性图谱研究方法。其它一些演变形式的方法也可以从不同角度或水平来衡量染色质的可及性或致密性 （如核小体定位图谱） ，比如基于DNA甲基转移酶的实验方法以及MNase-seq等等。更重要的是，近年来单细胞组学发展迅速，虽然目前单细胞水平的表观遗传研究相比于单细胞转录组研究在技术上还存在一些挑战，但总归聊胜于无，如今通过单细胞DNase-seq （scDNase-seq） 和单细胞ATAC-seq （scATAC-seq） ，研究者们在更精细的细胞水平来研究复杂组织在不同生长发育阶段的染色质可及性及动态是完全可能的。另外值得一提的是，虽然染色质可及性图谱可当作鉴定基因组调控区域，但该技术也有其自身的局限性。目前的实验证据表明，如果想仅仅通过可及性数据把活跃开放区域与具体而明确的靶基因关联还是很有难度的。因此，其他支持性实验和数据，比如多组学数据，增强子报告实验 （enhancer-reporter assay） 以及染色质3D构象图谱等可有助于帮助鉴定与功能性染色质可及区域关联的靶基因。

图一：染色质可及性及核小体定位图谱实验方法

结果的数据处理便是生物信息学施展拳脚的地方了。有大量的生物信息学工具被开发用于相应数据的质量控制和不同角度的分析。前期的数据处理通常包括质量控制及去杂 (QC and Trimming) 、基因组比对 (Genome Mapping) 、数据过滤 (Filtering) 、测序峰富集 （Peak Calling） 及可视化 (Visualization) 。下游的数据分析就可以根据不同的需求利用不同的工具进行特定分析，最常见的是比较不同样品或处理之间的可及性差异，这有些类似于转录组研究中的差异基因分析；另外还有为peak添加基因组注释、基序 （Motif） 富集分析、可视化；更进一步还可以与多组学数据进行比较分析来缩小靶基因范围并构建基因调控网络。

图二：染色质可及性数据的一般分析流程

总之，该综述是一篇关于染色质可及性技术与实验的集成，对于需要利用该技术的研究者是一篇非常好的信息资源。该Nature新刊的发表宗旨是为了解决研究者在选择实验方法，进行实验设计及数据分析时提供全面而且明确的指导，从而增加科学研究的可重复性和可靠性。生命科学领域的研究者们可以经常关注该期刊，或者考虑发表自己实验室专长的实验方法和技术哦！

杂志主编对于该杂志的介绍：

https://protocolsmethods.springernature.com/posts/introducing-nature-reviews-methods-primers

论文链接：

https://www.nature.com/articles/s43586-020-00008-9

https://www.nature.com/articles/s43586-020-00010-1