《Cell Reports Methods》：HisTrader identifies nucleosome-free regions within ChIP-based profiling of histone post-translational modifications
编辑推荐：
增强子和启动子通过转录因子（Transcription Factors, TFs）结合至可及染色质内的特定DNA基序来调控细胞身份。这些调控区域通常通过靶向组蛋白修饰的染色质免疫沉淀（Chromatin Immunoprecipitation, ChIP）
增强子和启动子通过转录因子（Transcription Factors, TFs）结合至可及染色质内的特定DNA基序来调控细胞身份。这些调控区域通常通过靶向组蛋白修饰的染色质免疫沉淀（Chromatin Immunoprecipitation, ChIP）技术来鉴定，如ChIP测序（ChIP-seq）、HiChIP和邻近连接辅助ChIP-seq（PLAC-seq）。然而，富集区域（即峰，peaks）的较大尺寸使得精确定位TFs发挥作用的DNA序列或性状/疾病相关变异发挥效应的位点变得困难。研究人员提出了HisTrader，一种在组蛋白修饰峰的ChIP谱中识别核小体自由区域（Nucleosome-Free Regions, NFRs）的计算方法，该方法可缩短基序发现和遗传变异优先级分析的靶序列长度。通过聚焦于转录因子可及位点，HisTrader改进了连接细胞状态转换与疾病状态的调控机制的基序检测。此外，HisTrader能够更准确地表征受遗传变异影响并导致疾病的调控元件。
**论文解读**
**一、研究背景与问题提出**
细胞类型特异性的转录因子（Transcription Factors, TFs）通过结合非编码调控元件内的特定DNA识别序列（即基序，motifs）来控制转录程序，其异常表达可导致疾病（如癌症）的发生。活性非编码调控元件两侧排列着携带表观遗传翻译后修饰（Post-Translational Modifications, PTMs）的核小体，例如组蛋白H3第27位赖氨酸乙酰化（H3K27ac）标记的核小体位于活性启动子和增强子两侧，界定出转录因子可及的DNA区域。在这些调控元件内部，TFs结合于修饰核小体之间的核小体自由区域（Nucleosome-Free Regions, NFRs）。
目前该领域存在以下关键问题：第一，TF识别基序短且常具有简并性，在长DNA序列中随机出现的频率很高，增加了假阳性基序匹配和计算复杂度；第二，虽然已有若干工具可辅助识别组蛋白PTM ChIP-seq峰内的NFRs或子区域，但尚无方法能从信号谱本身直接鉴定NFRs的精确位置、边界和大小。例如，HOMER峰调用工具可将已调用的峰重新中心化至其最 depleted 区域（潜在NFR），但该操作不改变峰宽度，仅间接提供每个峰一个NFR且无法估计NFR大小；PeakSplitter将宽峰细分为以局部信号最大值为中心的子峰，但具有单一主导模式的峰被保留不变，内部NFRs被遗漏，且报告的断点位于峰顶之间而不能界定NFR边界或大小；FindPeaks采用类似的基于峰顶的策略，且需要用户定义最小读取深度，该参数在不同文库大小的样本间缺乏通用性。因此，现有工具均无法返回可作为可比输出的NFR区间。NFRs的精确位置和边界信息对于发现转录机器结合的功能DNA序列和相关序列变异至关重要。为填补这一空白，研究人员开发了HisTrader计算工具，能够从组蛋白PTM富集谱中识别NFRs。
**二、研究概述与意义**
HisTrader是一种不依赖峰高度或信号阈值的NFRs鉴定方法，可无偏地识别TF可及DNA。该工具适用于任何靶向组蛋白PTMs的ChIP富集实验，包括HiChIP和PLAC-seq，后者将染色质谱分析与构象捕获相结合以连接增强子与其靶基因，从而能够在染色质相互作用网络中同时识别潜在功能性非编码变异及其调控靶标。HisTrader以Python 3.8和Perl实现，在GitHub上公开发布。该工具使研究人员无需专门的开放染色质可及性实验（如ATAC-seq或DNase-seq）即可从现有组蛋白PTM ChIP数据中获取NFR信息，尤其适用于难以开展可及性实验的临床样本（如福尔马林固定石蜡包埋组织），显著扩展了标准ChIP数据集的功能价值。
**三、关键技术与方法概要**
HisTrader算法包含两个并行的检测策略。其一为移动平均法（Moving Average, MA）：将每个峰内的ChIP-seq信号划分为固定宽度区间（25 bp），分别计算窄窗口（约1个核小体，150 bp）和宽窗口（约3个核小体，450 bp）的中心移动平均值，两者交叉点即标记核小体占据区域（Nucleosome Occupied Regions, NORs）与NFRs之间的边界。其二为差分法（DIFFERENCING）：对信号谱进行二阶差分以识别曲率变化，负值指示向上弯曲对应核小体峰，正值指示向下弯曲对应NFRs，相邻NOR区间合并后其间隙即为NFRs。最终NFR调用取两种方法的交集（consensus）。该工具以MACS2等峰调用工具的输出作为输入。
在验证研究中，研究人员利用了来自ENCODE项目和GEO数据库的公开数据，包括A549肺癌细胞系的H3K27ac ChIP-seq、DNase-seq、ATAC-seq和多种TF ChIP-seq数据，以及22Rv1前列腺癌细胞系的H3K27ac HiChIP数据。差异结合分析使用DiffBind进行。基序富集分析使用MEME Suite中的简单富集分析（Simple Enrichment Analysis, SEA）工具。前列腺癌风险相关变异来自NHGRI-EBI GWAS Catalog（全基因组显著性阈值p < 5 × 10
-8），连锁不平衡（Linkage Disequilibrium, LD）使用1000 Genomes Project欧洲人群基因型数据通过PLINK计算。癌症依赖性基因利用DepMap项目的全基因组CRISPR敲除数据，以似然比检验（Likelihood Ratio Test, LRT≥171）阈值定义。
**四、研究结果**
**（一）HisTrader揭示H3K27ac富集区域内核小体定位**
研究人员将HisTrader应用于ENCODE项目A549肺癌细胞系的H3K27ac ChIP-seq谱。结果表明，67%的H3K27ac宽峰含有一个以上的NFR，平均NFR长度为212 bp，NFR中点之间的平均距离为456 bp。通过分析同一细胞系的DNaseI超敏测序（DNase-seq）数据，研究人员确认所识别的NFRs与开放染色质区域一致：当将分析限制在NFR间距为350-550 bp的位点时，多个相邻的乙酰化核小体和DNaseI超敏（DHS）区域清晰可见。多个NFRs倾向于对应启动子区域。值得注意的是，虽然NFRs可靠地与可及染色质重合，但信号谷的深度并不能预测可及性程度——区域内最深的NFR未必是最可及的。
**（二）基于HisTrader的表观基因组足迹分析识别负责增强子活性的TFs**
为验证HisTrader在识别增强子活性变化背后TFs方面的效用，研究人员分析了经糖皮质激素地塞米松（DEX）处理1小时的A549细胞与未处理对照的ENCODE H3K27ac ChIP-seq数据。通过DiffBind鉴定出9,449个在处理条件下显著富集的峰。采用严格策略（仅使用每个峰中两个最高富集核小体之间的NFRs），NR3C1基序在NFRs和ATAC-seq峰中均呈现中心化定位模式。平均NR3C1结合信号和ATAC-seq信号均集中于NFRs内部。基序富集分析发现NR3C家族基序（NR3C1/2）是gain峰内NFRs中最显著富集的基序。定量比较显示，NFRs回收了H3K27ac区域内96.5%的ATAC-seq峰，NFR中心距最近ATAC-seq峰顶的中位距离为58 bp；45.8%的NFRs与至少一个A549 TF（NR3C1、JUN、FOSL2、CEBPB、CTCF、EP300和FOXA1）的ChIP-seq峰重叠。深度下采样分析表明HisTrader的NFR调用对测序深度具有稳健性，在10%深度下仍能保持96.7%-97.6%的ATAC-seq峰回收率。
**（三）基于HiChIP的表观基因组足迹分析优先排序疾病风险位点的功能性SNVs**
研究人员将HisTrader应用于22Rv1前列腺癌（Prostate Cancer, PCa）细胞系的H3K27ac HiChIP数据，以整合NFR水平的表观基因组足迹与染色质相互作用信息。通过分析NHGRI-EBI GWAS Catalog中532个PCa风险相关的索引SNVs，结合LD计算和DepMap癌症依赖性基因数据，研究人员将潜在因果LD SNVs的数量从2,844个缩减至67个。以SOX9基因为例，rs17765344等五个索引SNVs捕获的遗传变异经HisTrader分析后，潜在的26个功能性SNVs被缩减至6个位于NFRs内且均与SOX9启动子相互作用的变异，此前已报道的功能性SNV rs8072254即在其中，该SNV位于与SOX9启动子物理相互作用的远端增强子的开放染色质区域内，距离SOX9超过1 Mb（超出了常规顺式表达数量性状位点分析的典型窗口）。此外，rs737958索引SNV的LD变异经HisTrader分析后从55个缩减至1个候选SNV rs9893839，该SNV位于另一个也与SOX9基因相互作用的远端调控元件的NFR内，其变异等位基因可为HOXB13转录因子创建更强的DNA识别序列。
**五、讨论总结与研究结论**
在讨论部分，研究人员指出HisTrader通过解析组蛋白PTM富集谱中的TF可及"波谷"，能够以更高分辨率推断标准ChIP实验数据中的调控功能。常规基于峰的分析无法精确定位TFs在DNA上的结合位点，而HisTrader将功能搜索空间缩小至最可能介导TF结合的区域，从而减少假阳性基序预测并增强下游调控推断。研究还表明单个增强子常含多个NFRs，与TFs在同一调控元件内跨分布式结合位点协同作用的模型一致。由于NFRs的间距和显著性可随条件变化，解析这些TF可及区域还能检测伴随细胞身份或状态变化的染色质重塑事件。在遗传变异解读方面，HisTrader应用于H3K27ac HiChIP锚点能够优先排序最可能破坏增强子活性的非编码变异，并同时识别其靶基因。研究人员还将类似策略应用于胃食管癌研究，其中位于HiChIP锚点内的NFR局部变异被用于细化GWAS LD SNVs并鉴定出可创建GABPA识别基序并改变UXS1表达的功能性启动子SNV。此外，HisTrader无需额外的染色质可及性实验即可从组蛋白PTM谱中恢复NFRs信息，这使其可回顾性地应用于公共数据库中大量缺乏匹配可及性数据的现有H3K27ac ChIP-seq数据集，尤其适用于福尔马林固定石蜡包埋（Formalin-Fixed Paraffin-Embedded, FFPE）临床样本，因FFPE保存的广泛交联使ATAC-seq/DNase-seq技术上面临挑战，而H3K27ac ChIP-seq仍与FFPE样本兼容。
研究结论如下：增强子和启动子通过转录因子结合至可及染色质内的特定DNA基序来调控细胞身份，这些调控区域通常通过靶向组蛋白修饰的ChIP技术鉴定，但富集区域（峰）的较大尺寸使得精确定位TFs发挥作用的DNA序列或性状/疾病相关变异发挥效应的位点变得困难。研究人员提出了HisTrader，一种在组蛋白修饰峰的ChIP谱中识别核小体自由区域的计算方法，该方法可缩短基序发现和遗传变异优先级分析的靶序列长度。通过聚焦于转录因子可及位点，HisTrader改进了连接细胞状态转换与疾病状态的调控机制的基序检测，并能够更准确地表征受遗传变异影响并导致疾病的调控元件。
在局限性方面，研究人员指出HisTrader的性能依赖于组蛋白修饰富集谱的质量和形状，低信噪比或定义不佳的峰可能导致NFR边界识别不准确。由于该方法依赖峰调用作为输入，峰定义的误差可能传播至NFR预测结果。HisTrader参数调整会影响NFRs的数量和位置，需根据生物学背景选择。核小体间距在不同调控元件间的变异可能使紧密相邻NFRs的分辨复杂化。此外，HisTrader仅在已调用的峰内预测NFRs，无法检测峰区域以外的NFRs。HisTrader尚未与现有峰处理工具进行基准比较，因这些工具的输出并不定义可比的NFR区间。
