Per molti anni c'è stato un bisogno insoddisfatto per identificare l'insieme di geni legati e regolata da una proteina determinato genoma, in particolare quelli della classe fattore di trascrizione.
Odom et al. 1 usato immunoprecipitazione della cromatina (ChIP) in combinazione con microarrays promotore per identificare sistematicamente i geni occupati dai regolatori trascrizionali pre-specificati, in fegato umano e di isole pancreatiche. Successivamente, Johnson et al. 2 sviluppato un saggio di immunoprecipitazione della cromatina larga scala basata sul sequenziamento del DNA ultra high throughput diretto (ChIP-seq) per mappare completo interazioni proteina-DNA in interi genomi dei mammiferi. Come banco di prova, hanno mappato in vivo il legame del fattore silenziatore neurone-restrittivo (NRSF) a 1946 posizioni nel genoma umano. I dati visualizzati forte risoluzione di posizione di rilegatura (+ 50 paia di basi), che ha facilitato sia l'isolation di motivi e l'identificazione di motivi NRSF vincolanti. Questi dati di ChIP-Seq avevano anche elevata sensibilità e specificità e confidenza statistica (P <10 -4), proprietà che sono importanti per inferire nuove interazioni candidati.
Robertson et al. 3 utilizzato anche ChIP-seq, al fine di mappare STAT1 obiettivi in interferone-γ (IFN-γ)-stimolato e non stimolate le cellule HeLa S3 umane in vivo. Da Chip-Seq, con 15,1 e 12,9 milioni di sequenza mappata univocamente legge, e un tasso stimato falsa scoperta di meno di 0.001, hanno identificato 41.582 e 11.004 putative regioni STAT1 vincolanti in cellule stimolate e non stimolate, rispettivamente. Dei 34 loci noti per contenere STAT1 interferone-reattiva siti 4-8 vincolante, ChIP-seq trovato 24 (71%). Obiettivi di ChIP-Seq sono stati arricchiti in sequenze simili a note STAT1 motivi di legame. Confronti con due dati di ChIP-PCR esistenti set suggeritiche la sensibilità ChIP-seq era tra il 70% e il 92% e la specificità era almeno il 95%. Inoltre, era chiaro che ChIP-seq offre sia a bassa complessità analitica e la sensibilità che aumenta con la profondità di sequenziamento.
Come tecnologie come, del genoma "nuova generazione" di sequenziamento forniscono 1-2 ordini di grandezza della quantità di sequenza che può essere costo-efficace generato più vecchie tecnologie 9. Metodi di ChIP-Seq quindi forniscono direttamente la copertura dell'intero genoma per un efficace profiling delle interazioni proteina-DNA di mammifero 3.
Nel 2006, una forte associazione di varianti del fattore di trascrizione 7-like 2 (TCF7L2) gene con diabete di tipo 2 è stato scoperto 10. Altri ricercatori hanno già replicato indipendentemente questo risultato in diverse etnie e, curiosamente, dai primi studi di associazione genome-wide di diabete di tipo 2 pubblicati su Nature 11,12 , Scienza 13-15 e altrove 16,17, l'associazione più forte era effettivamente con TCF7L2, questo è ormai considerata la più significativa scoperta genetica nel diabete di tipo 2 a data 18-20. Inoltre, TCF7L2 è stato collegato al rischio di cancro 21,22, anzi, questa connessione è diventato più evidente quando il locus 8q24 rivelato da genoma ampi studi di associazione di un certo numero di tumori, tra carcinomi colorettali, ha dimostrato di essere dovuto ad un estremo a monte elemento TCF7L2 vincolante guida la trascrizione di MYC 23,24. Come tale, non vi è un grande interesse per la determinazione dei geni a valle regolati da questo fattore di trascrizione chiave.
Sulla base dell'esperienza con TCF7L2 come un esempio della metodologia, questo documento descrive come generare modello di DNA chip ad alta qualità. Chip è stato effettuato nella linea cellulare di carcinoma colorettale, HCT116, per la successiva sequenza per costruire un alto risolution mappa dei geni legati da TCF7L2 25 nel tentativo di dare una visione più completa per il suo ruolo chiave nella patogenesi di tratti complessi.