表观组学实践教程 | BioF3 组学数据分析

📄️表观组学实践教程

表观组学关注的不是基因本身的序列，而是基因表达能不能被"打开"：染色质开放程度、转录因子结合位置、组蛋白修饰、DNA 甲基化。同一个基因组在不同细胞里呈现不同的表观图谱，这些图谱决定了细胞状态和对环境的反应。

表观组学实验类型多，但分析思路可以归为两大类：开放区域检测（ATAC-seq、DNase-seq）和蛋白-DNA 结合检测（ChIP-seq）。两者的分析流程几乎一样，区别在 peak calling 参数和质量指标。

拿到 peak 文件之后，第一个问题是"这些 peak 落在基因组的什么位置"。ChIPseeker 把 peak 注释到最近的基因、标注它在启动子 / 内含子 / 基因间等区域，一步出图。

ChIP-seq 的差异分析和 RNA-seq 思路一样：把每个 peak 在每个样本里的 reads 数当作"表达量"，用 DESeq2 或 edgeR 做统计检验。DiffBind 把这条流程封装成几个函数，从 peak 文件 + BAM 到差异结合位点一步到位。

本章把 ChIPseeker + DiffBind 的结果变成能直接用于论文的图。

Peak 本身只是"这里有信号"，motif 分析回答的是"什么转录因子可能在这里结合"。思路是：从 peak 序列里统计过表达的短序列模式（motif），和已知 TF motif 数据库比对。

ATAC-seq 和 ChIP-seq 共享大部分分析流程（比对 → peak calling → 注释 → 差异），但有几个关键差异需要单独说明。

DNA 甲基化（主要是 CpG 位点的 5-甲基胞嘧啶）是最稳定的表观修饰之一。和 ChIP/ATAC 不同，甲基化分析不做 peak calling，而是直接量化每个 CpG 位点的甲基化率（0~100%）。

表观修饰（开放染色质、TF 结合、甲基化）最终要通过影响基因表达来发挥功能。把表观组数据和转录组数据放在一起看，能回答"哪些表观变化真正驱动了表达变化"。