Przez wiele lat istniała niezaspokojona potrzeba identyfikacji zestawu genów związanych i regulowanych przez dany genom białka, w szczególności tych z klasy czynników transkrypcyjnych.
Odom et al.W badaniu 1 zastosowano immunoprecypitację chromatyny (ChIP) w połączeniu z mikromacierzami promotorów w celu systematycznej identyfikacji genów zajmowanych przez wcześniej określone regulatory transkrypcji w ludzkiej wątrobie i wyspach trzustkowych. Następnie Johnson i wsp.W ramach projektu 2 opracowano zakrojony na szeroką skalę test immunoprecypitacji chromatyny oparty na bezpośrednim sekwencjonowaniu DNA o ultraprzepustowości (ChIP-seq) w celu kompleksowego mapowania interakcji białko-DNA w całych genomach ssaków. W ramach testu zmapowali in vivo wiązanie czynnika tłumika ograniczającego neurony (NRSF) z lokalizacjami w 1946 roku w ludzkim genomie. Dane wykazały wyraźną rozdzielczość pozycji wiązania (+50 par zasad), co ułatwiło zarówno izolację motywów, jak i identyfikację motywów wiążących NRSF. Te dane ChIP-seq miały również wysoką czułość i swoistość oraz pewność statystyczną (P < 10−4), właściwości, które są ważne dla wnioskowania o nowych interakcjach kandydujących.
Robertson et al.W ramach projektu 3 wykorzystano również ChIP-seq w celu mapowania celów STAT1 w stymulowanych interferonem γ (IFN-γ) i niestymulowanych ludzkich komórkach HeLa S3 in vivo. Za pomocą ChIP-seq, wykorzystując 15,1 i 12,9 miliona unikalnie zmapowanych odczytów sekwencji oraz szacowany wskaźnik fałszywych odkryć mniejszy niż 0,001, zidentyfikowali 41 582 i 11 004 przypuszczalne regiony wiążące STAT1 odpowiednio w komórkach stymulowanych i niestymulowanych. Spośród 34 loci, o których wiadomo, że zawierają miejsca wiązania reagujące na interferon STAT14-8, ChIP-seq znalazł 24 (71%). Cele ChIP-seq zostały wzbogacone w sekwencje podobne do znanych motywów wiązania STAT1. Porównania z dwoma istniejącymi zestawami danych ChIP-PCR sugerowały, że czułość ChIP-seq wynosiła od 70% do 92%, a swoistość wynosiła co najmniej 95%. Ponadto było jasne, że ChIP-seq oferuje zarówno niską złożoność analityczną, jak i czułość, która wzrasta wraz z głębokością sekwencjonowania.
W związku z tym, technologie sekwencjonowania genomu "nowej generacji" zapewniają 1-2 rzędy wielkości wzrost ilości sekwencji, która może być efektywnie generowana w porównaniu ze starszymi technologiami9. Metody ChIP-seq zapewniają zatem bezpośrednie pokrycie całego genomu w celu skutecznego profilowania interakcji białko-DNA ssaków3.
W 2006 roku odkryto silne powiązanie wariantów genu czynnika transkrypcyjnego 7-like 2 (TCF7L2) z cukrzycą typu 210. Inni badacze już niezależnie powtórzyli to odkrycie w różnych grupach etnicznych i, co ciekawe, z pierwszych badań asocjacyjnych całego genomu cukrzycy typu 2 opublikowanych w Nature11,12, Science13-15 i gdzie indziej16,17, najsilniejszy związek był rzeczywiście z TCF7L2; Jest to obecnie uważane za najważniejsze odkrycie genetyczne w cukrzycy typu 2 dotej pory w wieku 18-20 lat. Ponadto TCF7L2 został powiązany z ryzykiem zachorowania na raka 21,22; w rzeczywistości związek ten stał się bardziej oczywisty, gdy okazało się, że locus 8q24 ujawniony w badaniach asocjacyjnych całego genomu wielu nowotworów, w tym raka jelita grubego, jest spowodowany ekstremalnym elementem wiążącym TCF7L2 napędzającym transkrypcję MYC23,24. W związku z tym istnieje duże zainteresowanie określeniem dalszych genów regulowanych przez ten kluczowy czynnik transkrypcyjny.
Opierając się na doświadczeniach z TCF7L2 jako przykładem metodologii, ten artykuł opisuje, jak wygenerować wysokiej jakości szablon DNA ChIP. Badanie ChIP przeprowadzono na linii komórkowej raka jelita grubego, HCT116, w celu późniejszego sekwencjonowania w celu zbudowania mapy o wysokiej rozdzielczości genów związanych przez TCF7L225 w celu uzyskania dalszych informacji na temat jego kluczowej roli w patogenezie złożonych cech.