ChIP sek

ChIP-seq on DNA - proteiini -vuorovaikutusanalyysimenetelmä, joka perustuu  kromatiini -immunosaostukseen (ChIP) ja korkean suorituskyvyn DNA- sekvensointiin . Menetelmä kehitettiin histonimuunnelmien tutkimiseen koko genomissa [1] [2] sekä transkriptiotekijän sitoutumiskohtien etsimiseen [3] . Aikaisemmin suosituin menetelmä DNA-proteiinivuorovaikutusten määrittämiseksi oli ChIP-on-chip , joka yhdistää kromatiinin immunosaostuksen hybridisaatioon DNA - mikrosiruilla [4] .

Metodologia

Kromatiini-immunosaostus (ChIP)

Kromatiini - immunosaostus  on tekniikka, jota käytetään kiinnostavaan proteiiniin liittyvien lyhyiden DNA-sekvenssien spesifiseen keräämiseen eläviin soluihin [5] . Tyypillinen tekniikka sisältää seuraavat vaiheet [5] :

Tämän seurauksena kaikki DNA eristetään, mutta näyte rikastuu fragmenteilla, joihin tutkittu proteiini liittyy [5] .

Järjestys

Tämä vaihe sisältää DNA-fragmenttien immunosaostuksen jälkeen saadun primaarisen sekvenssin määrittämisen millä tahansa saatavilla olevalla menetelmällä. Toisin kuin ChIP-on-Chip, ChIP-seq käyttää seuraavan sukupolven sekvensointia DNA-sekvenssin määrittämiseen [6] . ChIP-seqissä käytetään yleisemmin yksipäistä sekvensointia, mutta kaksipäisen sekvensoinnin käyttö lisää kartoituksen tarkkuutta (mikä on erityisen tärkeää toistuvassa kartoituksessa ) [7] . Tuloksena on joukko lyhyitä päällekkäisiä sekvenssejä (lukuja tai lukuja). Alkuperäiset DNA-fragmentit ovat tyypillisesti 150–500 bp pitkiä. , ja tuloksena olevien lukujen pituus on useimmiten 50 bp. [7]

Bioinformatiikan analyysi

Bioinformatiikan analyysi sisältää seuraavat vaiheet [5] :

Voit suodattaa vastaanotetut lukemat käyttämällä FastQC- ja FastX ToolKit [8] -ohjelmistopaketteja . Lukemien laadun määritelmä perustuu Phred-laatupisteeseen  - painoon, joka annetaan kullekin nukleotidille luettaessa. Ohjelmistopaketteja, kuten Gencore , FQStat , Picard ja Cutadapt, voidaan käyttää arvioimaan ja parantamaan lukujen laatua. Gencore poistaa päällekkäiset lukemat jättäen yhden konsensuslukeman. Tämä johtaa puhtaampaan dataan kuin pelkkä kaksoiskappaleiden poistaminen. Picard on joukko työkaluja, joiden avulla voit työskennellä vaihtoehtoisten tiedostomuotojen kanssa: SAM / BAM / CRAM ja VCF. FQStat on itsenäinen, alustasta riippumaton ohjelmistopakettityökalu, joka arvioi FASTQ-tiedostojen laadun rinnakkaisohjelmoinnin avulla. Lisäksi Illumina tarjoaa talon sisäisen Illumina siveyssuodattimen luetun laadunvarmistuspalvelun. Myös lukujen laadun parantamiseksi "trimmaus" voi olla hyödyllistä - epäsopivuuden aiheuttamien heikkolaatuisten lukujen päiden leikkaaminen (seuraavan sukupolven sekvensoinnin ominaisuus). Trimmaus suoritetaan Trimmomatic-ohjelmalla [9] . Kartoitus on sen määrittäminen, mikä tietty alue ja mikä kromosomi luettiin tietyllä tietyllä lukemalla. Lukujen kartoittamiseen genomiin voidaan käyttää ohjelmistopaketteja, kuten BWA , Bowtie , Bowtie 2 ja GSNAP [6] . Massiivisesta rinnakkaissekvensoinnista johtuvat lukemat ovat yleensä lyhyitä (100-200 nukleotidia ), kun taas eukaryoottikromosomi on keskimäärin noin 100 miljoonaa nukleotidia. Lukujen kartoitus genomiin ei ole aina triviaali tehtävä, koska eukaryoottigenomissa on suuri määrä toistoja (esimerkiksi LINE ja SINE  ovat toistoja, jotka muodostavat 17 % ja 11 % ihmisen DNA-sekvenssistä , vastaavasti), ja siten toistuvat lukemat voidaan kartoittaa useaan paikkaan kerralla. Yleensä yksilöllisesti kartoitetut lukemat riittävät analysointiin (esimerkiksi transkriptiotekijät ), mutta joissain tapauksissa analyysiin otetaan mukaan myös useille alueille kartoitettuja lukuja [7] . Vaihtoehtona huonosti kartoitetuilla alueilla menetettyjen signaalien korjaamiseksi voidaan käyttää kartoitusmittaria, joka riippuu erilaisista kokeellisista ja analyysiparametreista, mukaan lukien lukujen pituudesta ja tietojenkäsittelyssä käytetyistä ohjelmista [10] . Suodatukseen voidaan käyttää SAMTools [11] [6] ohjelmistopakettia . Kartoituksen jälkeen on mahdollista määrittää tutkitun proteiinin sitoutumiskohdat genomissa tähän kohtaan kartoitettujen lukujen lukumäärällä (jos niitä on paljon, proteiini oli siellä) [6] . Immunosaostuksen tuloksena saatu lukusarja saattaa epäonnistua jatkoanalyysissä riittämättömän sekvensointisyvyyden, niiden fragmenttien koon huonon valinnan vuoksi, joihin DNA katkaistiin immunosaostuksen aikana, tai proteiiniin liittyvien fragmenttien riittämättömästä edustuksesta. tutkimus immunosaostuksen jälkeen saadussa seoksessa (huonot vasta-aineet jne.). . P.). Kaikkien edellä mainittujen määrittämiseen käytetään CHANCE [8] -ohjelmistopakettia . Sen jälkeen, kun lukemat on kartoitettu genomiin sitoutumiskohtien (alueiden) tunnistamiseksi, kattavuustaso arvioidaan ensin. Seuraavaksi tunnistetaan piikit (alueet, joilla on laaja peitto, joihin tutkittava proteiini todennäköisesti sitoutui), erotetaan kohina ja määritetään piikkien rajat. On tärkeää säilyttää tasapaino herkkyyden ja spesifisyyden välillä [8] . Jotkut ohjelmistopaketit, joita voidaan käyttää tämän ongelman ratkaisemiseen, ovat SPP , PeakSeq [10] , MACS , MACS 2, UGENE [6] . Näiden ohjelmien työn tulos on luettelo alueista, jotka on luokiteltu joko absoluuttisen signaalin suuruuden (eli lukujen lukumäärän) tai rikastamisen merkityksen (esimerkiksi p-arvon tai FDR :n ) mukaan. Sopivan menetelmän valinta riippuu tutkittavasta lajista ja proteiinista sekä koeolosuhteista. Eri ohjelmat käyttävät erilaisia ​​oletuksia ja oletuksia p-arvon ja FDR:n laskemiseen. Esimerkiksi SPP ja alkuperäinen MACS-versio käyttävät vain ChIP-Seq-kokeen ja kontrollin tietoja (jos saatavilla), kun taas MOSAiCS ottaa huomioon kartoitettavuuspisteet ja GC-koostumuksen . Siksi on melko vaikeaa verrata eri huippukutsualgoritmien tuloksia. Monet algoritmien yhteensovituspaperit käyttävät löydettyjen piikkien lukumäärän validointia käyttämällä tietoja ChIP-on-Chip-, qPCR- jne. kokeista [12] [13] [14] . Tilannetta mutkistaa myös todellisten sitoutumiskohtien huono annotaatio, joten kun etsitään huippuja proteiinille, jolla on tuntematon sitoutumiskohta, on käytettävä negatiivisia kontrolleja [7] . Annotaation tarkoituksena on muodostaa yhteys sitoutumiskohdan ja toiminnallisen DNA-alueen välille, jolle sitoutumiskohta on laskeutunut. Tällainen toiminnallinen kohta voi olla promoottori , transkription aloituskohta , intergeeninen kohta jne. [6] . Ennustettujen sitoutumiskohtien leikkaus funktionaalisten DNA-elementtien kanssa voidaan analysoida visuaalisesti jollakin genomisella selaimella ; Voit myös saada kommentoidun tekstitiedoston käyttämällä Diffbind , CEAS tai ChIPpeakAnno [8] . Saaduissa huipuissa (pituus satojen nukleotidien luokkaa) on joskus mahdollista tunnistaa tunnusomaisia ​​sekvenssejä, joita pitkin proteiinisitoutuminen tapahtuu - motiivit (yleensä noin 20 nukleotidin pituiset). Motiivien etsimiseen voit käyttää MEME- algoritmia , Gibbs sampler [8] , ChIPMunk . Jos tutkitun proteiinin sitoutumismotiivi on jo tiedossa, niin sen esiintyminen piikeissä voi toimia hyvänä indikaattorina ChIP-seq:n laadusta [8] .

Menetelmän ominaisuudet

Suunniteltaessa ChIP-seq-koetta ja bioinformaattista jatkoanalyysiä on tarpeen ottaa huomioon joitain tekniikan tekijöitä ja rajoituksia [7] :

Epäsäännöllinen pirstoutuminen ja ohjaus

Kromatiinin saatavuus fragmentoinnin aikana ei ole sama genomin eri osissa: se on paremmin saatavilla aktiivisesti transkriptoiduilla alueilla, joten vastaavat DNA-fragmentit hallitsevat näytteessä, mikä voi johtaa väärään positiiviseen tulokseen. Sitä vastoin tiheästi pakatut alueet voivat olla vähemmän herkkiä fragmentoitumiselle ja siksi olla vähemmän edustettuina näytteessä, mikä voi johtaa väärään negatiiviseen tulokseen [7] .

Epätasaisen pirstoutumisen ja muiden tekijöiden vuoksi on tärkeää käyttää oikeaa ohjausta. ENCODE - konsortio kuvaa kahta päätyyppiä ohjausta [15] . Ensimmäisessä variantissa soluista samoissa olosuhteissa, mutta ilman saostusta eristettyä DNA:ta käytetään kontrollina (ns. syöttö-DNA-kontrolli). Toisessa tyypissä suoritetaan toinen ChIP-koe käyttämällä vasta-aineita, jotka sitovat merkityksettömiä ekstranukleaarisia antigeenejä (ns. "IgG-kontrolli"). Molemmissa tapauksissa sekvensoinnin syvyyden ei tulisi olla pienempi kuin ChIP-seq-kokeen syvyys [15] .

Solujen määrä

Klassisella tekniikalla on useita rajoituksia. Näin ollen ChIP vaatii yleensä huomattavan määrän soluja (noin 10 miljoonaa), mikä vaikeuttaa tämän menetelmän soveltamista pieniin mallieliöihin ja rajoittaa myös arvokkaalla näytteellä suoritettavien kokeiden määrää. Tämän rajoituksen voittamiseksi on kehitetty useita menetelmiä, jotka perustuvat DNA-monistukseen ChIP-sekvenssin jälkeen (esim. nano-ChIP-seq). Yksittäisten solujen ChIP-seq ( eng.  Single-cell ChIP-seq ) on erittäin monimutkainen vasta-aineiden epäspesifisen sitoutumisen aiheuttaman taustamelun vuoksi, ja 2000-luvun toisen vuosikymmenen puoliväliin mennessä julkaistiin vain yksi teos jossa Single-cell ChIP-seq suoritettiin onnistuneesti. Tässä tutkimuksessa käytettiin pisara-mikrofluidikkaa, ja alhaisen peiton vuoksi jouduttiin sekvensoimaan tuhansia soluja solujen heterogeenisyyden paljastamiseksi [16] .

Signaali-kohinasuhde

Signaali-kohinasuhde (S/N) määräytyy kullekin näytteelle saatujen huippujen lukumäärän ja tehon perusteella, ja sitä voidaan käyttää kohinatason arvioimiseen. Korkea S/N-arvo ei takaa sitoutumiskohtien oikeaa määritystä, vaan heijastaa vain suuren määrän genomialueita, joihin on kartoitettu monia lukuja [7] . Tämän indikaattorin määrittämiseksi ENCODE tarjoaa kaksi mittaria [15] :

Sekvensointisyvyys

Sekvensointisyvyys (peitto) on yksilöllisten lukujen lukumäärä, jotka on kartoitettu referenssigenomin tietylle alueelle. Sekvensoinnin syvyys vaikuttaa piikkien havaitsemiseen: niiden määrä kasvaa sekvensoinnin syvyyden kasvaessa, koska lukujen määrän kasvaessa suurempi määrä kohtia tulee tilastollisesti merkitseväksi [17] . Siksi syvä sekvensointi vaaditaan kaikkien toiminnallisten kohtien tunnistamiseksi [7] .

Riittävän peittotason arvo riippuu vasta-aineen signaali-kohinasuhteesta, ja se voidaan määritellä sekvensointisyvyydeksi, jolla lukujen satunnaisen osajoukon huippujen lukumäärän suhde lukujen piikkien määrään. täysi joukko lukuja saavuttaa tasangon. Tällaista kyllästymistä ei välttämättä aina saavuteta (esimerkiksi histoneille ei ole olemassa ), ja tällaisissa tapauksissa tämä arvo asetetaan empiirisesti [7] .

Kirjaston monimutkaisuus

Kirjaston monimutkaisuus (NRF) määritellään rikastamattomien lukujen lukumäärän N nonred suhteeksi kartoitettujen lukujen kokonaismäärään N all . Rikastumattomat lukemat määritellään lukemiksi, jotka on kartoitettu samalle genomin alueelle T kertaa tai vähemmän (T:n arvo annetaan parametrina). Rikastettuja lukuja (lukemat, jotka eivät sisälly N nonred -arvoon ) ei oteta huomioon lisäanalyysissä. Ihmiselle parametri T on yleensä yhtä suuri kuin 1, koska odotettu sekvensointisyvyys on tässä tapauksessa yleensä paljon pienempi kuin yksi. Pienillä genomeilla sekvensointisyvyys voi olla suurempi kuin 1, joten kannattaa ottaa suurempi T-arvo.. Eri näytteiden NRF:ää verrattaessa kannattaa muistaa, että se riippuu kartoitettujen lukujen kokonaismäärästä [7] .

NRF pienenee kirjaston sekvensoinnin syvyyden kasvaessa. Tämä saavuttaa lopulta pisteen, jossa monimutkaisuus on maksimaalinen ja samojen PCR :llä monistettujen DNA-fragmenttien sekvensointi tapahtuu . Alhaista kirjaston monimutkaisuutta voi esiintyä esimerkiksi, jos hyvin vähän DNA:ta vapautuu immunosaostuksen aikana [15] .

Herkkyys

Tekniikan herkkyys riippuu sekvensoinnin syvyydestä, genomin pituudesta ja muista tekijöistä. Nisäkkäiden transkriptiotekijöille ja tehostajiin liittyville kromatiinimodifikaatioille, jotka ovat yleensä paikallisia tiettyihin kapeisiin kohtiin ja joissa on luokkaa tuhat sitoutumiskohtaa, noin 20 miljoonaa lukua riittää [6] . Proteiinit, joissa on suuri määrä sitoutumiskohtia ( RNA-polymeraasi III ), vaativat jopa 60 miljoonaa lukukertaa [6] . Maton tai kärpäsen transkriptiotekijöiden tapauksessa tarvitaan noin 4 miljoonaa lukua [6] . Immunosaostuksen jälkeen saatujen fragmenttien sekvensoinnin kustannukset korreloivat suoraan sekvensoinnin syvyyden kanssa. Jos on tarpeen näyttää suurella herkkyydellä proteiinien sitoutumiskohdat, joita usein löytyy suuresta genomista, vaaditaan korkeita kustannuksia, koska tarvitaan suuri määrä lukuja. Tämä erottaa tämän menetelmän ChIP-on-Chipistä, jossa herkkyys ei liity analyysikustannuksiin [6] .

Toinen ero DNA-mikrosiruihin perustuviin ChIP-menetelmiin on se, että ChIP-seq:n tarkkuutta ei rajoita annettujen koettimien välinen etäisyys. Integroimalla suuri määrä lyhyitä lukuja, voidaan saavuttaa sitoutumiskohtien paikantaminen suurella tarkkuudella. Verrattuna ChIP-on-Chip-menetelmiin, ChIP-seq-dataa voidaan käyttää paikantamaan todellinen proteiinin sitoutumiskohta kymmenien nukleotidien päähän. Lukutiheys sitoutumiskohdissa on hyvä indikaattori proteiini-DNA-sidoksen vahvuudesta, mikä helpottaa proteiiniaffiniteetin kvantifiointia ja vertailua eri kohtiin [18] .

Tarkkuus ja täsmällisyys

Tyypillisen proteiinin sitoutumiskohdan pituus on 6–20 nukleotidia ja saatujen fragmenttien pituus ChIP:n jälkeen on noin 200, minkä vuoksi sitoutumiskohdan määrittäminen ei ole kovin tarkkaa. Lisäksi saadut kirjastot voivat usein sisältää DNA-alueita, jotka eivät liity tutkittavaan proteiiniin, mikä johtaa virheisiin tuloksissa. Menetelmään on olemassa erilaisia ​​tarkkuuden parantamiseen tähtääviä muunnelmia (esim. ChIP-exo). ChIP-seq-kokeen laatu riippuu myös suoraan vasta-aineiden spesifisyydestä ja näytteen rikastumisasteesta immunosaostusvaiheessa. Pääongelmat voivat olla vasta-aineen alhainen reaktiivisuus haluttua proteiinia vastaan ​​ja/tai ristireaktiivisuus muiden proteiinien kanssa. ENCODE-konsortio tarjoaa useita menetelmiä vasta-aineiden spesifisyyden arvioimiseksi [15] .

Epitooppi voidaan myös fuusioida kiinnostavaan proteiiniin immunosaostuksen suorittamiseksi . Tämä menetelmä ratkaisee molemmat vasta-aineen immunosaostuksen aikana ilmenevät ongelmat, mutta tässä tapauksessa kiinnittynyt merkki voi vaikuttaa tutkittavaan proteiiniin (esimerkiksi muuttaa sen ilmentymistasoa tai sitoutumiskykyä) [15] .

Vaihtoehtoiset menetelmät

ChIP-on-chip

ChIP-on-chip , joka yhdistää kromatiinin immunosaostuksen hybridisaatioon DNA-mikrosiruilla [4] , oli aiemmin suosituin menetelmä DNA-proteiinivuorovaikutusten määrittämiseksi. Chip-seq ja ChIP-on-chip ovat kaksi yleisimmin käytettyä lähestymistapaa genominlaajuisissa tutkimuksissa DNA-proteiini-vuorovaikutuksista in vivo. Kuitenkin näiden menetelmien tarkempi vertailu osoittaa Chip-seqin merkittäviä etuja [4] . Chip-seq- ja ChIP-on-Chip-menetelmien vertailu on esitetty taulukossa [4] :

Indeksi ChIP sek Chip-sirulla
Alkuperäisen DNA:n määrä alle 10 ng 4 mcg
Menetelmän joustavuus kyllä: genominlaajuinen analyysi mistä tahansa sekvensoidusta organismista on rajoituksia: DNA-mikrosirujen saatavuus
Sitoutumiskohdan sijainnin määrittämisen tarkkuus +/- 50 kk +/- 500 - 1000 kk
Herkkyys muuttuja: lisäämällä lukemien määrää voit lisätä herkkyyttä heikko: riippuu hybridisaation laadusta
Ristihybridisaatio (yksijuosteisen DNA:n hybridisaatio koettimella, joka on sille osittain komplementaarinen) poissuljettu: jokainen DNA-molekyyli sekvensoidaan erikseen voi olla merkittävä, mikä heikentää huomattavasti analyysin tarkkuutta

DamID

DamID (DNA-adeniinimetyylitransferaasitunnistus) mahdollistaa DNA-proteiini-vuorovaikutuskohtien kartoituksen eukaryoottisoluissa. Tätä varten solut ekspressoivat kimeeristä proteiinia , joka koostuu mielenkiinnon kohteena olevasta proteiinista ja E. colin adeniinimetyylitransferaasi (Dam) DNA :sta , joka metyloi adeniinit GATC-sekvenssissä. Useimmissa eukaryooteissa endogeenistä adeniinin metylaatiota ei tapahdu GATC-kohdissa. Kun mielenkiinnon kohteena oleva Dam-fuusioproteiini sitoutuu DNA:han tai muihin DNA:han liittyviin proteiineihin, Dam metyloi adeniinijäännöksiä sitoutumiskohtaa ympäröivässä DNA:ssa, joten tämä menetelmä mahdollistaa kohdeproteiinin ja DNA:n ja DNA:han assosioituneiden vuorovaikutuskohtien leimaamisen. proteiinit. Kimeerisen proteiinin metyloitujen sekvenssien tunnistamiseksi metyloidut fragmentit monistetaan selektiivisesti ja hybridisoidaan mikrosiruilla [19] .

Metyloituneiden DNA-fragmenttien selektiivinen monistus perustuu erityiseen PCR-protokollaan. Ensin GATC-kohdissa metyloitu DNA leikataan GA m- ja TC-nukleotidien väliin restriktioentsyymillä DpnI . Katkaisu Dpnl:llä johtaa DNA-fragmenttien muodostumiseen, joiden päät ovat tylppä 5' TC ja 3' GA m . Sen jälkeen kaksijuosteiset adapterit ligoidaan tuloksena saatuihin fragmentteihin. Ligaatiotuotteet katkaistaan ​​sitten restriktioendonukleaasilla DpnII . DpnII katkaisee DNA:n metyloimattomista GATC-kohdista niin, että vain fragmentit, joita reunustavat peräkkäin metyloituneet GATC-kohdat (eli kohdat, joiden välillä ei esiinny metyloitumattomia GATC-kohtia), monistetaan myöhemmin. Sitten PCR suoritetaan adaptereille komplementaarisilla alukkeilla, ja siten genomiset fragmentit, joissa on metyloituja GATC-kohtia reunoissa, monistetaan spesifisesti [20] .

Menetelmän muutokset

ChIP-Seq:n keksimisen jälkeen tähän menetelmään on keksitty monia muunnelmia, joiden avulla yksi tai toinen osatehtävä voidaan suorittaa tehokkaammin.

ChIA-PET

Tätä menetelmää käytetään genomissa huomattavan etäisyyden päässä toisistaan ​​olevien kromatiinialueiden vuorovaikutusten määrittämiseen [21] . ChIA-PET perustuu proksimaalisen ligaation ( proximity ligaation) teoriaan, jonka mukaan proteiinikompleksiin liittyvien kromatiinialueiden lähellä olevat päät ligoidaan toisiinsa suuremmalla todennäköisyydellä kuin proteiinikompleksin päät. alueet, jotka ovat liuoksessa tai liittyvät toiseen proteiinikompleksiin.

PLAC seq

Kromatiinin pitkän kantaman vuorovaikutusten tutkimiseen on monia menetelmiä, mutta ne vaativat suuren määrän soluja analysointiin. Tämän rajoituksen voittamiseksi kehitettiin PLAC-seq (Proximity Ligation-Assisted ChIP-seq) -menetelmä, jossa vierekkäisten alueiden silloittaminen suoritetaan ytimessä ennen kromatiinin fragmentointia ja immunosaostusta. PLAC-seq osoittaa ylivertaisen tarkkuuden, suorituskyvyn ja toistettavuuden verrattuna ChIA-PET:iin määritettäessä pitkän kantaman kontakteja nisäkässoluissa [22] .

Nano-ChIP seq

Nano -ChIP-seq- menetelmä perustuu siihen, että ChIP-kokeen aikana eristetty DNA monistetaan PCR:llä ja sitten sekvensoidaan [23] . Tämä mahdollistaa analyysin suorittamisen pienelle määrälle soluja, tyypillisesti noin 10 000 solua. Riittävä solumäärä riippuu kuitenkin monista tekijöistä, kuten vasta-aineiden tehokkuudesta ja näytteen rikastumisesta kohdeproteiinilla, joten joissakin tapauksissa voidaan tarvita yli 10 tuhatta solua [23] .

ChIP-exo ja ChIP-nexus

ChIP - exo -menetelmä  on muunnos ChIP-seq-protokollasta, joka parantaa löydettyjen sitoutumiskohtien erottelukykyä sadoista emäspareista lähes yhteen nukleotidiin. ChIP-ekso käyttää λ-eksonukleaasia poistamaan kontaminoivaa DNA:ta ja kohdeproteiiniin kytkeytyneiden DNA-fragmenttien 5'-päät tietylle kiinteälle etäisyydelle proteiinin sitoutumiskohdasta [24] . Koska molempien juosteiden DNA-fragmentit muodostuvat ChIP-kokeen tuloksena, kohdistetut 5'-päät kartoitetaan genomin kahteen kohtaan, joiden välissä proteiinia sitova kohta sijaitsee. Hiivakokeet ovat osoittaneet, että ChIP-exo mahdollistaa sitoutumiskohtien tunnistamisen nukleotiditarkkuudella ja 40 kertaa korkeammalla signaali-kohinasuhteella verrattuna ChIP-seq- ja ChIP-on-Chipiin [24] .

ChIP-exo-protokollan muunnos on ChIP-nexus- protokolla [25] (ChIP-kokeet nukleotidien erottelulla eksonukleaasin, ainutlaatuisen viivakoodin ja yhden ligaation avulla). Tässä protokollassa erityiset adapterit ligoidaan DNA:han, joka sisältää parin sekvenssiparin kirjaston monistamista varten, BamHI- restriktioentsyymikohdan ja satunnaistetun viivakoodin , joka mahdollistaa fragmenttien ylimonistumisen seurannan. Kuten ChIP-ekso-protokollassa, suoritetaan käsittely λ-eksonukleaasilla, joka katkaisee DNA:n 5'-päästä fyysiseen esteeseen DNA:han sitoutuneen proteiinin muodossa. Sen jälkeen suoritetaan DNA:n molekyylinsisäinen sirkularisointi ja sitten uudelleenlinearisointi käsittelemällä BamHI - restriktioentsyymillä [25] . Siten kiinnostavan fragmentin reunoilla on sekvenssejä monistamista varten. Tämä lisävaihe parantaa DNA-fragmenttien kirjastoon sisällyttämisen tehokkuutta [25] .

Kilpailu-ChIP

Competition-ChIP  on muunnos ChIP-seq-protokollasta, jota käytetään mittaamaan DNA:han sitoutumisen suhteellista dynamiikkaa [26] . Menetelmän idea perustuu tutkitun transkriptiotekijän kahden kopion ilmentämiseen erilaisilla epitooppimerkeillä . Yksi näistä kopioista ilmaistaan ​​pysyvästi, ja toisen, kilpailijana toimivan, ilmaisu on indusoitavissa. Tiettyihin lokuksiin liittyvien isoformien suhde määritetään käyttämällä joko ChIP-seq:tä tai ChIP-sirua. Nopeus, jolla konstitutiivisesti ilmentynyt muoto korvataan indusoituvalla, mahdollistaa tutkitun tekijän viipymisajan laskemisen kussakin sitoutumiskohdassa.

CLIP seq

CLIP-seq (tunnetaan myös nimellä HITS-CLIP  - silloittavalla immunosaostuksella eristetyn RNA:n korkean suorituskyvyn sekvensointi) on menetelmä RNA-proteiinivuorovaikutusten ja RNA-modifikaatioiden tutkimiseksi in vivo [27] .

DRIP-seq ja DRIVE-seq

R-silmukat ovat kolmijuosteisia rakenteita, jotka muodostuvat syrjäytyneestä yksijuosteisesta DNA:sta (ssDNA) ja RNA-ssDNA- dupleksista . In vivo ne muodostavat noin 5–8 % genomista. Eri proteiinien sitoutumisen säätelyn kautta R-silmukat osallistuvat moniin soluprosesseihin, kuten esimerkiksi alkion kantasolujen erilaistumiseen [ 28] . R-silmukoiden tutkimiseksi kehitettiin DRIP -seq (DNA:RNA ImmunoPrecipitation and sekvensointi) -menetelmä, joka on olennaisesti hyvin samankaltainen kuin ChIP-Seq, mutta perustuu R-silmukoille spesifisten vasta-aineiden käyttöön [29 ] . Toinen tapa tutkia R-silmukoita on DRIVE-seq (DNA:RNA In Vitro Enrichment and sekvensointi) -menetelmä, jossa käytetään inaktivoitua MBP-RNASEH1-endonukleaasia vasta-aineiden sijaan [29] . DRIVE-seq:llä voidaan tarkentaa DRIP-seq:llä tehtyjä ennusteita. Molemmat menetelmät mahdollistavat R-silmukoiden määrän tarkan ja käytännöllisen kvantifioinnin. Ensimmäistä kertaa DRIP-seq:iä käytettiin tutkimaan R-silmukoita ihmisen genomissa: osoitettiin, että suuri osa niistä sisältyy promoottorien CpG-saarille [29] .

CETCh-seq

CETCh-seq-menetelmä on suunniteltu ratkaisemaan sellainen tekninen ongelma kuin ChIP-seq-kokeisiin soveltuvien vasta-aineiden saatavuus DNA-proteiini-vuorovaikutuksia tutkittaessa. Käyttämällä genomista muokkausta CRISPR/Cas9 :ää käyttämällä epitooppi lisätään kiinnostaviin proteiineihin, kuten transkriptiotekijöihin, sopivien vasta-aineiden tunnistamiseksi edelleen [30] .

CUT&RUN

CUT&RUN  on ChIP-seq:n muunnos, jonka avulla voit suurentaa signaali-kohinasuhdetta huomattavasti. Vaikutus saavutetaan käyttämällä proteiini A :n kanssa fuusioitua mikrokokkinukleaasia immunosaostusvaiheessa [31] .

CUT&Tag

CUT&Tag  on samanlainen menetelmä kuin CUT&RUN, muttaTn5 - transposaasia käytetään mikrokokkinukleaasin sijaan. Tämän menetelmän etuna CUT&RUNiin verrattuna on, että se ei vaadi solulyysiä ja kromatiinifraktiointia [32] .

Sovellus

ChIP-seq on periaatteessa sovellettavissa kaikkiin proteiineihin, jotka saostuvat kromatiini-immunosaostuksen aikana. Tyypillinen esimerkki ChIP-seq-menetelmän käytöstä on transkriptiotekijöiden, DNA-polymeraasin , rakenneproteiinien sekä histonimodifikaatioiden ja kromatiinin rakenteen sitoutumiskohtien määrittäminen [6] . Vaihtoehtona ChIP-seq:lle on kehitetty useita ei-immunosaostusmenetelmiä ( DNase-Seq ja FAIRE-Seq ) nukleosomivapaiden DNA - alueiden havaitsemiseksi [6] .

Etsi motiiveja

Yksi ChIP-seq-kokeiden päätavoitteista on etsiä DNA-sekvenssimotiiveja proteiinien sitoutumiselle. DNA-alueet, jotka ovat fyysisesti kosketuksissa transkriptiotekijöiden ja muiden proteiinien kanssa, voidaan eristää kromatiini-immunosaostuksella. Kokeen aikana saadaan joukko DNA-fragmentteja, jotka liittyvät tutkittuun proteiiniin in vivo . Lisäanalyysi sisältää massiivisen rinnakkaissekvensoinnin ja koko genomin tietokantojen käytön sitoutumiskohtien sijainnin määrittämiseksi genomissa [6] . Yleisimmin käytetty motiivien tunnistustyökalu on MEME (Multiple EM for Motif Elicitation) -algoritmi. Usein useita motiiveja voidaan löytää yhden aineiston perusteella ja motiivianalyysi voidaan tehdä myös huonolaatuiselle ChIP-seq-datalle, mutta tällaisten motiivien merkitys ja luotettavuus on pienempi [33] .

Biologisen toiminnan omaavien sivustojen etsiminen

ChIP-seq-kokeista saatuja tietoja käytetään usein säätelevien alueiden tunnistamiseen kiinnostavalle paikalle [15] . Erityisesti ChIP-seq:iä käytetään laajalti bakteeriregulonien tutkimiseen [34] . Tätä varten, kun sitoutumiskohdat on löydetty, etsitään oletettuja säädellyt geenit [34] .

Differentiaalianalyysi

Erot ChIP-Seq-profiilien välillä eri olosuhteissa määritetään huippujen kutsumisen jälkeen. Eri kokeissa saadut huiput yhdistetään sitten yhdeksi listaksi. Ehdokaskohtien tunnistamiseksi edelleen käytetään usein ohjelmia differentiaaliseen geeniekspressioanalyysiin , kuten DESeq2 [35] ja edgeR [36] . Nämä ohjelmat pystyvät suorittamaan differentiaalianalyysiä käsittelemällä tuloksena olevien piikkien luetteloita "geenien" luetteloina. On myös ohjelmia, jotka on suunniteltu erityisesti ChIP-Seq-datan differentiaalianalyysiin (esim. DiffBind [37] , ChIPComp [38] , DBChIP [39] ), jotka toimivat samalla periaatteella. Monet muut ohjelmat (esim. PePr [40] ) käyttävät malleja, jotka eivät vaadi huippujen alustavaa kutsua [40] .

Kromatiinin tilan tutkimus

DNA:n metylaatio ja histonimuunnokset käyvät läpi voimakkaita muutoksia kehityssiirtymien aikana ja sairauksissa, kuten syöpä, ja siten vaikuttavat merkittävästi kromatiinin dynaamiseen luonteeseen. Erilaisia ​​histonimodifikaatioita tutkitaan käyttämällä spesifisiä vasta-aineita näytteen histonimerkkien profiilin saamiseksi. Omissa kokeissaan ENCODE-konsortio testaa huolellisesti käytettävien vasta-aineiden spesifisyyttä useille eri tavalla muunnetuille histonin terminaalisille peptideille. Myös yleisiä solulähteitä käytetään ja profiloidaan ja verrataan kokeiden välisen johdonmukaisuuden varmistamiseksi. ENCODE-konsortion nykyiset ohjeet kattavat vasta-aineiden validoinnin, kokeellisen toistettavuuden, sekvensointisyvyyden, tietojen laatuanalyysin sekä tietojen ja metatietojen julkaisemisen [33] [41] .

Alleelisen epätasapainon analyysi

Kasvava kiinnostus on ChIP-Seq-tietojen analysointi sisäisellä kontrollilla eri alleelille alleelisen epätasapainon tunnistamiseksi [42] . Samanaikaisesti ChIP-Seq-kokeesta saatuja tietoja käytetään etsimään biologisten signaalien suhdetta yksittäisen nukleotidin polymorfismiin (SNP) [42] . Tämä analyysi sisältää kolme vaihetta [43] :

  1. lukujen kohdistaminen, eli sijainnin määrittäminen genomissa ja alleeli jokaiselle lukemalle,
  2. lasketaan luotettavasti kartoitettujen lukujen määrä jokaiselle SNP:lle kullekin alleelille,
  3. mahdollisten SNP:iden luokittelu ja alleelisen epätasapainon tilastollinen arviointi.

Kahdessa ensimmäisessä vaiheessa oikea strategia referenssigenomiin lukujen kartoittamiseksi on tärkeä, koska on välttämätöntä erottaa sekvensointivirheet todellisista alleeleista. Kolmatta vaihetta varten on kehitetty useita ohjelmia käyttämällä erilaisia ​​tilastollisia testejä, kuten AlleleDB [44] , NPBin [42] ja WASP [45] .

Tietokannat

Monisoluisten organismien genomi on erittäin monimutkainen, eikä ole täysin selvää yksityiskohtaisesti, kuinka perinnöllinen tieto toteutuu. Yksityiskohtainen ymmärtäminen genomin toiminnasta vaatii täydellisen luettelon toiminnallisista elementeistä ja kuvauksen siitä, kuinka ne toimivat ajan mittaan ja eri solutyypeissä. Tämän ongelman ratkaisemiseksi luotiin projektit ENCODE ja modeENCODE [46] . ChIP-seq-tulosten lisäksi ENCODE ja modENCODE integroivat tietoja analyyseistä, kuten 5C ja ChIA-PET määrittääkseen kromosomien konformaatiota; DNaasi-seq ja FAIRE-Seq nukleosomivapaiden alueiden tunnistamiseksi; bisulfiittisekvensointi ja Infinium Methylation Assay metyylisytosiinien esiintymisen määrittämiseksi DNA:ssa, RT-PCR ja RNA-sekvensointi geeniekspression tason määrittämiseksi sekä CLIP-seq ja RIP-seq RNA - proteiinin tunnistamiseksi vuorovaikutus [46] .

2000-luvun toiselta vuosikymmeneltä lähtien on olemassa useita tietokantoja, jotka sisältävät ChIP-seq-kokeiden tulokset ja niiden analyysit:

Tutkimus

Eukaryootit

Esimerkki ChIP-seq:n menestyksekkäästä käytöstä eukaryoottien tutkimiseen on promoottorien nukleosomiarkkitehtuurin tutkimus . ChIP-seq:n avulla oli mahdollista todeta, että hiivassa voi olla nukleosomettömiä promoottorialueita (noin 150 bp pitkiä), joista RNA-polymeraasi voi aloittaa transkription [60] . Tätä menetelmää on myös sovellettu menestyksekkäästi etsimään sitoutumiskohtia 22 transkriptiotekijälle sukkulamato C. elegansin genomista . 20 %:lle kaikista sukkulamatogenomin annotoiduista geeneistä määritettiin niitä säätelevät transkriptiotekijät [61] .

ChIP-seqiä käytetään laajalti myös histonimuutosten tutkimiseen. Yli 100 histonimodifikaatiota tunnetaan [62] [63] . Tiedetään esimerkiksi, että asetylaatio, erityisesti histonin H3:n (H3K9Ac) lysiinin 9 asetylaatio, liittyy tavallisesti kromatiinin ( eukromatiini ) avoimiin ja saavutettaviin alueisiin. Samanaikaisesti histonin metylaatio voidaan yhdistää sekä avoimiin että tiheästi pakattuihin kromatiinin alueisiin ( heterokromatiini ). Erityisesti histonin H3 (H3K4me1 tai H3K4me3) lysiini 4:n mono- ja trimetylaatio liittyy yleensä avoimeen kromatiiniin, ja jokainen näistä merkeistä edustaa erityistä avoimen kromatiinin luokkaa: H3K4me3 merkitsee promoottorialueita, H3K4me1 merkitsee transkription tehostajia, H3K36me3 marks. genomin transkriptoidut alueet. Histonin H3:n (H3K9me3 ja H3K27me3) lysiinien 9 ja 27 trimetylaatio päinvastoin liittyy kromatiinin tiivistymiseen ja sen seurauksena geenien repressioon . H3K9me3 ja H3K27me3 säätelevät erityyppisiä geenejä: H3K27me3 repressoi pääasiassa homeoboksien transkriptiotekijöitä , kun taas H3K9me3:n kohdegeenit ovat pääasiassa sinkkisormen transkriptiotekijöitä [64 ] . Erilaiset histonimerkkien yhdistelmät voivat tarjota vielä yksityiskohtaisempaa tietoa: esimerkiksi kahden merkin H3K4me3 (eukromatiinimerkit) ja H3K9me3 (heterokromatiinimerkit) läsnäolo promoottorissa voi olla painettujen geenien tunniste [65] .

Prokaryootit

Bakteereissa geeniekspression säätely transkription tasolla tapahtuu transkriptiotekijöiden avulla [66] . ChIP-seq-menetelmää voidaan käyttää tällaisten transkriptiotekijöiden sitoutumiskohtien tunnistamiseen. Joillakin bakteerien transkriptiotekijöillä on useita sitoutumiskohtia promoottorissa (eli kohdat, jotka ovat alle 100 bp:n päässä toisistaan) [67] . Useimmat huippuhakualgoritmit tunnistavat tällaiset lähekkäin sijaitsevat sivustot yhdeksi. Tämän ongelman ratkaisemiseksi käytetään niin kutsuttuja huippudekonvoluutioalgoritmeja, esimerkiksi CSDeconv [68] , GEM [69] , PICS [70] tai dPeak [71] .

Seuraava vaihe sitoutumiskohtien määrittämisen jälkeen on määrittää säädellyt geenit. Yleensä löydettyjen huippujen yhdistäminen geeneihin suoritetaan algoritmisesti etsimällä läheisiä transkription aloituskohtia (TSS). Bakteerien (mukaan lukien E. coli ) tapauksessa TSS:ää ei kuitenkaan välttämättä ole määritetty monille geeneille, joten TSS:n sijasta voidaan etsiä läheisiä translaation aloituskohtia, tutkia manuaalisesti piikin genomista ympäristöä tai käyttää geenin ilmentymistä. tiedot (esimerkiksi vertaa villityypin reguloniekspressiota) ja tutkitun transkriptiotekijän deleetoinnin tapauksessa RNA-seq-tietojen perusteella) [34] .

Kehitysnäkymät

ChIP-seq-menetelmän nykyiset edistysaskeleet mahdollistavat jo paljon vähemmän soluja sisältävien näytteiden analysoinnin, mikä laajentaa huomattavasti sen sovellettavuutta sellaisilla aloilla kuin embryologia ja kehitysbiologia, joissa suurten näytteiden saaminen on liian kallista tai vaikeaa. Menetelmällä on varmasti potentiaalia havaita mutaatioita sitoutumiskohdissa, jotka vaikuttavat proteiinien sitoutumiseen ja geeniekspression säätelyyn [6] .

Kuitenkin käy selväksi, että ChIP-seq-ongelmat vaativat uusia kokeellisia, tilastollisia ja laskennallisia ratkaisuja. On tarpeen vähentää artefaktien ja väärien positiivisten tulosten määrää sekä oppia erottamaan tutkittujen ilmiöiden yksittäiset vaikutukset kontekstiriippuvaisista. Tärkeitä uusia kehityssuuntia liittyy distaalisten (merkittävillä etäisyyksillä geenistä sijaitsevien) säätelyalueiden löytämiseen ja analysointiin. Mahdollisesti ChIP-seq:n avulla on mahdollista määrittää epäsuora DNA-sitoutuminen esimerkiksi lisäproteiinien tai proteiinikompleksien kautta, koska ennustetut kohdat voivat olla toimivia riippumatta spesifisen motiivin läsnäolosta. Lopuksi lisäinformaatiota (kuten ilmentymistasoa tai kromatiinin konformaatiotietoja) on käytettävä todellisen toiminnallisuuden erottamiseen, koska DNA:n sitoutuminen ei välttämättä tarkoita tiettyä toimintoa [18] .

Lupaava suunta on lukuisista kokeista saatujen tietojen integrointi monimutkaisten vuorovaikutusten ratkaisemiseksi ja analysoimiseksi. Tähän tarkoitukseen käytetään usein erilaisia ​​koneoppimismenetelmiä [72] [73] [74] .

Muistiinpanot

  1. ↑ Mikkelsen TS , Ku M. , Jaffe DB , Issac B. , Lieberman E. , Giannoukos G. , Alvarez P. , Brockman W. , Kim TK , Koche RP , Lee W. , Mendenhall E. , O'Donovan A. , Presser A. , ​​Russ C. , Xie X. , Meissner A. , ​​Wernig M. , Jaenisch R. , Nusbaum C. , Lander ES , Bernstein BE Genominlaajuiset kartat kromatiinitilasta pluripotenteissa ja linjaan sitoutuneissa soluissa.  (englanniksi)  // Luonto. - 2007. - Voi. 448, nro 7153 . - s. 553-560. - doi : 10.1038/luonto06008 . — PMID 17603471 .
  2. ↑ Barski A. , Cuddapah S. , Cui K. , Roh TY , Schones DE , Wang Z. , Wei G. , Chepelev I. , Zhao K. Histonimetylaatioiden korkearesoluutioinen profilointi ihmisen genomissa.  (englanniksi)  // Solu. - 2007. - Voi. 129, nro. 4 . - s. 823-837. - doi : 10.1016/j.cell.2007.05.009 . — PMID 17512414 .
  3. ↑ Johnson DS , Mortazavi A. , Myers RM , Wold B. Genominlaajuinen kartoitus in vivo -proteiini-DNA-vuorovaikutuksista.  (englanti)  // Tiede (New York, NY). - 2007. - Voi. 316, nro 5830 . - s. 1497-1502. - doi : 10.1126/tiede.1141319 . — PMID 17540862 .
  4. ↑ 1 2 3 4 Park PJ ChIP-seq: kypsyvän teknologian edut ja haasteet.  (englanniksi)  // Luontoarvostelut. genetiikka. - 2009. - Vol. 10, ei. 10 . - s. 669-680. doi : 10.1038 / nrg2641 . — PMID 19736561 .
  5. ↑ 1 2 3 4 Barbara Kaboord, Maria Perr. Proteiinien ja proteiinikompleksien eristäminen immunosaostuksella  //  Methods in Molecular Biology (Clifton, NJ). - 2008-01-01. — Voi. 424 . — s. 349–364 . — ISSN 1064-3745 . - doi : 10.1007/978-1-60327-064-9_27 . Arkistoitu alkuperäisestä 23. huhtikuuta 2017.
  6. ↑ 1 2 3 4 5 6 7 8 9 10 11 12 13 14 Terrence S. Furey. ChIP-seq ja sen jälkeen: uudet ja parannetut menetelmät proteiini-DNA-vuorovaikutusten havaitsemiseksi ja karakterisoimiseksi  //  Nature Reviews. genetiikka. – 12.12.2012. — Voi. 13 , iss. 12 . — s. 840–852 . — ISSN 1471-0064 . - doi : 10.1038/nrg3306 . Arkistoitu alkuperäisestä 23. huhtikuuta 2017.
  7. ↑ 1 2 3 4 5 6 7 8 9 10 Ryuichiro Nakato, Katsuhiko Shirahige. Viimeaikaiset edistysaskeleet ChIP-seq-analyysissä: laadunhallinnasta koko genomin annotaatioon  //  Briefings in Bioinformatics. – 15.3.2016. -P.bbw023 . _ - ISSN 1477-4054 ​​1467-5463, 1477-4054 . - doi : 10.1093/bib/bbw023 . Arkistoitu alkuperäisestä 21. tammikuuta 2022.
  8. ↑ 1 2 3 4 5 6 Timothy Bailey, Pawel Krajewski, Istvan Ladunga, Celine Lefebvre, Qunhua Li. Käytännön ohjeita ChIP-seq-tietojen kattavaan analysointiin  //  PLoS-laskentabiologia. – 1.1.2013. — Voi. 9 , iss. 11 . — P.e1003326 . — ISSN 1553-7358 . - doi : 10.1371/journal.pcbi.1003326 . Arkistoitu alkuperäisestä 4. toukokuuta 2017.
  9. ↑ Anthony M. Bolger, Marc Lohse, Bjoern Usadel. Trimmomatic: joustava trimmeri Illumina-sekvenssitiedoille   // Bioinformatics . - 01-08-2014. — Voi. 30 , iss. 15 . — s. 2114–2120 . — ISSN 1367-4803 . - doi : 10.1093/bioinformatics/btu170 . Arkistoitu alkuperäisestä 24. huhtikuuta 2017.
  10. ↑ 1 2 Joel Rozowsky, Ghia Euskirchen, Raymond K Auerbach, Zhengdong D Zhang, Theodore Gibson. PeakSeq mahdollistaa ChIP-seq-kokeiden systemaattisen pisteytyksen suhteessa kontrolleihin  //  Nature Biotechnology. – 2009-1. — Voi. 27 , iss. 1 . — s. 66–75 . - ISSN 1546-1696 1087-0156, 1546-1696 . - doi : 10.1038/nbt.1518 . Arkistoitu alkuperäisestä 30. maaliskuuta 2019.
  11. ↑ Heng Li, Bob Handsaker, Alec Wysoker, Tim Fennell, Jue Ruan. Sequence Alignment/Map -muoto ja SAMtools  (englanniksi)  // Bioinformatics. – 15.8.2009. — Voi. 25 , iss. 16 . — s. 2078–2079 . — ISSN 1367-4803 . - doi : 10.1093/bioinformatics/btp352 . Arkistoitu alkuperäisestä 24. huhtikuuta 2017.
  12. ↑ Hashem Koohy, Thomas A. Down, Mikhail Spivakov, Tim Hubbard. DNase-Seq-datalle käytettyjen huippusoittajien vertailu  // PLoS ONE. - 08-05-2014. - T. 9 , no. 5 . — S. e96303 . — ISSN 1932-6203 . - doi : 10.1371/journal.pone.0096303 .
  13. ↑ Elizabeth G. Wilbanks, Marc T. Facciotti. Algoritmin suorituskyvyn arviointi ChIP-Seq Peak Detectionissa  // PLoS ONE. - 08-07-2010. - T. 5 , no. 7 . - S. e11471 . — ISSN 1932-6203 . - doi : 10.1371/journal.pone.0011471 .
  14. ↑ Teemu D Laajala, Sunil Raghav, Soile Tuomela, Riitta Lahesmaa, Tero Aittokallio. Käytännön menetelmien vertailu transkriptiotekijän sitoutumiskohtien havaitsemiseksi ChIP-seq-kokeissa  // BMC Genomics. - 2009. - T. 10 , no. 1 . - S. 618 . — ISSN 1471-2164 . - doi : 10.1186/1471-2164-10-618 .
  15. ↑ 1 2 3 4 5 6 7 S. G. Landt, G. K. Marinov, A. Kundaje, P. Kheradpour, F. Pauli. ENCODE- ja modeENCODE-konsortioiden ChIP-seq-ohjeet ja -käytännöt  (englanniksi)  // Genome Research. – 01.09.2012. — Voi. 22 , iss. 9 . — P. 1813–1831 . — ISSN 1088-9051 . - doi : 10.1101/gr.136184.111 .
  16. ↑ Assaf Rotem, Oren Ram, Noam Shoresh, Ralph A. Sperling, Alon Goren. Yksisoluinen ChIP-seq paljastaa kromatiinitilan määrittelemät solualapopulaatiot  // Nature biotechnology. – 2015-11. - T. 33 , no. 11 . - S. 1165-1172 . — ISSN 1087-0156 . - doi : 10.1038/nbt.3383 . Arkistoitu alkuperäisestä 21. toukokuuta 2016.
  17. ↑ ENCODE-projektikonsortio. Käyttäjän opas DNA-elementtien tietosanakirjaan (ENCODE  )  // PLoS-biologia / Peter B. Becker. – 19.4.2011. — Voi. 9 , iss. 4 . — P.e1001046 . — ISSN 1545-7885 . - doi : 10.1371/journal.pbio.1001046 .
  18. ↑ 1 2 Joshua WK Ho, Eric Bishop, Peter V. Karchenko, Nicolas Nègre, Kevin P. White. ChIP-siru vs. ChIP-seq: oppitunteja kokeelliseen suunnitteluun ja data-analyysiin  (englanniksi)  // BMC-genomiikka. – 28.2.2011. — Voi. 12 . - s. 134 . — ISSN 1471-2164 . - doi : 10.1186/1471-2164-12-134 . Arkistoitu alkuperäisestä 4. toukokuuta 2017.
  19. ↑ Frauke Greil, Celine Moorman, Bas van Steensel. [16 DamID: In vivo -proteiinin ja genomin vuorovaikutusten kartoitus sidotun DNA:n adeniinimetyylitransferaasin avulla]  //  Methods in Enzymology. - Elsevier, 2006. - Voi. 410 . — s. 342–359 . — ISBN 9780121828158 . - doi : 10.1016/s0076-6879(06)10016-6 . Arkistoitu 12. toukokuuta 2019.
  20. ↑ Bas van Steensel, Daniel Peric-Hupkes, Maartje J. Vogel. In vivo -proteiini-DNA-vuorovaikutusten havaitseminen DamID:n avulla nisäkässoluissa  (englanniksi)  // Nature Protocols. - 2007-06. — Voi. 2 , iss. 6 . — P. 1467–1478 . — ISSN 1750-2799 . - doi : 10.1038/nprot.2007.148 . Arkistoitu 25. toukokuuta 2021.
  21. ↑ Yi Eve Sun, Weihong Ge. Faculty of 1000 evaluation for An estrogen-receptor-alpha-bound human kromatin interactome. . F1000 - Biolääketieteellisen kirjallisuuden julkaisun jälkeinen vertaisarviointi (4. joulukuuta 2009). Käyttöönottopäivä: 18.4.2020.
  22. ↑ Rongxin Fang, Miao Yu, Guoqiang Li, Sora Chee, Tristin Liu. Pitkän kantaman kromatiinivuorovaikutusten kartoitus läheisyysligaatioavusteisella ChIP-seq :llä  //  Cell Research. – 2016-12. — Voi. 26 , iss. 12 . — s. 1345–1348 . — ISSN 1748-7838 1001-0602, 1748-7838 . - doi : 10.1038/cr.2016.137 . Arkistoitu alkuperäisestä 30. maaliskuuta 2019.
  23. ↑ 1 2 Mazhar Adli, Bradley E Bernstein. Koko genomin kromatiiniprofilointi rajoitetuista solumääristä nano-ChIP-seq:n avulla  //  Nature Protocols. – 2011-10. — Voi. 6 , iss. 10 . — P. 1656–1668 . — ISSN 1750-2799 1754-2189, 1750-2799 . - doi : 10.1038/nprot.2011.402 . Arkistoitu alkuperäisestä 18. huhtikuuta 2019.
  24. ↑ 1 2 Ho Sung Rhee, B. Franklin Pugh. Kattavat genominlaajuiset proteiini-DNA-vuorovaikutukset, jotka havaittiin yhden nukleotidin resoluutiolla   // Solu . – 2011-12. — Voi. 147 , iss. 6 . - s. 1408-1419 . - doi : 10.1016/j.cell.2011.11.013 . Arkistoitu alkuperäisestä 18. huhtikuuta 2019.
  25. ↑ 1 2 3 Qiye He, Jeff Johnston, Julia Zeitlinger. ChIP-nexus: uusi ChIP-exo-protokolla in vivo -transkriptiotekijää sitovien jalanjälkien havaitsemiseen  // Nature biotechnology. – 2015-4. - T. 33 , no. 4 . — S. 395–401 . — ISSN 1087-0156 . - doi : 10.1038/nbt.3121 .
  26. ↑ Colin R Lickwar, Florian Mueller, Jason D Lieb. Genominlaajuinen proteiini-DNA-sitoutumisdynamiikan mittaus käyttämällä kilpailevaa ChIP :tä  //  Nature Protocols. – 2013-7. — Voi. 8 , iss. 7 . - s. 1337-1353 . — ISSN 1750-2799 1754-2189, 1750-2799 . - doi : 10.1038/nprot.2013.077 . Arkistoitu alkuperäisestä 20. huhtikuuta 2019.
  27. ↑ Robert B. Darnell. HITS-CLIP: panoraamanäkymät proteiini-RNA-sääntelystä elävissä soluissa  //  Wiley Interdisciplinary Reviews: RNA. – 2010-9. — Voi. 1 , iss. 2 . — s. 266–286 . - ISSN 1757-7012 1757-7004, 1757-7012 . - doi : 10.1002/wrna.31 . Arkistoitu alkuperäisestä 20. huhtikuuta 2019.
  28. ↑ László Halász, Zsolt Karányi, Beáta Boros-Oláh, Tímea Kuik-Rózsa, Éva Sipos. RNA-DNA-hybridi (R-silmukka) immunosaostuskartoitus: analyyttinen työnkulku luontaisten harhojen arvioimiseksi  //  Genomitutkimus. – 2017-6. — Voi. 27 , iss. 6 . — s. 1063–1073 . — ISSN 1549-5469 1088-9051, 1549-5469 . - doi : 10.1101/gr.219394.116 .
  29. ↑ 1 2 3 Paul A. Ginno, Paul L. Lott, Holly C. Christensen, Ian Korf, Frédéric Chédin. R-silmukan muodostuminen on erottuva ominaisuus metyloitumattomille ihmisen CpG-saaripromoottoreille  //  Molecular Cell. – 2012-3. — Voi. 45 , iss. 6 . — s. 814–825 . - doi : 10.1016/j.molcel.2012.01.017 . Arkistoitu alkuperäisestä 20. huhtikuuta 2019.
  30. ↑ Daniel Savic, E. Christopher Partridge, Kimberly M. Newberry, Sophia B. Smith, Sarah K. Meadows. CETCh-seq: CRISPR-epitooppimerkintä DNA:ta sitovien proteiinien ChIP-sekvenssi  (englanniksi)  // Genomitutkimus. – 2015-10. — Voi. 25 , iss. 10 . - s. 1581-1589 . — ISSN 1549-5469 1088-9051, 1549-5469 . - doi : 10.1101/gr.193540.115 .
  31. ↑ Peter J Skene, Steven Henikoff. Tehokas kohdennettu nukleaasistrategia DNA:n sitoutumiskohtien korkearesoluutioiseen kartoitukseen   // eLife . – 16.1.2017. — Voi. 6 . — P. e21856 . — ISSN 2050-084X . - doi : 10.7554/eLife.21856 . Arkistoitu 13. toukokuuta 2020.
  32. ↑ M. Robyn Andersen, Kelsey Afdem, Marcia Gaul, Shelly Hager, Erin Sweet. Sukuhistoria, geneettiset ja muut syyihin liittyvät uskomukset rintasyövästä selviytyneiden keskuudessa  // OBM Genetics. - 27-02-2019. - T. 3 , no. 3 . - S. 1-1 . — ISSN 2577-5790 . - doi : 10.21926/obm.genet.1903087 .
  33. ↑ 1 2 ChIP-sekvensoinnin yleiskatsaus . epigenie.com. Haettu 22. huhtikuuta 2019. Arkistoitu alkuperäisestä 22. huhtikuuta 2019.
  34. ↑ 1 2 3 Kevin S. Myers, Dan M. Park, Nicole A. Beauchene, Patricia J. Kiley. Bakteeriregulonien määrittäminen ChIP-seq:n avulla   // Menetelmät . – 2015-9. — Voi. 86 . - s. 80-88 . - doi : 10.1016/j.ymeth.2015.05.022 . Arkistoitu 2. toukokuuta 2019.
  35. ↑ Michael I Love, Wolfgang Huber, Simon Anders. Moderoitu estimointi kerta-muutoksesta ja dispersiosta RNA-seq-datalle DESeq2:lla  // Genome Biology. – 2014-12. - T. 15 , no. 12 . — ISSN 1474-760X . - doi : 10.1186/s13059-014-0550-8 .
  36. ↑ MD Robinson, DJ McCarthy, GK Smyth. edgeR: Bioconductor-paketti digitaalisten geeniekspressiotietojen differentiaaliseen ilmentymisanalyysiin  // Bioinformatics. – 11.11.2009. - T. 26 , no. 1 . — S. 139–140 . - ISSN 1460-2059 1367-4803, 1460-2059 . - doi : 10.1093/bioinformatics/btp616 .
  37. ↑ Anais Bardet. Peak Calling  // Käytännön opas ChIP-seq-dataanalyysiin. - CRC Press, 26.10.2018. - S. 41-52 . — ISBN 9780429487590 .
  38. ↑ Li Chen, Chi Wang, Zhaohui S. Qin, Hao Wu. Uusi tilastollinen menetelmä useiden ChIP-seq-aineistojen kvantitatiiviseen vertailuun  // Bioinformatiikka. – 13.2.2015. - T. 31 , no. 12 . — S. 1889–1896 . - ISSN 1460-2059 1367-4803, 1460-2059 . - doi : 10.1093/bioinformatics/btv094 .
  39. ↑ Kun Liang, Sundüz Keleş. Transkriptiotekijöiden differentiaalisen sitoutumisen havaitseminen ChIP-seq:llä  // Bioinformatics. – 3.11.2011. - T. 28 , no. 1 . — S. 121–122 . - ISSN 1367-4803 1460-2059, 1367-4803 . - doi : 10.1093/bioinformatics/btr605 .
  40. ↑ 1 2 Yanxiao Zhang, Yu-Hsuan Lin, Timothy D. Johnson, Laura S. Rozek, Maureen A. Sartor. PePr: huippukutsun priorisointiputki, joka tunnistaa johdonmukaiset tai erilaiset piikit replikoiduista ChIP-Seq-tiedoista  // Bioinformatics. – 03.06.2014. - T. 30 , no. 18 . — S. 2568–2575 . - ISSN 1367-4803 1460-2059, 1367-4803 . - doi : 10.1093/bioinformatics/btu372 .
  41. ↑ Bradley E Bernstein, John A Stamatoyannopoulos, Joseph F Costello, Bing Ren, Aleksandar Milosavljevic. NIH Roadmap Epigenomics Mapping Consortium  // Luonnon biotekniikka. – 2010-10. - T. 28 , no. 10 . — S. 1045–1048 . — ISSN 1087-0156 . - doi : 10.1038/nbt1010-1045 . Arkistoitu alkuperäisestä 22. toukokuuta 2016.
  42. ↑ 1 2 3 Qi Zhang, Sündüz Keleş. Empiirinen Bayes-testi alleeliepätasapainon havaitsemiseksi ChIP-seq:ssä  // Biostatistiikka. – 3.11.2017. - T. 19 , no. 4 . — S. 546–561 . — ISSN 1468-4357 1465-4644, 1468-4357 . - doi : 10.1093/biostatistiikka/kxx060 .
  43. ↑ Qi Zhang. ChIP-Seq-kokeiden data-analyysi  //  Laskennallinen epigenetiikka ja sairaudet. — Elsevier, 2019. — s. 67–77 . — ISBN 9780128145135 . - doi : 10.1016/b978-0-12-814513-5.00005-2 . Arkistoitu 5. toukokuuta 2019.
  44. ↑ Christopher Gregg. Faculty of 1000 evaluation for Yhtenäinen tutkimus alleelispesifisestä sitoutumisesta ja ilmentymisestä yli 1000-Genomes-Project yksilön. . F1000 - Biolääketieteellisen kirjallisuuden julkaisun jälkeinen vertaisarviointi (11. heinäkuuta 2016). Haettu: 5.5.2019.
  45. ↑ Bryce van de Geijn, Graham McVicker, Yoav Gilad, Jonathan K Pritchard. WASP: alleelispesifinen ohjelmisto vankkaan molekyylin kvantitatiivisen piirteen lokuksen löytämiseen  // Nature Methods. – 14.9.2015. - T. 12 , no. 11 . — S. 1061–1063 . - ISSN 1548-7105 1548-7091, 1548-7105 . - doi : 10.1038/nmeth.3582 .
  46. ↑ 1 2 Susan E. Celniker, Laura AL Dillon, Mark B. Gerstein, Kristin C. Gunsalus, Steven Henikoff. Genomin salaisuuksien avaaminen   // Luonto . – 18.6.2009. — Voi. 459 , iss. 7249 . — s. 927–930 . — ISSN 1476-4687 . - doi : 10.1038/459927a . Arkistoitu alkuperäisestä 29. huhtikuuta 2017.
  47. ↑ Hongzhu Qu, Xiangdong Fang. Lyhyt katsaus Human Encyclopedia of DNA Elements (ENCODE ) -projektiin   // Genomics, Proteomics & Bioinformatics. - 01-06-2013. — Voi. 11 , iss. 3 . — s. 135–141 . — ISSN 2210-3244 . - doi : 10.1016/j.gpb.2013.05.001 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  48. ↑ Oki, S; Ohta, T. ChIP-Atlas . - 2015. - doi : 10.18908/lsdba.nbdc01558-000 .
  49. ↑ modENCODE Consortium, Sushmita Roy, Jason Ernst, Peter V. Kharchenko, Pouya Kheradpour. Toiminnallisten elementtien ja säätöpiirien tunnistaminen Drosophila modENCODE:lla  (englanti)  // Science (New York, NY). – 24.12.2010. — Voi. 330 , iss. 6012 . — P. 1787–1797 . — ISSN 1095-9203 . - doi : 10.1126/tiede.1198374 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  50. ↑ Jie Wang, Jiali Zhuang, Sowmya Iyer, Xin-Ying Lin, Melissa C. Greven. Factorbook.org: Wiki-pohjainen tietokanta ENCODE-konsortion //  Nucleic Acids Researchin luomille transkriptiotekijöitä sitoville tiedoille .  – 1.1.2013. — Voi. 41 , iss. Tietokantaongelma . — P. D171–176 . — ISSN 1362-4962 . - doi : 10.1093/nar/gks1221 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  51. ↑ Jian-Hua Yang, Jun-Hao Li, Shan Jiang, Hui Zhou, Liang-Hu Qu. ChIPBase: tietokanta pitkien ei-koodaavien RNA- ja mikroRNA-geenien transkription säätelyn dekoodaamiseen ChIP-Seq-tiedoista  //  Nucleic Acids Research. – 1.1.2013. — Voi. 41 , iss. Tietokantaongelma . — P. D177–187 . — ISSN 1362-4962 . doi : 10.1093 / nar/gks1060 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  52. ↑ Alexander Lachmann, Huilei Xu, Jayanth Krishnan, Seth I. Berger, Amin R. Mazloom. ChEA: transkriptiotekijän säätely päätelty integroimalla genominlaajuisia ChIP-X-kokeita  (englanniksi)  // Bioinformatics (Oxford, Englanti). – 10.10.2010. — Voi. 26 , iss. 19 . — s. 2438–2444 . — ISSN 1367-4811 . - doi : 10.1093/bioinformatics/btq466 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  53. ↑ Jesse D. Ziebarth, Anindya Bhattacharya, Yan Cui. CTCFBSDB 2.0: tietokanta CTCF-sitovia kohtia ja genomiorganisaatiota varten  //  Nucleic Acids Research. – 1.1.2013. — Voi. 41 , iss. Tietokantaongelma . — P. D188–194 . — ISSN 1362-4962 . - doi : 10.1093/nar/gks1165 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  54. ↑ Li Chen, George Wu, Hongkai Ji. hmChIP: tietokanta ja verkkopalvelin julkisesti saatavilla olevien ihmisen ja hiiren ChIP-seq- ja ChIP-sirutietojen tutkimiseen   // Bioinformatics (Oxford, Englanti) . – 15.5.2011. — Voi. 27 , iss. 10 . - s. 1447-1448 . — ISSN 1367-4811 . - doi : 10.1093/bioinformatics/btr156 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  55. ↑ Ivan V. Kulakovski, Ilja E. Vorontsov, Ivan S. Jevshin, Anastasia V. Soboleva, Artem S. Kasianov. HOCOMOCO: transkriptiotekijän sitoutumiskohtamallien kokoelman laajentaminen ja parantaminen  //  Nucleic Acids Research. - 04-01-2016 — Voi. 44 , iss. D1 . — P. D116–125 . — ISSN 1362-4962 . - doi : 10.1093/nar/gkv1249 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  56. ↑ Albin Sandelin, Wynand Alkema, Pär Engström, Wyeth W. Wasserman, Boris Lenhard. JASPAR: avoimen pääsyn tietokanta eukaryoottisten transkriptiotekijöiden sitoutumisprofiileille  //  Nucleic Acids Research. - 1.1.2004. — Voi. 32 , iss. Tietokantaongelma . — P.D91–94 . — ISSN 1362-4962 . - doi : 10.1093/nar/gkh012 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  57. ↑ Mihail Pachkov, Piotr J. Balwierz, Phil Arnold, Evgeniy Ozonov, Erik van Nimwegen. SwissRegulon, tietokanta genominlaajuisista sääntelysivustojen merkinnöistä: viimeisimmät päivitykset  //  Nucleic Acids Research. – 1.1.2013. — Voi. 41 , iss. Tietokantaongelma . — P. D214–220 . — ISSN 1362-4962 . - doi : 10.1093/nar/gks1145 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  58. ↑ Bo Qin, Meng Zhou, Ying Ge, Len Taing, Tao Liu. CistromeMap: tietokanta ja verkkopalvelin ChIP-Seq- ja DNase-Seq-tutkimuksia varten hiirellä ja ihmisellä   // Bioinformatics (Oxford, Englanti) . – 15.5.2012. — Voi. 28 , iss. 10 . — P. 1411–1412 . — ISSN 1367-4811 . - doi : 10.1093/bioinformatics/bts157 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  59. ↑ Qixuan Wang, Jinyan Huang, Hanfei Sun, Jing Liu, Juan Wang. CR Cistrome: ChIP-Seq-tietokanta kromatiinin säätelijöille ja histonien modifiointilinkeille ihmisissä ja hiirissä  //  Nucleic Acids Research. – 1.1.2014. — Voi. 42 , iss. Tietokantaongelma . — P. D450–458 . — ISSN 1362-4962 . - doi : 10.1093/nar/gkt1151 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  60. ↑ Christoph D. Schmid, Philipp Bucher. ChIP-Seq-tiedot paljastavat ihmisen promoottorien nukleosomiarkkitehtuurin  (englanniksi)  // Cell. – 30.11.2007. — Voi. 131 , iss. 5 . — s. 831–832; kirjoittaja vastaa 832-833 . — ISSN 0092-8674 . - doi : 10.1016/j.cell.2007.11.017 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  61. ↑ Wei Niu, Zhi John Lu, Mei Zhong, Mihail Sarov, John I. Murray. Genomin laajuisen ChIP-seq:n paljasti erilaisia ​​transkriptiotekijän sitoutumisominaisuuksia C. elegansissa  //  Genome Research. - 2011-02-01. — Voi. 21 , iss. 2 . — s. 245–254 . — ISSN 1549-5469 . - doi : 10.1101/gr.114587.110 . Arkistoitu alkuperäisestä 5. toukokuuta 2017.
  62. ↑ Xiong Ji, Daniel B. Dadon, Brian J. Abraham, Tong Ihn Lee, Rudolf Jaenisch. Kromatiinin proteominen profilointi paljastaa uusia proteiineja, jotka liittyvät histonilla merkittyihin genomialueisiin  // Proceedings of the National Academy of Sciences. – 9.3.2015. - S. 201502971 . - ISSN 1091-6490 0027-8424, 1091-6490 . - doi : 10.1073/pnas.1502971112 .
  63. ↑ Huihuang Yan, Shulan Tian, ​​​​Susan L Slager, Zhifu Sun. ChIP-seq sairauden epigeneettisten mekanismien tutkimisessa ja tarkkuuslääketieteen edistämisessä: etenee ja tulevaisuuden suunnat   // Epigenomiikka . – 2016-9. — Voi. 8 , iss. 9 . — s. 1239–1258 . - ISSN 1750-192X 1750-1911, 1750-192X . - doi : 10.2217/epi-2016-0053 .
  64. ↑ Henriette O'Geen, Lorigail Echipare, Peggy J. Farnham. ChIP-Seq-teknologian käyttö histonimuunnosten korkearesoluutioisten profiilien luomiseen  // Menetelmät molekyylibiologiassa (Clifton, NJ). - 2011. - T. 791 . — S. 265–286 . — ISSN 1064-3745 . - doi : 10.1007/978-1-61779-316-5_20 .
  65. ↑ Tarjei S. Mikkelsen, Manching Ku, David B. Jaffe, Biju Issac, Erez Lieberman. Genominlaajuiset kartat kromatiinitilasta pluripotenteissa ja linjaan sitoutuneissa soluissa  // Luonto. - 2007-08-02. - T. 448 , no. 7153 . — S. 553–560 . — ISSN 0028-0836 . - doi : 10.1038/luonto06008 . Arkistoitu alkuperäisestä 22. toukokuuta 2016.
  66. ↑ Douglas F. Browning, Stephen JW Busby. Bakteerien transkription aloituksen säätely  // Nature Reviews Microbiology. - 2004-01. - T. 2 , no. 1 . — s. 57–65 . - ISSN 1740-1534 1740-1526, 1740-1534 . - doi : 10.1038/nrmicro787 .
  67. ↑ Dongjun Chung, Dan Park, Kevin Myers, Jeffrey Grass, Patricia Kiley. dPeak: PET- ja SET-chIP-Seq-datasta peräisin olevien transkriptiotekijän sitoutumiskohtien korkearesoluutioinen tunnistus  // PLoS Computational Biology. – 17.10.2013. - T. 9 , no. 10 . — S. e1003246 . — ISSN 1553-7358 . - doi : 10.1371/journal.pcbi.1003246 .
  68. ↑ Antonio LC Gomes, Thomas Abeel, Matthew Peterson, Elham Azizi, Anna Lyubetskaya. ChIP-seq:n dekoodaus kaksoissitoutuvalla signaalilla jalostaa sitoutumispiikkejä yksittäisiksi nukleotideiksi ja ennustaa yhteistoiminnallista vuorovaikutusta  //  Genomitutkimus. – 2014-10. — Voi. 24 , iss. 10 . - s. 1686-1697 . — ISSN 1549-5469 1088-9051, 1549-5469 . - doi : 10.1101/gr.161711.113 .
  69. ↑ Yuchun Guo, Shaun Mahony, David K. Gifford. Korkean resoluution genomin laajan sidostapahtuman etsintä ja motiivien löytäminen paljastaa transkriptiotekijän spatiaalisia sitomisrajoituksia  //  PLoS Computational Biology / Stein Aerts. – 09.08.2012. — Voi. 8 , iss. 8 . — P.e1002638 . — ISSN 1553-7358 . - doi : 10.1371/journal.pcbi.1002638 .
  70. ↑ Xuekui Zhang, Gordon Robertson, Martin Krzywinski, Kaida Ning, Arnaud Droit. PICS: Probabilistic Inference for ChIP-seq  (englanniksi)  // Biometriikka. – 2011-3. — Voi. 67 , iss. 1 . — s. 151–163 . - doi : 10.1111/j.1541-0420.2010.01441.x .
  71. ↑ Dongjun Chung, Dan Park, Kevin Myers, Jeffrey Grass, Patricia Kiley. dPeak: PET- ja SET-chIP-Seq-datasta peräisin olevien transkriptiotekijän sitoutumiskohtien korkearesoluutioinen tunnistus  //  PLoS Computational Biology / Roderic Guigo. – 17.10.2013. — Voi. 9 , iss. 10 . — P.e1003246 . — ISSN 1553-7358 . - doi : 10.1371/journal.pcbi.1003246 .
  72. ↑ Jason Ernst, Manolis Kellis. Kromatiinitilojen löytäminen ja karakterisointi ihmisen genomin systemaattista merkitsemistä varten  // Nature Biotechnology. – 25.7.2010. - T. 28 , no. 8 . — S. 817–825 . - ISSN 1546-1696 1087-0156, 1546-1696 . - doi : 10.1038/nbt.1662 .
  73. ↑ Jason Ernst, Pouya Kheradpour, Tarjei S. Mikkelsen, Noam Shoresh, Lucas D. Ward. Kromatiinitilan dynamiikan kartoitus ja analyysi yhdeksässä ihmissolutyypissä  // Luonto. – 23.3.2011. - T. 473 , no. 7345 . — s. 43–49 . — ISSN 1476-4687 0028-0836, 1476-4687 . - doi : 10.1038/luonto09906 .
  74. ↑ Shirley Pepke, Barbara Wold, Ali Mortazavi. Laskenta ChIP-seq- ja RNA-seq-tutkimuksia varten  // Nature Methods. – 2009-11. - T. 6 , no. 11 . — S. S22–S32 . - ISSN 1548-7105 1548-7091, 1548-7105 . - doi : 10.1038/nmeth.1371 .