WGBS、转录组、ATAC、ChIP-seq放在一起做，到底能回答什么问题？

随着测序技术的不断发展，多组学联合日益成为解决科研问题的有力工具。但是多组学技术不是简单的“数据越多越好”，它们之间需要从不同的视角相互配合，这样才能把“前因”和“后果”都理清楚，从而解析出单组学看不到的东西。今天我们就来介绍一下WGBS、转录组、ATAC、ChIP-seq/CUT&Tag这几个技术放在一起怎么使用。

一、四类数据分别回答什么问题

在进行联合分析以前，我们需要先知道这四类数据各自能告诉我们。

WGBS看的是DNA上胞嘧啶的甲基化修饰状态。甲基化通常位于基因启动子区域，一般情况下，启动子区域甲基化水平高会抑制转录因子结合，导致基因表达沉默。甲基化水平低会让让染色质更开放，从而更容易结合转录组因子，进而基因表达被激活。但甲基化本身无法告诉你基因的表达是否发生变化。

ATAC-seq 看的是染色质哪些地方是“打开”的。染色质开放的区域，转录因子等蛋白才能进去结合DNA。但染色质开放不等于一定会转录，有些区域可能参与DNA复制或其他生命活动。

RNA-seq（转录组） 看的是哪些基因真的被转录出来。但转录组不告诉我们什么原因导致的基因的表达量会发生变化——是甲基化变了？还是某个转录因子没结合上？

ChIP-seq/CUT&Tag看的是某个转录因子或组蛋白修饰具体结合在基因组的哪些位置。

这几类数据的逻辑关系本质上是递进的：甲基化修饰水平改变→染色质状态改变→转录因子可及性改变→转录表达量改变。

联合分析的核心逻辑就是：沿着这个思路走一遍，看哪个环节出了问题。

二、一个完整的案例：杨树生长发育中的表观调控

北京林业大学杜庆章老师团队2024年发表在New Phytologist上的一项研究Binding of PtoRAP2.12 to demethylated and accessible chromatin regions in the PtoGntK promoter stimulates growth of poplar，完整展示了几个技术联合分析的完美配合。

研究设计：用DNA甲基化抑制剂5-AzaC处理毛白杨的两个品种，然后同时做WGBS、ATAC-seq和RNA-seq。

第一步：看甲基化的变化。 WGBS结果显示，5-AzaC处理后CG、CHG和CHH三种甲基化水平都显著下降，差异甲基化区域主要分布在启动子区域。这就确认了药物确实起到了去甲基化的作用。

第二步：看染色质开放性的变化。 ATAC-seq结果显示，去甲基化后染色质可及性显著增加，同样集中在启动子区域和基因间区。WGBS和ATAC-seq对比分析，发现差异甲基化区域和差异染色质可及性区域在基因组上的分布模式高度相似。这就建立了甲基化→染色质开放性的因果关系。

第三步：看基因表达有没有跟着变。 RNA-seq找到5871个和6493个差异表达基因。三组数据放在一起，鉴定出91个和22个同时受DNA甲基化和染色质可及性共同调控的差异表达基因。

第四步（最关键的一步）：找到具体调控机制。 研究发现一个叫PtoGntK的基因位于一个影响杨树生长的数量性状位点（QTL）上。过表达和CRISPR/Cas9敲除实验都证实这个基因确实影响杨树的高度和茎粗。然后他们进一步验证发现，转录因子PtoRAP2.12能够结合到PtoGntK启动子上一个去甲基化且染色质开放的区域，从而激活该基因的转录。

这条完整的证据链是： 药物去甲基化 → 启动子区域甲基化降低 → 染色质打开 → PtoRAP2.12结合上去 → PtoGntK转录激活 → 杨树长得更高更粗。

如果只做其中任何一种数据，这个故事都讲不完整。 只做WGBS只能看到“甲基化变了”，不知道下游影响了谁；只做RNA-seq只能看到“这些基因变了”，不知道为什么变；只做ATAC只能看到“染色质开了”，不知道谁让它开的、开了之后又怎样。四样放在一起，才把整个调控链条串起来了。

三、另一个视角：HBV整合的转录调控

广西医科大学一项2024年发表在Journal of Medical Virology上的研究Multi-omics panoramic analysis of HBV integration, transcriptional regulation, and epigenetic modifications in PLC/PRF/5 cell line，用多组学技术组合（WGBS + ChIP-seq + ATAC-seq + 转录组）来研究乙肝病毒（HBV）DNA整合到人基因组后的转录调控机制。

ATAC-seq数据显示，染色质可及性对整合HBV DNA的转录影响有限。

WGBS数据显示，整合HBV DNA的甲基化强度与其转录水平高度负相关，相关系数达到了-0.8929（p=0.0123）。

ChIP-seq数据显示，组蛋白修饰H3K4me3（活性标记）和H3K9me3（抑制性标记）也与整合HBV DNA的转录有关。

用药物AzaD处理降低甲基化后，整合HBV DNA的转录水平显著上升。

通过这两个案例我们会看出来一些差异：同样的数据，在不同的生物学问题中扮演的角色完全不同。 在第一个研究里，甲基化→染色质开放→转录是主线；在HBV研究里，甲基化直接抑制转录是主线，染色质可及性是次要因素。联合分析的好处就在于——不预设哪个环节重要，让数据自己说话。

四、联合分析怎么操作：三个层次

第一层：关联分析。 把不同组学的数据放在一起看相关性。比如：某个基因启动子甲基化升高→ATAC信号下降→RNA表达下降。这种“三点一线”是最直接的证据。但关联不等于因果。

第二层：因果推断。 需要引入干预实验。杨树研究里用5-AzaC处理，HBV研究里用AzaD处理，都是通过“改变一个变量，看其他变量怎么变”来建立因果关系。这一层的整合已经不限于测序数据，而是把“数据”和“实验”整合在一起。

第三层：网络构建。 把多个组学的数据输入同一个模型，构建调控网络。比如通过eQTM（表达-数量性状甲基化关联分析）和EWAS（表观全基因组关联研究）来系统鉴定受甲基化调控的基因。杨树研究里就用这个方法找到了61个受DNA甲基化群体水平变异显著影响的基因。

五、联合分析怎么选择

当然，我们做多组学联合的时候不是每一次都需要把四种组学全都做一遍，我们需要视情况而定。

如果我们的问题是“某个基因在疾病中表达变了，想知道为什么变” ——可以先做转录组确认差异，再做ATAC看染色质状态，然后做甲基化看是不是DNA甲基化在调控，最后用ChIP-seq/CUT&Tag验证具体转录因子。

如果我们的问题是“不知道哪个基因是关键，想从全局找线索” ——可以先做ATAC和WGBS，在全基因组范围找到染色质状态和甲基化模式发生显著变化的区域，然后做转录组看这些区域的基因表达是否真的变了。

如果关注的是发育或分化过程中的动态变化 ——需要在多个时间点分别采样，做时间序列的ATAC-seq、RNA-seq和CUT&Tag，最后构建时序调控网络。

核心原则只有一个：先想确认要回答什么问题，再决定从哪个组学切入。

写在最后

多组学不是“做了很多种技术”就够了，而是要把多种数据串成一条能自圆其说的证据链。数据各有用处，但只有串在一起，才能从“描述相关性”走向“解释机制”。

如果您有这方面的需求想探讨，欢迎随时联系我们！