DNA-蛋白质结合序列的精确分析

结合染色质免疫沉淀与NGS,进行全基因组范围内的基因调控研究

染色质免疫沉淀测序(ChIP-Seq)

强大的ChIP测序(ChIP-Seq)方法结合了染色质免疫沉淀(ChIP)分析和测序,可确定全基因组范围内的转录因子和其他蛋白质的DNA结合位点。先按照ChIP的实验方案,使用特异性抗体对DNA结合蛋白进行免疫沉淀。随后,将结合的DNA共沉淀、纯化以及测序。

新一代测序(NGS)在ChIP中的应用有助于研究那些在各种疾病和生物学通路(例如发育和癌症进展)中有作用的基因调控事件。ChIP-Seq可以在全基因组范围内全面分析蛋白与核酸之间的相互作用。

ChIP-Seq包括3个简单步骤

采用无缝的工作流程解决方案来进行全基因组范围内的基因调控研究。

查看推荐工作流程  

芯片和其他研究表观基因组的方法需要来自已知序列的探针,因此它们存在固有的偏差,与之不同的是,ChIP-Seq并不需要先验知识。ChIP-Seq通过大规模平行测序提供全基因组图谱分析,能从多个样本中生成数百万的计数,可经济、精确、无偏差地研究表观遗传模式。其他优势包括:

  • 在任何生物体的整个基因组上捕获转录因子或组蛋白修饰的DNA靶点
  • 定义转录因子结合位点
  • 将RNA测序和甲基化分析结合于一体,揭示基因调控网络
  • 支持多种起始量的DNA样本
ChIP-Seq的优势

ChIP-Seq能鉴定DNA相关蛋白的结合位点,可用于绘制给定蛋白的全局结合位点。ChIP-Seq通常从DNA-蛋白质复合物的交联开始。样本随后片段化并使用核酸外切酶处理以修剪未结合的寡核苷酸。使用蛋白质特异性抗体进行DNA-蛋白质复合物的免疫沉淀。提取DNA并测序,提供蛋白质结合位点的高分辨率序列。

ChIP-Seq流程
NGS为生物标记的发现提供了宝贵信息
乳腺癌

研究人员使用ChIP-Seq、RNA-Seq和外显子组测序来研究与癌症相关的基因表达图谱,发现生物标记。

阅读访谈录
探索未知:NGS支持物种研究
海洋物种研究

OIST的研究人员使用Illumina NGS技术对多种海洋和陆地物种进行了测序。该研究所提供多种服务,例如从头测序、ChIP-Seq和RNA-Seq。

阅读访谈录

Illumina边合成边测序(SBS)技术是广泛采用的NGS技术,产生了全世界约90%的测序数据。*

除了业界领先的数据质量,Illumina还提供集成的工作流程,简化了从文库制备到数据分析的测序过程。

点击下方的查看工作流程各步骤所使用的产品。

TruSeq ChIP Library Prep Kit
提供了一种简单、经济高效的解决方案,用于从ChIP来源的DNA中制备ChIP-Seq文库。
MiSeq系统

集中力量,每次运行可对1–6个ChIP-Seq样本进行测序。

NextSeq 550系统

灵活性强,可同时对8–24个ChIP-Seq样本进行测序。

NovaSeq 6000系统

无论何种基因组、何种测序方法和项目规模都有可扩展的通量,灵活简便。

HiSeq 4000系统

产量高,根据目标蛋白的不同,可同时对4–150个ChIP-Seq样本进行测序。

平台比较工具

比较测序平台,找到适合您实验室和应用的最佳系统。

测序试剂

找到包含为Illumina测序系统量身定制的测序试剂、流动槽和/或缓冲液的试剂盒。

注意:ChIP-Seq对于高度靶向的转录因子可能只需要少量的read(500-1500万),而对于纯化普遍存在的蛋白,例如组蛋白标记,则需要更多的read(5000万)。

BaseSpace ChIP-Seq App

使用MACS2鉴定转录因子结合位点,使用HOMER发现峰内基序。

Genomatix Pathway System (GePS)

通路、网络和过程的生成与可视化。

BaseSpace Sequence Hub

用于NGS数据分析和管理的Illumina基因组学计算环境。

BaseSpace Correlation Engine

不断增长的经审核的基因组数据库,可在鉴定疾病机制、药物靶点和生物标记方面为研究人员提供有力支持。

Optimal Cluster Density Best Practices

Watch Illumina scientists discuss how over- and underclustering can affect your sequencing data. Learn about common clustering issues and ways to prevent them.

View Video
How to Achieve Consistent Cluster Density

Cluster density has a significant impact on run performance, specifically data quality and total output. Learn how to achieve more consistent cluster densities.

Read Bulletin
癌症表观遗传学
癌症表观遗传学

癌症表观遗传学变化的研究(如异常甲基化和转录因子结合改变)可以提供对重要致癌通路的了解。深入了解癌症表观遗传学。

基因表达分析
基因表达分析

基因表达研究有助于了解基因组和环境变化如何导致各种疾病。了解如何进行基因表达分析

染色质可及性分析
ATAC-Seq

ATAC-Seq是一种在全基因组范围内检测染色质可及性的常用方法。后续的实验通常包括ChIP-Seq、Methyl-Seq或Hi-C-Seq。深入了解ATAC-Seq

甲基化测序
甲基化测序

基于NGS的甲基化测序方法具有许多优点,包括能够在单核苷酸水平上分析甲基化模式。深入了解甲基化测序

Myc在细胞生长控制和淋巴瘤发生中进行的选择性转录调控。

研究人员使用Illumina测序技术在B细胞淋巴瘤发生过程中进行了全基因组染色质免疫沉淀和RNA表达图谱分析。

阅读文献
霍乱弧菌类组蛋白拟核构造蛋白(H-NS)的RNA-Seq分析和全基因组DNA结合分析。

作者利用Illumina测序进行了差异RNA-seq,使用抗FLAG M2单克隆抗体进行了染色质免疫沉淀测序。

阅读文献
ChIP-Seq和芯片揭示了Sox9控制的癌症特异性基因网络

转录分析和体内ChIP-Seq研究揭示了由Sox9调控的癌症特异性基因网络,该网络将肿瘤的发生与浸润联系在了一起。

阅读文献
《Nature》表观基因组路线图
Nature》表观基因组路线图

NIH的表观基因组路线图着重介绍了描述了原代人类组织和细胞的表观基因组谱图的研究。

了解更多
表观基因组蓝图项目(Blueprint Epigenome Project)
表观基因组蓝图项目(Blueprint Epigenome Project)

表观基因组蓝图项目是一个欧洲的研究项目,它采用了功能基因组分析来了解人类表观基因组。

了解更多
ChIP-Seq数据分析
ChIP-Seq数据分析

本技术说明介绍了一种简单的ChIP-Seq数据集分析方法。

查看PDF
ERα结合部位的ChIP-Seq分析
ERα结合部位的ChIP-Seq分析

拉德堡德大学的研究人员描述了一种分析雌激素受体α结合位点的ChIP-Seq方法。

查看PDF

*根据Illumina公司2015年存档数据计算