本文转载自嘉因微信公众号，已获得授权。查看最新文章，敬请关注嘉因，微信ID：rainbow-genome

作者：小丫  来源：嘉因

《哪个蛋白质调控我感兴趣的基因？怎样筛选？基于分析或实验的可行方案V2.1》一文讲了找上游转录因子的策略：

• Plan A：基于大量ChIP-seq公共数据挖掘

• Plan B：motif分析预测

• Plan C：ATAC-seq结合motif分析

motif系列答疑帖一步步帮你实现了Plan B

1. 去哪找motif？

   史上最全物种转录因子、motif数据库footprintDB

2. 这段DNA上有我关心的motif吗？

   点鼠标就能找启动子区的motif | meme-FIMO
   

3. motif scan结果怎样看？

   互补链上的motif有意义吗？
   

4. motif结果怎样展示到文章里？

   找到了motif，怎样展示结果？
   

ChIP系列带你实现Plan A，下个系列解决Plan C。

1. 原理

2. 在线快速查看结果

3. 局限性

4. 速查表

5. 从哪里下载数据
   

6. 怎样批量处理数据

7. 怎样展示结果
   

本文讲1234，下一篇讲567。

1. 原理

原理很简单，下图一目了然。做一个ChIP-seq实验能找到一个转录因子调控的靶基因，成百上千个ChIP-seq放在一起，就能找到任意一个基因被哪些转录因子调控。

2. 在线快速查看结果的两种方法

方法一

用Cistrome data browser: a data portal for ChIP-Seq and chromatin accessibility data in human and mouse. Nucleic Acids Res 2016; Oct 26.

感谢Dr. Mei 在本文撰写中提供的帮助。推荐另一个非常好用的工具，出自同一作者：去TCGA看表型，来CistromeCancer挖机制 | RNA-seq和ChIP-seq的完美结合

Cistrome Data Browser，http://cistrome.org/db，收集了GEO和ENCODE里人和小鼠的ChIP-seq和DNase/ATAC-seq数据，共38680套，每天还在跑新数据、上传。

如果您心中已经有了几个目标转录因子，想找ChIP-seq数据check一下；或者想挨个查看您关心的细胞类型里的转录因子，那就在线查看每个转录因子在你的基因附近的ChIP-seq信号。

具体查看方法：

例如搜索kidney，选择Homo sapions，列出人的各种factor的数据，点击Results条目查看详情。

点击右侧的WashU Browser或UCSC Browser就能查看结合信号

这是UCSC Browser的效果，黑色的瘦瘦高高的peak就代表这个转录因子在这个位置有结合信号。

如果想同时查看多个转录因子，就在条目左边的小方块里打个勾。点击页面最下方的WashU Browser或UCSC Browser，前者更快。

WashU Browser的展示效果更美，左侧是sample信息，每行信号下面对应显示peak的位置，不用肉眼再去判断。

方法二

ENCODE，https://www.encodeproject.org，产生了大量高质量的ChIP-seq数据。

新来的小伙伴儿可能要先看下面的视频了解ENCODE

• ENCODE成员翁志萍介绍ENCODE

• ENCODE成员David Lamparter讲通过转录因子表达和染色质开放寻找染色质调控因子
  

• ENCODE IDR pipeline Q&A 视频记录

• Penn State 岳峰：ENCODE & Roadmap workshop
  

• Penn State 岳峰：增强子与基因表达调控

• Joel Rozowsky讲人、果蝇、线虫转录因子ChIP-seq数据整合分析ncRNA

• ENCODE成员Brenton R. Graveley讲RBP database

4个物种ChIP-seq数量：

其中转录因子数量：

选择ChIP-seq、transcription factor，Homo sapiens，在右下角的results栏里，点击感兴趣的细胞系右侧的数字。

点击Visualize，选择hg38。

最多能添加100套数据到UCSC genome browser，查看某段DNA上的peak分布。鼠标移到感兴趣的track，出现sample信息。

3. 局限性

方法一的局限性：

1. 用肉眼挨个看哪个track有peak，数据多了就要疯掉了。可以通过下篇介绍的456来解决。

2. 只能看人和小鼠的数据；想看果蝇和线虫就用方法二；想看其他物种或ENCODE以外的果蝇、线虫数据，用下篇介绍的方法来解决。

3. Plan A本身的局限性：只能判断做过ChIP-seq的转录因子，如果关心的数据类型的ChIP-seq数据特别少，就很难遇到刚好调控你的基因的转录因子。如果没有阳性结果，就用本文开头提到的Plan B或Plan C解决。

方法二的局限性：

除了方法一的i和iii以外，最大的缺点就是不全，它只收录ENCODE相关项目的数据，其他ChIP-seq数据在这里看不到。它貌似是被拿来衬托方法一的。

4. 速查表：

您对哪种疾病感兴趣？哪个tissue？已经做了多少个ChIP-seq？

分别查看两个数据库里人tissue转录因子ChIP-seq数量，做个预判。

Cistrome（下面的数字仅作参考，更新到2016年1月，比目前总数少1万多）：

ENCODE

其他速查表：

• 做过ChIP-seq或ATAC-seq的物种
  

• 植物的ENCODE

• 植物ATAC-seq文章和数据

• 果蝇ATAC-seq数据和文章

• 水生生物的ATAC-seq数据和文章

• miRBase物种名缩写

• Ensembl基因组+注释 | 植物
  

• Ensembl基因组+注释 | 动物

•