云序课堂二维码

云序生物二维码

  • ATAC-Seq技术

     

     

     

    技术简介:

     

    ATAC测序------染色质开放性测序技术

     

    ATAC测序的全称是Assay for Transposase Accessible Chromatin using sequencing,运用测序手段研究转座酶可接近的染色质的一种技术。该技术通过转座酶对某种特定时空下开放的核染色质区域进行切割,进而获得在该特定时空下基因组中活跃转录的调控序列。这项技术仅需少量细胞便可获得实时全基因组活性调控序列信息,应用于转录因子结合分析、核小体定位、活性调控元件分布等研究,在表观遗传机制研究领域有广阔的应用前景。

    云序生物对染色质开放区域进行研究的技术是利用ATAC测序技术,其原理为:利用DNA转座酶可以携带DNA去识别染色质开放区域。人为地将携带已知DNA序列标签的转座复合物(即带着测序标签的转座酶),加入到细胞核中,再利用已知序列的标签进行建库后测序,从而识别染色质的开放区域。

    • 回到顶部
    • 021-64878766
    • QQ客服
    • 微信公众号二维码
  • 案例分析

     

    案例1:ATAC-Seq与RNA-Seq关联分析

     

    原文:EGRINs (Environmental Gene Regulatory Influence Networks) in Rice That Function in the Response to Water Deficit, High Temperature, and Agricultural Environments

     

    期刊:The Plant Cell                              影响因子:8.23 

     

    本篇文章是利用ATAC-seq与RNA-seq联合分析的经典案例。作者选择5个不同的水稻品种,对它们分别进行热处理和干旱处理以模拟高温和缺水这2种胁迫环境。进一步通过对这种胁迫处理的5个水稻品种进行RNA-seq检测RNA的表达差异和ATAC-seq检测染色质开放区域差异。再联合ATAC-seq数据和RNA-seq数据,以及转录因子的motif信息。构建植物应激的转录因子-靶基因的调控网络图,并寻找关键的转录因子-靶基因模块,预测了关键转录因子活性。完成植物在应激情况下反应相关的转录因子的研究。

     ATAC-seq与RNA-seq联合分析

    图1. ATAC-seq与RNA-seq联合分析

     

     

    案例2:ATAC-seq与ChIP-seq联合分析

     

    原文:Nfib Promotes Metastasis through a Widespread Increase in Chromatin  Accessibility

     

    期刊:Cell                                          影响因子:31.398 

     

    该文章是通过比较原发性和肝转移性的小细胞肺ai细胞之间的差异,从而研究人小细胞肺ai促进ai症扩散转移的背景机制。首先利用ATAC-seq,发现NFI家族转录因子富集在具有差异的染色质开放位点中,预示着NFI家族转录因子在调控肿 瘤细胞转移中扮演着重要角色。进一步进行ChIP-seq,通过2种测序结果联合分析,发现在染色质高开放性位点区域伴随着Nfib拷贝数量增多,且Nfib在侵袭性原发性肿 瘤和转移性肿 瘤内高表达,Nfib表现出维持染色质及远端调控区域开放和促进神经基因表达的功能,说明Nfib对促进ai细胞增殖和迁移具有重要的作用。

    ATAC-seq与ChIP-seq联合分析

    图2. ATAC-seq与ChIP-seq联合分析

  • 云序技术优势:

     

    实验快速:实验流程精简,耗时短。

     

    样品微量:细胞量少,适用于临床样本。

     

    结果准确:重复性好,与同类技术及同类测序平台一致性高。

     

    信息全 面:获取信息量大(全基因组调控活性图谱、全转录因子结合图谱)。

     

    一站式服务:客户只需提供细胞、组织、体液等样品,云序生物为您完成从样品准备、文库制备、上机测序到数据分析的整套服务流程。

     

    专业化的生物信息学分析:云序生物具有强大的生物信息学团队,能够满足客户的各类深入数据分析要求。

     

    数据分析(仅供展示  详见demo报告)

     

    1、富集峰(peak)识别


    利用流行的MACS软件进行峰识别,默认P < 10-5识别基因组上的ATAC富集峰。

    富集峰(peak)识别

     

    2. 富集峰(peak)长度分布※

     

    根据ATAC-seq识别开放区域的DNA片段长度,对富集峰的Count数进行统计。

    富集峰(peak)长度分布

     

     

    3. 富集峰(peak)区域的在基因组中的分布※


     根据注释信息,绘制富集峰在不同基因组特征上的比例图。

    富集峰(peak)区域的在基因组中的分布

     

    4. 样本间差异peak识别※

     

    云序生物使用diffReps包进行样本间差异peak的识别。默认筛选标准为FDR<=0.05,具体以报告为准。

    样本间差异peak识别

    5. 样品间差异peak相关基因的GO和KEGG富集分析

     

    对差异peak相关基因进行功能分类,并发现明显富集的功能条目。

     

    样品间差异peak相关基因的GO和KEGG富集分析

     

技术服务

Technical Service