Pipeline et outils pour l'analyse ChIP-Seq

Qu'est-ce que l'analyse Chip-Seq ?

Séquençage par immunoprécipitation de la chromatine (ChIP-seq)ChIP-seq) L'analyse sert de technique indispensable dans la recherche épigénomique. Cette méthode utilise des anticorps qui ciblent des protéines de liaison à l'ADN spécifiques ou des modifications des histones pour identifier des régions d'enrichissement au sein du génome. L'utilisation des modifications des histones dans l'analyse ChIP-seq permet une dissection approfondie des caractéristiques épigénétiques et de leurs fonctionnalités biologiques. Avec les avancées dans Séquençage de nouvelle génération Les technologies de séquençage de nouvelle génération (NGS) et les analyses computationnelles ont considérablement enrichi notre compréhension du paysage épigénomique, nous informant sur la manière dont il peut contribuer à l'identité cellulaire, au développement, à la spécification des lignées et à l'étiologie d'un large éventail de conditions, y compris le cancer et d'autres maladies.

Avantages du ChIP-Seq 

• Le ChIP-seq la technologie possède la capacité de décrire au niveau des nucléotides, offrant des informations sur les sites de liaison de la chromatine d'une précision exquise à travers l'ensemble des génomes, éclairant ainsi les complexités des interactions protéine-ADN. Cela nous permet de localiser avec une plus grande précision les sites de liaison des protéines, tels que ceux des facteurs de transcription et des enzymes de modification des histones.
• Contrairement au ChIP-chip, il n'y a pas de bruit généré par l'hybridation des fragments d'ADN, où le contenu en GC, la longueur des fragments, la concentration et les variations structurelles pourraient interférer avec l'hybridation.
• ChIP-seq permet un scan à l'échelle du génome, s'étendant au-delà de l'analyse locale. Cette portée plus large permet une compréhension complète des motifs de liaison d'une certaine protéine au niveau génomique, englobant l'identification et la régulation des gènes cibles.
• Les signaux de liaison chromatinienne quantitatifs offerts par les données ChIP-seq reflètent l'abondance et l'intensité de liaison des protéines dans différentes régions génomiques. Cette analyse quantitative facilite la comparaison des motifs de liaison chromatinienne dans des conditions variées et permet l'identification de sites de liaison différentiels.
• la caractéristique de séquençage à haut débit de ChIP-seq permet le traitement simultané d'un grand nombre d'échantillons et de données, améliorant ainsi l'efficacité expérimentale. De plus, sa haute sensibilité permet la détection de sites de liaison de protéines à faible abondance, révélant des régions régulatrices potentiellement critiques.
• La technologie ChIP-seq, indépendante des hypothèses préalables ou de la conception des amorces, présente un biais expérimental minimal et une erreur systématique, conduisant à des données plus objectives et fiables.
• ChIP-seq les données peuvent également être intégrées avec d'autres données omiques (telles que RNA-seq, ATAC-seq, etc.) pour une analyse complète afin de comprendre pleinement les complexités des réseaux de régulation de l'expression génique. Cette analyse intégrative contribue à élucider les interactions multilevel entre la structure de la chromatine et la régulation génique.

Les défis du Chip-Seq

ChIP-seq est une méthode puissante pour identifier les sites de liaison à l'ADN à l'échelle du génome pour une protéine d'intérêt. Cartographier les emplacements chromosomiques des facteurs de transcription (TFs), des nucléosomes, des modifications des histones, des enzymes de remodelage de la chromatine, des chaperons et des polymérases est l'une des tâches clés de la biologie moderne. À cette fin, le ChIP-seq est la méthodologie standard (Bailey et al., 2013). Les multiples défis présentés dans le ChIP-seq ne résident pas seulement dans la préparation des échantillons et le séquençage, mais aussi dans l'analyse computationnelle.

Contrairement à d'autres types de données de séquençage massivement parallèle, le ChIP-seq les données ont plusieurs caractéristiques :

• Les modifications des histones couvrent des régions plus larges de l'ADN que les facteurs de transcription.
• Les lectures sont réduites à un nombre de bases plus petit.
• Les fragments sont relativement grands par rapport aux sites de liaison des facteurs de transcription (TFs).
• Les mesures de modification des histones oscillent souvent en suivant des nucléosomes bien positionnés.

Pour extraire des données significatives des lectures de séquences brutes, le ChIP-seq l'analyse des données devrait :

• Identifier des régions génomiques - 'pics' - où les facteurs de transcription se lient ou où les histones sont modifiées.
• Quantifiez et comparez les niveaux de liaison ou de modification des histones entre les échantillons.
• Caractérisez les relations entre l'état de la chromatine et l'expression génique ou l'épissage.

Flux de travail d'analyse bioinformatique Chip-Seq

Le flux de travail d'analyse bioinformatique pour les données ChIP-seq et les considérations pour chaque étape sont illustrés dans la Figure 1 (Nakato et Shirahige, 2017). La procédure de préparation des échantillons, de séquençage et de cartographie (Figure 1A) est commune aux expériences avec un ou quelques échantillons (Figure 1B) et aux expériences avec de nombreux échantillons (Figure 1C). Initialement, les lectures de séquençage de ChIP-seq sont analysées pour évaluer la qualité des lectures. Après les métriques de qualité, les lectures sont alignées sur le génome de référence. Comparées aux lectures d'entrée, les régions génomiques qui sont significativement enrichies en lectures ChIP sont détectées comme des pics. D'autres régions génomiques sont considérées comme un fond non spécifique. Les densités de lecture peuvent être visualisées le long du génome. Il est possible d'ajuster la stratégie d'appel de pics et les paramètres en fonction des propriétés de chaque échantillon dans une analyse à l'échelle de l'échantillon (Figure 1B). Mais l'ajustement un par un est difficile pour une analyse à grande échelle (Figure 1C), où des métriques de qualité objectives pour une évaluation quantitative multilatérale sont nécessaires pour filtrer automatiquement les données de mauvaise qualité. Les pics appelés représentent des candidats de modification des histones et des sites de liaison de protéines ou d'ADN ciblés, qui peuvent être utilisés pour identifier des annotations fonctionnelles associées, telles que des motifs de liaison.

Figure 1. Flux de travail de l'analyse ChIP-seq. Adapté de (Nakato et Shirahige, 2017)

Lors de la conduite ChIP-Seq L'analyse des données de séquençage par immunoprécipitation de la chromatine (ChIP-seq) implique généralement les processus suivants : traitement des données brutes, analyse de contrôle de qualité, cartographie des lectures, évaluation de la qualité de l'alignement des lectures, identification des pics, annotation et analyse, parmi d'autres étapes principales.

Contrôle de qualité : L'objectif de l'étape de Contrôle de Qualité (CQ) est d'évaluer la qualité substantielle des données à haut débit produites par le séquençage. Cela inclut l'inspection de la qualité des données brutes de séquençage, telles que la distribution de longueur des lectures de séquençage et le taux d'erreur de séquençage. L'outil le plus fréquemment utilisé pour ce type d'analyse est FastQC. De plus, si des séquences de faible qualité sont identifiées, elles peuvent être éliminées lors des phases de découpe suivantes.

Lire la cartographie : Le but de l'alignement des lectures est d'aligner les lectures de séquençage tronquées avec le génome de référence. Cela vise à déterminer la position génomique précise de chaque lecture. Des outils de cartographie tels que Bowtie, Bowtie2 ou BWA sont généralement utilisés pour l'alignement des lectures de séquençage, avec des entrées au format FASTQ ou CSFSATQ. Tanto Bowtie2 que BWA prennent en compte les indels (insertions et suppressions) via l'alignement par gaps, ce qui les rend adaptés aux lectures longues et/ou en paires.

Appel de pics : L'étape d'identification des pics se concentre sur la reconnaissance des zones d'interaction riche entre les protéines et l'ADN à travers le génome. MACS2 est un outil couramment utilisé dans l'analyse des données ChIP-Seq, très efficace pour distinguer les zones amplifiées au sein de ChIP-Seq des données, en raison de son incorporation d'informations génomiques et de modèles statistiques. Cependant, le développement récent de plusieurs outils de détection de pics enrichit le répertoire des méthodes disponibles. Par exemple, SICER est une autre application conçue pour identifier les régions enrichies dans ChIP-Seq Les données. En tenant compte non seulement de la proéminence des pics mais aussi de leur motif de distribution spatiale, SICER peut offrir des résultats plus acceptables par rapport à MACS2 dans certaines circonstances. Certains articles ont suggéré que l'utilisation de bibliothèques d'ADN d'entrée distinctes comme contrôles de fond peut avoir un impact significatif sur la détection des pics. En général, lorsqu'une bibliothèque INPUT-seq avec une profondeur de séquençage plus importante est utilisée pour la normalisation, un plus grand nombre de pics sont identifiés comme statistiquement significatifs, malgré les variations dans l'ampleur des disparités entre différents ensembles de données ChIP. 

Figure 2. Effet de la normalisation avec différents INPUT-seq sur l'appel de pics ChIP-seq. (Ho et al., 2011)

Annotation de Pic : L'annotation fonctionnelle des régions enrichies identifiées est effectuée, y compris la classification fonctionnelle des gènes cibles, des éléments régulateurs, etc. Les outils principalement utilisés à cet effet incluent ChIPseeker et Homer.

Analyse différentielle : Différentes conditions de ChIP-Seq Les données sont comparées pour identifier les différences dans les régions enrichies, afin d'identifier les gènes cibles des facteurs de transcription ou les changements dans la structure de la chromatine. Les principaux outils utilisés incluent DESeq2, edgeR, etc.

Analyse d'enrichissement des ensembles de gènes : Des outils tels que GOseq et ChIP-Enrich sont utilisés pour analyser l'association entre les régions enrichies et des ensembles de gènes spécifiques pour l'annotation fonctionnelle et l'interprétation biologique.

Interprétation et visualisation des résultats : L'interprétation biologique des résultats de l'analyse différentielle et des régions enrichies est effectuée, en vérifiant la cohérence avec les hypothèses de recherche. Enfin, en utilisant des outils tels que IGV (Integrative Genomics Viewer), des packages R (ggplot2, heatmap, etc.), les résultats de ChIP-Seq les données sont visualisées, mettant en avant les régions enrichies, l'annotation des gènes et les résultats de l'analyse différentielle.

Outils d'analyse des données Chip-Seq

Il y a eu un grand effort pour améliorer les outils analytiques utilisés dans l'analyse de ChIP-seq des données, et chaque étape a conduit au développement d'outils logiciels spécialisés. Un sous-ensemble d'outils logiciels disponibles pour la cartographie et l'appel de pics est brièvement listé dans le Tableau 1 (Furey, 2012).

Tableau 1. Un sous-ensemble d'outils logiciels disponibles pour le mapping et l'appel de pics dans l'analyse des données ChIP-seq.

En plus de la détection des régions enrichies ou liées dans ChIP-seq L'analyse des données, une question importante est de déterminer les différences entre les conditions. En raison de la complexité des données ChIP-seq en termes de bruit et de variabilité, la question est particulièrement difficile pour le ChIP-seq. De nombreux outils informatiques différents ont été développés et publiés ces dernières années pour l'analyse différentielle. ChIP-seq analyse. Ces outils montrent d'importantes différences dans leurs configurations algorithmiques, dans le nombre et la taille des régions différentielles détectées (DR), et dans leur champ d'application. La description de 14 outils différents pour l'analyse des données ChIP-seq différentielles est présentée dans le Tableau 2 (Steinhauser et al., 2016).

Tableau 2. Description des différents outils pour l'analyse des données ChIP-seq différentielle.

L'arbre de décision indiquant le choix approprié de l'outil est illustré dans la Figure 3. Le choix de l'outil dépend de plusieurs facteurs : la forme du signal (pics aigus ou enrichissements ChIP larges), la présence de réplicats et la présence d'un ensemble externe de régions d'intérêt. Les outils indiqués en noir donnent de bons résultats avec les paramètres par défaut, tandis que les outils en gris nécessiteraient un réglage plus approfondi des paramètres pour obtenir des résultats optimaux.

Figure 3. Arbre de décision indiquant le choix approprié de l'outil. Adapté de (Steinhauser et al., 2016).

Directives techniques pour l'analyse des données Chip-Seq

Les récentes avancées dans les technologies de séquençage et les analyses nous permettent de traiter des centaines d'échantillons ChIP simultanément. Mais il reste encore quelques problèmes dans l'analyse de ChIP-seq des données, telles que les pics de faux positifs, les lectures mappées multiples et le mauvais chevauchement entre les résultats des algorithmes de détection de pics. Pour obtenir des résultats de haute qualité à partir de l'analyse computationnelle de ChIP-seq des données, certains aspects techniques doivent être pris en compte, qui sont énumérés ci-dessous (Bailey et al., 2013) :

1) Profondeur de séquençage

Analyse efficace de ChIP-seq les données nécessitent une couverture suffisante par des lectures de séquence (profondeur de séquençage). La profondeur de séquençage requise dépend principalement de la taille du génome et du nombre et de la taille des sites de liaison de la protéine.

20 millions de lectures peuvent être adéquates pour les facteurs de transcription mammifères et les modifications de la chromatine qui sont généralement localisées à des sites spécifiques et étroits, tels que les marques d'histones associées aux enhancers (Landt et al., 2012).

Les protéines avec des facteurs plus larges, y compris la plupart des marques d'histones, ou plus de sites de liaison, comme l'ARN Pol II, nécessiteront jusqu'à 60 millions de lectures pour les mammifères. ChIP-seq (Chen et al., 2012).

Les échantillons de contrôle doivent être séquencés de manière significativement plus profonde que les échantillons ChIP.

2) Lire les métriques de cartographie et de qualité

Avant de mapper sur le génome de référence, les lectures doivent être filtrées en appliquant un seuil de qualité.

Il est important de prendre en compte le pourcentage de lectures mappées de manière unique rapporté par les outils de mappage.

3) Appel de pics

L'analyse des données ChIP-seq consiste à prédire les régions du génome où la protéine ChIPée est liée en identifiant des régions avec des pics.

Un équilibre délicat entre la sensibilité et la spécificité dépend du choix d'un algorithme d'appel de pics approprié et d'une méthode de normalisation basée sur le type de protéine ChIPée.

4) Évaluation de la Reproductibilité

Pour garantir la reproductibilité des résultats expérimentaux, au moins deux répliques biologiques de chaque ChIP-seq des expériences sont recommandées pour être réalisées.

La reproductibilité des lectures et des pics identifiés doit être examinée.

5) Analyse de liaison différentielle

Comparatif ChIP-seq L'analyse d'un nombre croissant de régions liées aux protéines dans différentes conditions ou tissus est attendue avec l'augmentation constante des projets de séquençage de nouvelle génération (NGS).

Le calcul direct des régions différemment liées entre les échantillons de traitement sans témoins n'est pas recommandé.

6) Annotation de pic

L'objectif de l'annotation est d'associer le ChIP-seq pics avec des régions génomiques fonctionnellement pertinentes, telles que les promoteurs de gènes, les sites de début de transcription, les régions intergéniques, etc.

7) Analyse des motifs

L'analyse des motifs est utile pour bien plus que simplement identifier le motif de liaison à l'ADN causal dans les pics de ChIP-seq des facteurs de transcription.

Lorsque le motif de la protéine ChIPée est déjà connu, l'analyse du motif fournit une validation du succès de l'expérience.

Application de l'analyse des données ChiP-Seq

ChIP-Seq est une technique largement utilisée dans la recherche biologique. Elle permet de comprendre les interactions protéine-ADN sur la chromatine, éclairant ainsi les mécanismes de régulation des gènes, l'épigénétique et les processus impliqués dans la progression et le développement des maladies. Les déséquilibres épigénétiques entre les états pathologiques et sains peuvent impliquer des modifications des histones et des facteurs de transcription. À ce stade, ChIP-Seq La recherche a été utilisée pour clarifier les pathologies moléculaires du cancer et d'autres maladies. Elle a également des implications potentielles dans l'identification de nouvelles cibles pour le diagnostic et le traitement des maladies.

Figure 4. ChIP-Rx révèle des altérations épigénomiques dans les cellules malades qui répondent au traitement médicamenteux. (Orlando et al., 2014)

ChIP-Seq a également prouvé sa valeur en fournissant des informations sur le rôle des facteurs de transcription lors de la progression de la maladie. Cet outil permet d'identifier les sites de liaison des facteurs de transcription et les régions de régulation des gènes, telles que les sites de modification des histones, plongeant ainsi plus profondément dans la compréhension des mécanismes régissant la régulation des gènes. L'analyse ChIP-Seq peut déterminer les schémas de distribution des modifications des histones et de la méthylation de l'ADN à travers le génome, révélant ainsi des réseaux régulateurs épigénétiques et l'impact de ces modifications sur l'expression des gènes et les fonctions cellulaires. Les résultats de ChIP-Seq sont souvent utilisés dans les annotations fonctionnelles pour déterminer les processus biologiques et les voies dans lesquels les régions régulatrices du génome pourraient participer. Cette perspective clarifie la fonctionnalité biologique des différentes régions génomiques, favorisant notre compréhension des dynamiques cellulaires complexes.

En tant que technique largement appliquée dans divers domaines de la recherche biologique, y compris la biologie du développement, l'oncologie et l'immunologie, Séquençage par immunoprécipitation de la chromatine (ChIP-Seq) offre des aperçus vitaux sur la régulation des gènes et les mécanismes de la maladie. Avec le perfectionnement et l'avancement continus de cette technique, son rôle dans la révélation des mécanismes régulatoires complexes au sein du génome et dans le déchiffrement des voies de la maladie deviendra de plus en plus saillant et omniprésent.

Lecture supplémentaire :

Les avantages et le flux de travail du ChIP-Seq

Références :

1. Bailey, T., Krajewski, P., Ladunga, I., et al. Directives pratiques pour l'analyse complète des données ChIP-seq. PLoS biologie computationnelle, 2013, 9, e1003326.
2. Chen, Y., Negre, N., Li, Q., et al. Évaluation systématique des facteurs influençant la fidélité du ChIP-seq. Méthodes de la nature, 2012, 9, 609-614.
3. Furey, T.S. ChIP-seq et au-delà : nouvelles méthodologies améliorées pour détecter et caractériser les interactions protéine-ADN. Revue de la Nature Génétique, 2012, 13, 840-852.
4. Landt, S.G., Marinov, G.K., Kundaje, A., et al. Directives et pratiques de ChIP-seq des consortiums ENCODE et modENCODE. Recherche génomique, 2012, 22, 1813-1831.
5. Machanick, P., et Bailey, T.L. MEME-ChIP : analyse de motifs dans de grands ensembles de données ADN. Bioinformatique, 2011, 27, 1696-1697.
6. McLean, C.Y., Bristor, D., Hiller, M., et al. GREAT améliore l'interprétation fonctionnelle des régions cis-régulatrices.Biotechnologie de la nature, 2010, 28, 495-501.
7. Nakato, R., et Shirahige, K. Avancées récentes dans l'analyse ChIP-seq : de la gestion de la qualité à l'annotation du génome entier. Briefings en bioinformatique, 2017, 18, 279-290.
8. Steinhauser, S., Kurzawa, N., Eils, R., et Herrmann, C. Une comparaison complète des outils pour l'analyse différentielle de ChIP-seq. Briefings en bioinformatique, 2016, 17, 953-966.
9. Thomas-Chollier, M., Herrmann, C., Defrance, M., Sand, O., Thieffry, D., et van Helden, J. RSAT peak-motifs : analyse de motifs dans des ensembles de données ChIP-seq de taille complète. Recherche sur les acides nucléiques, 2012, 40, e31.
10. Nakato R, Sakata T. Méthodes pour l'analyse ChIP-seq : Un flux de travail pratique et des applications avancées. Méthodes, 2021, 187 : 44-53.
11. Northrup D L, Zhao K. Application de ChIP-Seq et techniques connexes à l'étude de la fonction immunitaire. Immunité, 2011, 34(6) : 830-842.
12. Ho J W K, Bishop E, Karchenko P V, et al. ChIP-chip contre ChIP-seq : leçons pour la conception expérimentale et l'analyse des données. BMC génomique, 2011, 12 : 1-12.
13. Orlando D A, Chen M W, Brown V E, et al. La normalisation quantitative de ChIP-Seq révèle une modulation globale de l'épigénome. Rapports cellulaires, 2014, 9(3) : 1163-1170.