$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Profils de Digestion de la chromatine
Optimisation de la digestion MNase est essentielle pour la réussite de ce protocole. Il est essentiel pour générer un profil de digestion dominé par taille de fragment unique nucléosome, alors pas trop digérée, permettant la récupération de fragments de nucléosomes ordre plus élevés. Un profil idéal de la digestion se compose d’une majorité des fragments du nucléosome seule une petite fraction représentant des fragments inférieures et supérieures à nucléosomes unique. Figure 1 montre des exemples d’un profils de distribution de taille idéale, trop digérée et sous-digéré. Notez que digestion optimale de la chromatine est également apparente dans le profil de la bibliothèque de séquençage produit de la matière de la propriété intellectuelle (Figure 2).
Validation de la qualité de bibliothèque ndChIP-seq par qPCR
qPCR est une méthode bien établie pour l’évaluation de la qualité de la puce18,19,20. Quelle scène ndChIP-seq sur 10 000 cellules le rendement en acide nucléique après IP sera inférieure à 1 ng. Par conséquent, il est essentiel d’effectuer qPCR après la construction de la bibliothèque afin d’évaluer l’enrichissement relatif des régions cibles sur fond. Pour fournir une estimation de l’arrière-plan, bibliothèques construites de la chromatine MNase digéré (Input) sont générés. Pour chaque bibliothèque de propriété intellectuelle, deux ensembles d’amorces sont nécessaires (voir importation supplémentairetableau 3 pour obtenir la liste des amorces pour les marques de l’histone couramment utilisés). Un ensemble d’apprêt doit être spécifique pour une région génomique qui est constamment associée à la modification des histones d’intérêt (cible positif) et un autre qui n’est pas marqué avec la modification des histones d’intérêt (cible négatif). On évaluera la qualité de la bibliothèque de ChIP-seq que pli enrichissement en ce qui concerne la bibliothèque d’entrée. Enrichissement de pli peut être calculée selon l’équation suivante qui suppose une amplification exponentielle de la région génomique de la cible : 2Ctd’entrée-CtIP. Notre coutume progiciel statistique R, qcQpcr_v1.2, est adapté à l’analyse de l’enrichissement de qPCR de bibliothèques d’entrée faibles natives de ChIP-seq (Les fichiers de Code supplémentaires). La figure 3 représente un résultat de qPCR pour les bibliothèques de ChIP-seq réussies et ratées. La valeur de l’enrichissement pli attendue minimale pour les bibliothèques de ndChIP-seq de bonne qualité sont 16 marques étroits, tels que H3K4me3 et 7 pour les grandes marques, par exemple H3K27me3.
Modélisation MNase accessibilité
Analyse computationnelle de ChIP-seq est complexe et unique pour chaque paramètre expérimental. Un ensemble de lignes directrices établies par le Consortium International d’épigénomique humaine (IHEC) et l’Encyclopédie d’ADN éléments (Encoder) peut être utilisé pour évaluer la qualité du ChIP-seq bibliothèques21. Il est important de noter que la profondeur de séquençage des bibliothèques impact sur la détection et la résolution des régions enrichi de20. Le nombre de pics détectés augmentation et aborde un plateau que la profondeur augmente. Nous vous recommandons ndChIP-seq bibliothèques à séquencer selon les recommandations de l’IHEC de 50 millions jumelé-lectures (fragments de 25 millions) pour les marques étroits (par exemple, H3K4me3) et 100 millions jumelé-lectures (fragments de 50 millions) pour les grandes marques ( par exemple, H3K27me3) et d’entrée de22. Ces profondeurs de séquençage fournissent suffisamment alignements de séquences pour la détection des pics plus importants en utilisant largement utilisé des appelants de pic de ChIP-seq, comme MACS2 et HOMER, sans atteindre la saturation23,24. Une bibliothèque de mammifères ndChIP-seq de haute qualité a un taux double de PCR de < référence et 10 % du taux d’alignement à génome de > 90 % (y compris les lectures dupliqués). Bibliothèques de succès ndChIP-seq contiendra replications hautement corrélées avec une partie importante (> 40 %) des pics de lectures alignés dans MACS222 identifié enrichis et inspection des lectures alignés sur un navigateur de génome devrait révéler visuellement enrichissements détectables par rapport à la bibliothèque d’entrée (Figure 4). En outre, ndChIP-seq peut être utilisé pour évaluer la densité du nucléosome en utilisant un algorithme de distribution de mélange gaussien (w1 * n(x; Μ 1,σ1) + w2 * n(x, μ2σ2) = 1) à MACS2 identifié enrichi de régions à densité de nucléosomes modèle tel que défini par MNase limites accessibles. Dans ce modèle, w1 représente le poids de distribution mono-nucléosomes et w2 représente le poids de distribution di-nucléosomes. Où w1 est supérieur à o2, il y a prédominance des fragments de mono-nucléosomes et vice versa. Cette analyse exige que bibliothèques être séquencé dans un mode jumelé-fin afin que la taille du fragment peut être définie. Afin d’appliquer l’algorithme de distribution de mélange gaussien, régions enrichies statistiquement significatives sont tout d’abord identifiées. Nous vous suggérons d’appeler de la PIC avec MACS2 utilisant l’entrée sous forme de contrôle et avec les paramètres par défaut pour les marques étroits et un seuil de valeur de q de 0,01 pour les grandes marques. Un certain nombre de paquets statistiques utilisant un algorithme de mélange gaussien distribution est disponible auprès des progiciels statistiques largement utilisé. Utilisant la taille de fragment moyenne, déterminée par les frontières lire jumelé-fin des échantillons IPed, distributions en MACS2 identifié promoteurs enrichis et un algorithme de distribution gaussienne de mélange peut être appliqué à chaque porteur de projet en utilisant le paquet R-statistiques Mclust version 3.025 pour calculer une distribution pondérée. Dans cette application, nous vous recommandons d’éliminer les promoteurs contenant moins de 30 fragments alignés parce qu’au-dessous de ce seuil, le poids qui en résulte des estimations devient peu fiables. Une bibliothèque de bonne qualité ndChIP-seq génère une distribution gaussienne de mélange qui se composent de deux composants principaux avec des valeurs moyennes correspondant à mono-, longueur de fragment de di-nucléosomes.

Figure 1 : Évaluation de la digestion MNase avant la génération de la bibliothèque. Électrophorèse capillaire puce analyseur profils d’un MNase optimale digérés (A), sous-digérés (B) et trop digéré la chromatine (C). Réplicats biologiques sont affichés sous forme de traces bleues, rouges et verts. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 2 : Évaluation de digestion MNase après génération bibliothèque. (A) poster des profilés de construction bibliothèque d’entrée optimale digérée (réplicats biologiques ; rouge, vert, noir) et IP (réplicats biologiques ; cyan, violet, bleu) et (B) apport sous-optimal (réplicats biologiques ; rouge, vert, bleu) et IP ( réplicats biologiques ; bibliothèques de cyan, violets, orange). S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 3 : Post construction bibliothèque PCR quantitative peut être utilisé pour évaluer la qualité des bibliothèques ndChIP-seq. Enrichissement du pli des bibliothèques H3K4me3 IP en ce qui concerne les bibliothèques d’entrée équivaut à 2(Ct d’entrée - Ct de la propriété intellectuelle) pour des objectifs positifs et négatifs à l’aide de qcQpcr_v1.2. S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.

Figure 4 : Bibliothèque représentant ndChIP-seq, construit à partir de 10 000 CD34 primaire+ des cellules de sang de cordon. Corrélation de Pearson de H3K4me3 de signal (lectures par million lectures mappés) calculé dans les promoteurs (TSS +/-2 Ko) entre 3 réplicats biologiques, répliquer (A) 1 et 2, (B) reproduire 1 et 3, répliquer (C) 2 et 3. (D) UCSC affichage du pôle de gène HOXA de ChIP-seq réticulé issues de 1 million de cellules par IP, ndChIP-seq réussie de 10 000 cellules par IP et ndChIP-seq infructueuse de 10 000 cellules par IP. (rouge : H3K27me3, vert : H3K4me3 et le noir : Input). (E) Fraction mappé se lit dans MACS2 identifié des régions enrichies de H3K4me3 (noir) et H3K27me3 (gris). S’il vous plaît cliquez ici pour visionner une version agrandie de cette figure.
| Composition du tampon |
| A.1. tampon immunoprécipitation (IP) |
| 20 millimètres Tris-HCl pH 7.5 |
| 2 mM EDTA |
| NaCl 150 mM |
| 0,1 % Triton X-100 |
| 0,1 % désoxycholate |
| Butyrate de Sodium 10 mM |
| A.2. tampon de lavage sel de faible |
| 20 millimètres Tris-HCl pH 8,0 |
| 2 mM EDTA |
| NaCl 150 mM |
| 1 % Triton X-100 |
| 0,1 SDS % |
| A.3. tampon de lavage sel élevé |
| 20 millimètres Tris-HCl pH 8,0 |
| 2 mM EDTA |
| 500 mM NaCl |
| 1 % Triton X-100 |
| 0,1 SDS % |
| A.4. tampon d’élution de la puce |
| 100 mM NaHCO3
|
| 1 % SDS |
| A.5. 1 x tampon de lyse – 1 mL |
| 0,1 % Triton |
| 0,1 % désoxycholate |
| Butyrate de Sodium 10 mM |
| A.6. tampon de dilution Ab |
| 0,05 % (p/v) d’Azide de |
| 0.05 % large spectre antimicrobien (p. ex. ProClin 300) |
| dans du PBS |
| A.7. 30 % PEG / 1M NaCl Solution perle magnétique (référence16) |
| 30 % PEG |
| 1 M NaCl |
| 10 mM Tris HCl, pH 7.5 |
| EDTA 1 mM |
| 1 mL de perles Super paramagnétiques lavés |
| A.8. 20 % PEG / 1M NaCl Solution perle magnétique (référence16) |
| 30 % PEG |
| 1 M NaCl |
| 10 mM Tris HCl, pH 7.5 |
| EDTA 1 mM |
| 1 mL de perles Super paramagnétiques lavés |
Tableau 1 : composition du tampon ndChIP-seq.
| Modification des histones | Concentration (µg/µL) |
| H3K4me3 | 0,125 |
| H3K4me1 | 0.25 |
| H3K27me3 | 0,125 |
| H3K9me3 | 0,125 |
| H3K36me3 | 0,125 |
| H3K27ac | 0,125 |
Tableau 2 : Montant de l’anticorps requis pour ndChIP-suiv.
| Reganet | Volume (µL) |
| Eau ultrapure | 478 |
| 1 M Tris-HCl pH 7.5 | 10 |
| 0,5 EDTA M | 10 |
| 5 M NaCl | 2 |
| Glycérol | 500 |
| Volume total | 1 000 |
Tableau 3 : Recette de tampon de dilution MNase.
| Réactif | Volume (µL) |
| Eau ultrapure | 13 |
| 20 mM TNT | 1 |
| 10 x MNase tampon | 4 |
| 20 U/µl Mnase | 2 |
| Volume total | 20 |
Tableau 4 : Recette pour MNase Master Mix.
| Réactif | Volume (µL) |
| Tampon d’élution | 30 |
| Mémoire tampon G2 | 8 |
| Protéase | 2 |
| Volume total | 40 |
Tableau 5 : Recette du mélange réactionnel de Purification de l’ADN.
| Réactif | Volume (µL) |
| Eau ultrapure | 3.3 |
| 10 x tampon endonucléase de Restriction (par exemple NEBuffer) | 5 |
| 25 mM ATP | 2 |
| dNTPs 10 mM | 2 |
| T4 Polynucléotide Kinase (10 U/µl) | 1 |
| T4 ADN polymérase (3 U/µl) | 1.5 |
| ADN polymérase I, gros (Klenow) Fragment (5 U/µl) | 0,2 |
| Volume total | 15 |
Tableau 6 : Recette pour fin réparation Master Mix.
| Réactif | Volume (µL) |
| Eau ultrapure | 8 |
| 10 x tampon endonucléase de Restriction (par exemple NEBuffer) | 5 |
| dATP 10 mM | 1 |
| Klenow (3' - 5' exo-) | 1 |
| Volume total | 15 |
Tableau 7 : Recette de Mix Master A-Tailing.
| Réactif | Volume (µL) |
| Eau ultrapure | 4.3 |
| 5 x tampon ligature rapide | 12 |
| T4 DNA ligase (2000 U/µl) | 6.7 |
| Volume total | 23 |
Tableau 8 : Recette pour adaptateur ligature Master Mix.
| Réactif | Volume (µL) |
| Eau ultrapure | 7 |
| 25 uM amorce PCR 1.0 | 2 |
| 5 x tampon HF | 12 |
| DMSO | 1.5 |
| ADN polymérase | 0,5 |
| Volume total | 23 |
Tableau 9 : Recette pour PCR Master Mix.
| Temprature (° C) | Durée (s) | Nombre de Cycles |
| 98 | 60 | 1 |
| 98 | 30 | |
| 65 | 15 | 10 |
| 72 | 15 | |
| 72 | 300 | 1 |
| 4 | Maintenez | Maintenez |
Tableau 10 : PCR exécuter la méthode.
| Oligo | Séquence | Modification |
| PE_adapter 1 | 5'-/ 5Phos/GAT CGG AAG AGC GGT TCA GCA GGA ATG GCC AG -3 ' | 5' modification : Phosphorylation |
| PE_adapter 2 | 5' - ACA CCT TTT CCC TAC NOC NOC CCT TTC CGA TC * T - 3' | 3' modification : * T est une liaison phosphorothioate |
Supplemental tableau 1 : Les séquences de Oligo pour génération d’adaptateur de PE.
| Nom de l’apprêt | Séquence | Index | IndexRevC (à utiliser pour le séquencement) |
| Amorce d’indexation inverse PCR 1 | CAAGCAGAAGACGGCATACGAGATCGTGATCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | CGTGAT | atcacg |
| Amorce d’indexation inverse PCR 2 | CAAGCAGAAGACGGCATACGAGATCTGATCCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | CTGATC | gatcag |
| Amorce d’indexation inverse PCR 3 | CAAGCAGAAGACGGCATACGAGATGGGGTTCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | GGGGTT | aacccc |
| Amorce d’indexation inverse PCR 4 | CAAGCAGAAGACGGCATACGAGATCTGGGTCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | CTGGGT | acccag |
| Amorce d’indexation inverse PCR 5 | CAAGCAGAAGACGGCATACGAGATAGCGCTCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | AGCGCT | agcgct |
| Amorce d’indexation inverse PCR 6 | CAAGCAGAAGACGGCATACGAGATCTTTTGCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | CTTTTG | caaaag |
| Amorce d’indexation inverse PCR 7 | CAAGCAGAAGACGGCATACGAGATTGTTGGCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | TGTTGG | ccaaca |
| Amorce d’indexation inverse PCR 8 | CAAGCAGAAGACGGCATACGAGATAGCTAGCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | AGCTAG | ctagct |
| Amorce d’indexation inverse PCR 9 | CAAGCAGAAGACGGCATACGAGATAGCATCCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | AGCATC | gatgct |
| Amorce d’indexation inverse PCR 10 | CAAGCAGAAGACGGCATACGAGATCGATTACGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | CGATTA | taatcg |
| Amorce d’indexation inverse PCR 11 | CAAGCAGAAGACGGCATACGAGATCATTCACGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | CATTCA | tgaatg |
| Amorce d’indexation inverse PCR 12 | CAAGCAGAAGACGGCATACGAGATGGAACTCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | GGAACT | agttcc |
| Amorce d’indexation inverse PCR 13 | CAAGCAGAAGACGGCATACGAGATACATCGCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | ACATCG | cgatgt |
| Amorce d’indexation inverse PCR 14 | CAAGCAGAAGACGGCATACGAGATAAGCTACGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | AAGCTA | tagctt |
| Amorce d’indexation inverse PCR 15 | CAAGCAGAAGACGGCATACGAGATCAAGTTCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | CAAGTT | aacttg |
| Amorce d’indexation inverse PCR 16 | CAAGCAGAAGACGGCATACGAGATGCCGGTCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | GCCGGT | accggc |
| Amorce d’indexation inverse PCR 17 | CAAGCAGAAGACGGCATACGAGATCGGCCTCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | CGGCCT | aggccg |
| Amorce d’indexation inverse PCR 18 | CAAGCAGAAGACGGCATACGAGATTAGTTGCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | TAGTTG | caacta |
| Amorce d’indexation inverse PCR 19 | CAAGCAGAAGACGGCATACGAGATGCGTGGCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | GCGTGG | ccacgc |
| Amorce d’indexation inverse PCR 20 | CAAGCAGAAGACGGCATACGAGATGTATAGCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | GTATAG | ctatac |
| Amorce d’indexation inverse PCR 21 | CAAGCAGAAGACGGCATACGAGATCCTTGCCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | CCTTGC | gcaagg |
| Amorce d’indexation inverse PCR 22 | CAAGCAGAAGACGGCATACGAGATGCTGTACGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | GCTGTA | tacagc |
| Amorce d’indexation inverse PCR 23 | CAAGCAGAAGACGGCATACGAGATATGGCACGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | ATGGCA | tgccat |
| Amorce d’indexation inverse PCR 24 | CAAGCAGAAGACGGCATACGAGATTGACATCGGTCTCGGCATTCCTGCTGAACCGCTCTTCCGATCT | TGACAT | atgtca |
La Table 2 : PCR inverse indexation des séquences d’amorces.
| Amorces | Séquence |
| ZNF333_genic_H3K9me3_F | 5'-AGCCTTCAATCAGCCATCATCCCT-3' |
| ZNF333_genic_H3K9me3_R | 5'-TCTGGTATGGGTTCGCAGATGTGT-3' |
| HOXA9-10_F | 5'-ACTGAAGTAATGAAGGCAGTGTCGT-3' |
| HOXA9-10_R | 5'-GCAGCAYCAGAACTGGTCGGTG-3' |
| GAPDH_genic_H3K36me3_F | 5'-AGGCAACTAGGATGGTGTGG-3' |
| GAPDH_genic_H3K36me3_R | 5'-TTGATTTTGGAGGGATCTCG-3' |
| GAPDH.-F. | 5'-TACTAGCGGTTTTACGGGCG-3' |
| GAPDH.-R. | 5'-TCGAACAGGAGGAGCAGAGAGCGA-3' |
| Modification des histones | Objectif positif | Cible de négatif |
| H3K4me3 | GAPDH | HOXA9-10 |
| H3K4me1 | GAPDH_genic | ZNF333 |
| H3K27me3 | HOXA9-10 | ZNF333 |
| H3K27ac | GAPDH | ZNF333 |
| H3K9me3 | ZNF333 | HOXA9-10 |
| H3K36me3 | GAPDH_genic | ZNF333 |
Supplemental tableau 3 : Liste des amorces pour les marques de l’histone couramment utilisés (H3K4me3, H3K4me1, H3K27me3, H3K27ac, H3K9me3 et H3K36me3).
Supplémentaire 1 fichier : feuille de calcul ndChIP-seq. S’il vous plaît cliquez ici pour télécharger ce fichier.
Les fichiers de Code supplémentaires : qcQpcr_v1.2. R progiciel statistique pour l’analyse d’enrichissement qPCR de faible entrées bibliothèques natives de ChIP-seq. S’il vous plaît cliquez ici pour télécharger ce fichier.