数据收集与配对筛选
构建用于分析转录因子结合差异的ChIP-seq配对数据集。
从GTRD数据库下载ChIP-seq数据，使用UniBind p值筛选高质量实验，通过Jaccard距离和层次聚类选择具有显著结合差异的配对。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
TFscope：系统分析参与转录因子结合偏好的序列特征
TFscope: systematic analysis of the sequence features involved in the binding preferences of transcription factors
实验完整度
中方法基于公开ChIP-seq数据，进行了大规模配对分析，包括细胞类型、处理和旁系同源TF比较，并验证了模型准确性，但属计算方法研究，缺乏湿实验功能验证。
主要模型
人类细胞系（如HepG2、K562、MCF7等）的ChIP-seq数据 小鼠细胞系SKH1和U937的ChIP-seq数据 旁系同源TF FOSL1/FOSL2、AR/NR3C1的ChIP-seq数据
重点核对
272对细胞类型ChIP-seq数据的筛选标准（UniBind p值） 79对处理ChIP-seq数据的筛选标准（同一研究、排除时程） JASPAR2020数据库基序 FIMO工具和峰值重定位设置 模型训练与测试集划分比例（70%训练，30%测试）
摘要
表征转录因子（TF）在不同细胞类型和条件下的结合偏好是理解它们如何协调基因表达的关键。在这里，我们开发了TFscope，一种机器学习方法，用于识别解释在两个ChIP-seq实验之间观察到的结合差异的序列特征，这些实验要么靶向同一TF在两种条件下，要么靶向具有相似基序的两个TF（旁系同源TF）。TFscope系统地研究了核心基序、核苷酸环境和辅因子基序的差异，并提供了每个关键特征在两个实验中的贡献。TFscope应用于超过305个ChIP-seq配对，并讨论了一些例子。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 需要识别哪些序列特征（核心基序、核苷酸环境、辅因子）解释了同一TF在不同细胞类型或处理、或不同旁系同源TF之间的结合差异。
- 核心机制
- 辅因子（及其位置）是细胞类型结合差异中最常见的决定因素；对于旁系同源TF，核心基序的细微差异（如特定位置的核苷酸偏好）是主要解释；核苷酸环境（如A/T富集、特定二核苷酸）在某些情况下（如CTCF）也起重要作用。
- 主要证据
- 基于大规模ChIP-seq配对（272对细胞类型，79对处理，若干旁系同源TF）的机器学习分析，TFscope模型准确区分差异结合位点，并鉴定出相关辅因子（如FOS对JunD，NF-κB对NR3C1）和基序偏好，且辅因子表达水平与结合差异相关。
- 研究意义
- TFscope提供了一种可解释的方法来系统性地阐明转录因子结合特异性的序列决定因素，有助于理解基因调控机制，并可能为疾病机制研究提供线索。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
序列提取与比对
将ChIP-seq峰对齐到最可能的转录因子结合位点，以便提取特征。
使用JASPAR PWM通过FIMO扫描峰附近序列，选择最佳结合位点作为锚点，提取以锚点为中心的1kb序列，去除无基序序列，并平衡两类序列数量。
特征提取
从序列中提取三类可能的判别特征：核心基序、核苷酸环境、辅因子。
使用TFscope-DM学习判别性PWM，TFscope-NE提取差异性的k-mer区域频率，TFscope-CF识别差异性的辅因子PWM和区域。
模型训练与评估
整合三类特征，训练分类模型以区分两个ChIP-seq实验的结合位点，并评估特征重要性。
将DM、NE、CF变量合并，使用LASSO正则化的逻辑回归模型训练，通过AUROC评估预测能力，并通过移除不同特征计算AUROC损失来衡量特征重要性。
大规模应用与验证
验证TFscope在不同情境下的适用性和准确性，并总结结合差异的规律。
对272对细胞类型、79对处理和若干旁系同源TF进行全流程分析，比较不同模型（如仅用核心基序，不含某些特征）的效果，并通过聚类总结特征使用模式。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 数据选择 | ChIP-seq数据的来源（GTRD）、UniBind p值阈值（<1%）、Jaccard距离和层次聚类参数 阅读提示：Material and methods: Selection of 272 ChIP-seq pairs |
| 序列提取与比对 | JASPAR PWM版本选择、FIMO参数、1kb序列提取、平衡策略 阅读提示：Material and methods: Sequence extraction and alignment |
| 特征提取 | TFscope-DM的序列长度、TFscope-NE的k-mer长度和bin数、TFscope-CF的bin数和PWM库 阅读提示：Material and methods: TFscope-DM, TFscope-NE, TFscope-CF |
| 模型训练与评估 | 训练/测试集比例（70/30）、LASSO惩罚参数、模型变量选择标准（10个参数） 阅读提示：Material and methods: Measure of variable importance, Model learning |