编辑推荐：
该综述介绍 PerCell 方法，结合正交物种染色质细胞混合比例与生物信息学流程，实现染色质免疫沉淀测序（ChIP-seq）定量比较。其可跨细胞状态和物种进行表观遗传分析，推动跨实验室数据统一，为表观遗传学、癌症等研究提供新工具。
研究背景与技术挑战
染色质免疫沉淀测序（ChIP-seq）是表观遗传学研究的基础方法，用于分析组蛋白修饰和转录因子的全基因组定位。然而，在不同实验条件或样本间对特定位点的信号量进行定量比较一直存在技术难题。传统方法在跨实验、跨实验室的数据可比性和定量准确性上存在局限，尤其在涉及全基因组表观遗传变化或不同基因组大小的细胞模型时，难以实现可靠的定量分析。开发一种低成本、通用且可扩展的方法，以实现染色质测序数据的高效生成、比较和共享，成为该领域的重要需求。
PerCell 方法的核心设计与工作流程
PerCell 方法通过结合正交物种（如人类与小鼠、斑马鱼）的染色质细胞混合比例，以及配套的生物信息学分析流程，实现了对 ChIP-seq 数据的高定量比较。实验中，将实验细胞与 spike-in 细胞按固定比例混合，经甲醛固定、超声处理后进行免疫沉淀。生物信息学流程基于 Nextflow 开发，可自动处理混合测序数据，通过比对实验和 spike-in 基因组，计算标准化因子并进行数据下采样，生成标准化的峰调用和可视化文件。该流程支持多种比对工具（如 Bowtie2），并可灵活处理不同物种的基因组数据，同时提供质量控制和峰注释等功能。
方法验证与性能优势
与传统方法相比，PerCell 在 spike-in 效率和数据一致性上表现显著。实验显示，当人类与小鼠细胞以 3:1 比例混合时， spike-in 基因组的比对 reads 比例稳定在 21%–34%，免疫沉淀样本中为 16%–25%，显著优于传统方法中 spike-in 比例波动大的问题。PerCell 避免了传统方法中常见的上采样导致的噪声引入，通过下采样保持数据真实性，尤其在处理基因组大小差异或倍性变化的样本时优势明显。此外，该方法仅需单一抗体，简化了实验流程，降低了成本和技术门槛。
跨物种与癌症研究中的应用
在人类横纹肌肉瘤细胞中，PerCell 成功量化了药物处理（如组蛋白去乙酰化酶抑制剂 Entinostat 和 p300 抑制剂 A485）对组蛋白 H3K27 乙酰化的全局影响。在斑马鱼胚胎模型中，该方法揭示了致癌融合转录因子 PAX3::FOXO1 诱导的 H3K27ac 动态变化，首次在体内实现了对转录因子结合位点的定量分析。此外，PerCell 还可用于分析基因组大小变化对 CTCF 结合的影响，为染色质环挤压模型提供了新的研究工具。
局限性与未来展望
尽管 PerCell 具有广泛适用性，但其依赖实验与 spike-in 细胞的超声处理一致性，且抗体对 spike-in 细胞的非特异性结合可能影响结果。未来可通过优化物种选择或使用双抗体策略进一步提升准确性。该方法为跨物种表观基因组比较和癌症表观遗传研究提供了标准化工具，有望推动儿科肿瘤学、表观遗传学和基因组学领域的发展，尤其在解析转录因子、染色质重塑因子及组蛋白标记的动态变化中具有重要应用潜力。
