企业官网建设流程全解析

转录因子结合位点研究这行当里，ChIP-seq 几乎成了默认选项。但它真的有传说中那么顺手吗？我在非模式植物上吃过亏：一个转录因子的抗体预约了三个月，供应商中途告诉我做不了；换做 DAP-seq，我只需要把蛋白体外表达出来，加上亲和标签，和基因组 DNA 文库混一混、洗一洗、测一测，就能在全基因组范围内拿到结合位点。DAP-seq 全称 DNA 亲和纯化测序，优势不在于炫技，而在于把传统 ChIP-seq 最大的两个堵点——高质量抗体和体内交联——直接绕开了。这篇文章我会把 DAP-seq 的湿实验和干实验流程掰开揉碎，讲清楚每个环节为什么这么做，以及我实际踩过的坑。无论你是刚进实验室的研究生，还是已经跑过几轮 ChIP-seq 想换方案的老手，我觉得都应该认真比一比 DAP-seq 这个选项。

1. 被 ChIP-seq 的抗体卡住三次之后，我才认真读 DAP-seq 的设计逻辑

1.1 ChIP-seq 在实际项目中到底难在哪

ChIP-seq 的全称是染色质免疫沉淀测序。它的逻辑是在活细胞内用甲醛把蛋白质和 DNA 交联在一起，然后把染色质打断，用针对目标蛋白的抗体把这个蛋白连同它结合的那段 DNA 一起沉淀下来，最后把 DNA 收集起来测序。听起来很顺，真做起来到处都是坎。第一个坎就是抗体。要拿到一支 ChIP 级别的抗体，你得知道这个转录因子的抗原表位，得免疫动物、纯化血清、做 ChIP 级别的验证，整个周期短则三四个月，长则一年；如果碰上同源蛋白多、序列相似度高的情况，抗体特异性还要打折扣。我在一个水稻转录因子上就栽过跟头，抗体公司收了钱先出一版多克隆抗体，结果 ELISA 阳性、ChIP 出来背景比信号还高，换一个单克隆重新排名额，又是三个月。

第二个坎是交联条件。甲醛交联的时间和浓度需要针对每个细胞类型优化，交联不足拉不到靶点，交联过度又会掩盖表位。等你好不容易拿到了好看的峰图，你得到的其实是"在活细胞里该转录因子和这些位点发生过接近"的证据，并不直接等于"该转录因子体外直接结合"。

1.2 DAP-seq 绕开了什么，又保留了什么

DAP-seq 换了一条路。它的核心是把转录因子在体外通过无细胞转录翻译系统表达出来，在蛋白上挂一个亲和标签（比如 HALO 或 GFP），再将这个重组蛋白与一个"已经接好测序接头的基因组 DNA 文库"直接孵育。转录因子会特异性地跟基因组上的目标序列结合，随后用标签对应的磁珠进行亲和纯化，洗掉非特异结合的 DNA，把留下的 DNA 洗脱、扩增、测序。数据就是全基因组上该转录因子的结合位点。

和 ChIP-seq 相比，它最关键的变化是：抗体这一步被标签亲和纯化取代了。一支抗体对应一个蛋白、要单独开发；而 HALO 标签或 GFP 磁珠是通用耗材，谁都能买到，换一个转录因子只需要换表达载体。另一个变化是不需要交联，因为结合反应发生在体外，也就不存在"交联过度导致表位被遮住"的问题。它保留的好处是整套流程仍然在全基因组层面扫描，不需要预知结合基序，依然是无偏的。

当然，DAP-seq 也不是万能药。因为它脱离了活细胞环境，结合位点不受染色质可及性的限制，所以它拿到的是"在裸 DNA 上可能的结合位点"，而不是"细胞内真实占位的位点"。这两者之间有差异，最后要怎么解读，我会在第五章讲验证策略时再说。

1.3 一张表看清 DAP-seq 和 ChIP-seq 的适用边界

这张表是我自己在选择实验方案时反复对照的底稿。如果你的研究问题里，转录因子的体内状态很重要，比如你想看发育过程中蛋白的动态占位，那 ChIP-seq 仍然不可替代；但如果你只需要弄清"这个转录因子能结合哪些位点"，尤其是做非模式物种、或者要大批量筛选多个转录因子时，DAP-seq 的效率优势是很明显的。

2. 湿实验全流程拆解：从收到基因组 DNA 到上机前一刻

DAP-seq 的湿实验流程可以用五步概括：提 DNA、打断加接头、体外表达转录因子、结合纯化、扩增上机。每一步都有一些不能省的小心思，下面按顺序讲。

2.1 基因组 DNA 质量是后续所有环节的地基

DAP-seq 的第一份原料是待研究物种的基因组 DNA，它既要拿来构建文库，也是转录因子结合的靶标。如果 DNA 里带着 RNA、多糖、酚类等杂质，后续的超声断裂效果和连接酶效率都会受影响。

我一般倾向于用改良 CTAB 法抽提，再用试剂盒过柱纯化一次；如果物种组织多糖多，建议加一步高盐沉淀。质量要求大致是：A260/A280 在 1.8~2.0 之间，A260/A230 大于 1.8，电泳显示主带完整且没有明显 RNA 拖尾。拿到高纯度 DNA 后，别忘了做一次 Qubit 精确定量，因为下一步打断需要用固定的起始量，宁可用同样的量和体积多做几个平行管，也不要一把梭把全部 DNA 都丢进同一个管子里。

2.2 片段化与接头连接：这一步的偏差会直接传导到峰值分辨率

片段化这一步决定了最终峰图的分辨率。DAP-seq 通常打断到 200~300 bp 的峰值，这个区间和 ChIP-seq 类似。打断用 Covaris 或 Bioruptor 都可以，关键在于保证平行样品之间的打断条件一致，否则不同样本的片段分布不同，后续峰宽和比对率都会出现人为差异。

打断完成后，先跑胶或拿 Bioanalyzer 确认片段分布，再进入末端修复和加 A 尾，最后连接 Y 型 Illumina 接头。接头连接效率不高的时候，后面 PCR 会出现大量接头二聚体，这个我后面会专门讲。连接产物用 SPRI 磁珠纯化一次，去除没有连接上的接头和短片段。

需要提醒的是，如果你同时做多个转录因子，最好在这一步就把接头连接好的基因组 DNA 文库分装成小管，避免反复冻融。因为后续转录因子结合、洗涤、洗脱的步骤要在同样的 DNA 文库上重复操作，每管冻融一次，文库质量就往下掉一点。

2.3 体外转录翻译：把转录因子蛋白"造"出来

转录因子蛋白在体外怎么造，最常用的是无细胞表达系统。常用的无细胞表达系统主要有两种选择：TNT T7 快速小麦胚芽裂解物系统和兔网织红细胞裂解物系统。小麦胚芽系统对植物转录因子的兼容性普遍不错，表达量高，尤其适合那些带有复杂结构域的真核蛋白；兔网织红细胞系统更便宜、操作快，有些蛋白也能表达得挺好。我习惯先在 10 µL 体系里小筛一轮，用 Western blot 或 Halo 标签荧光底物确认大小对不对、表达量够不够，再放大去跑正式的实验。

表达载体上的标签位置也很关键。转录因子的 DNA 结合域通常靠近 N 端或 C 端，如果标签正好挡在结合域附近，可能会影响 DNA 结合活性。遇到表达量正常但结合效率偏低的蛋白，我第一个会检查的就是标签位置，必要时把 HALO 标签从 N 端换到 C 端再试。

2.4 结合反应与亲和纯化：耐心与严谨都在这一环

转录因子和基因组 DNA 文库的结合反应要在合适的缓冲液里进行。缓冲液里一般会加 poly(dI-dC) 或鲑精 DNA 作为竞争剂，用来吸附那些非特异结合能力强的蛋白和杂质；盐浓度也要控制好，太高会降低特异性结合，太低又容易产生背景。我通常参照原始方案里的结合缓冲液配比，氯化钠浓度设在 50~100 mM 之间，再加 5~10 ng/µL 的 poly(dI-dC)，在室温孵育 1 小时左右。

随后加入 HALO 或抗标签磁珠。HALO 标签与磁珠上的配体是共价结合，结合强度高，后续洗涤可以做得比较充分，这是它的优势；GFP 标签则用抗 GFP 的磁珠，靠抗体抗原亲和作用，洗涤强度要适当温和一点。洗涤一般做 3 次，每次用含有 0.05%~0.1% NP-40 的洗涤缓冲液重悬磁珠，把非特异吸附的 DNA 洗掉。整个过程最怕的是磁珠吸走不干净或重悬不充分，宁可多花费一点时间，也不要"意思意思"转两圈就吸废液。

2.5 洗脱扩增与上机：控制 PCR 轮数，别让噪声盖过信号

洗涤完成后，用洗脱缓冲液把结合在磁珠上的 DNA 洗下来。如果是 HALO 体系，可以用含 SDS 的洗脱液在加热条件下把蛋白-DNA 复合物从磁珠上解离，再用蛋白酶 K 消化掉蛋白，然后过柱回收 DNA。

回收到的 DNA 量通常很少，必须经过 PCR 扩增才能达到上机量。PCR 轮数建议控制在 15~18 轮，不要贪多。每多一轮 PCR，非特异扩增产物占比就会上升，最终测序数据里"背景噪音峰"会明显增加。扩增完后用 SPRI 磁珠做一次双轮筛选，把太长和太短的片段都去掉，上机前再跑一次 Agilent 2100 或 Fragment Analyzer 看文库片段分布，确认主峰在 250~400 bp 之间、没有接头二聚体峰，就可以送测序了。

3. 建库翻车实录：接头二聚体、对照污染和蛋白不表达

这一章写几个我在 DAP-seq 实际建库中踩过、也帮别人排查过的坑，按照"症状—排查链路—解决方案"来写，比直接甩结论更实用。

3.1 接头二聚体：跑胶时那道"明星条带"

做过建库的人都认识接头二聚体：文库片段分布图里本该有一个 250 bp 左右的主峰，结果 120 bp 附近突然冒出一个尖峰，那个小东西就是接头直接互连形成的二聚体。它的危害在于，二聚体片段在测序时会占掉大量有效读数，导致目标数据量打折。

我经历过一次四个平行样本里有三个二聚体峰量都超过主峰量。回头排查发现是两个原因叠加：一是接头连接后 SPRI 磁珠纯化时，磁珠比例偏低，短片段没有被充分去除；二是打断后的 DNA 实际量偏低，导致接头与 DNA 的摩尔比过高，连接产物以接头自身连接为主。

解决方案分两步。第一步是防：打断后必须定量，接头用量按照说明书推荐的摩尔比来，不要直接用"统一体积"的接头硬加；连接后纯化时使用双轮 SPRI 或者按厂家说明书选一个适合 200~300 bp 回收的磁珠比例，把短片段去掉。第二步是救：如果已经发现在 PCR 后二聚体比例很高，可以在纯化阶段做一次 Pippin Prep 或琼脂糖凝胶回收，把 200 bp 以下的部分切掉，再上机。

3.2 DNA 空白对照的"度"：没有对照的峰全是空中楼阁

DAP-seq 的一个关键对照是不加转录因子蛋白、但同样经过结合缓冲液和磁珠处理的基因组 DNA 文库，通常叫 DNA-only 对照或 input 对照。这个对照能反映出磁珠本身吸附了多少非特异 DNA、这些非特异 DNA 在基因组上的分布偏好。不做对照，你调出来的峰很可能有一大半来自磁珠背景，而不是转录因子的真实结合。

我见过不止一个实验室为了省试剂省时间省掉 DNA-only 对照，最后生信阶段峰多得吓人，却没法解释；只能回头补实验，反而耽误了整个项目周期。另外，对照文库要和样本文库用同一批接头连接、同一轮 PCR 扩增，这样对比才有意义。换句话说，对照组不是随便拿个公共基因组 DNA 库就行的，它必须跟你处理的样本经历完全一致的流程。

3.3 无细胞表达蛋白不溶解或表达量低时怎么办

体外表达最常见的失败，是 Western blot 信号很弱，或者蛋白虽然表达但结合实验一直做不出信号。第一种情况可以尝试：调整模板 DNA 用量、更换表达系统、延长表达时间、降低表达温度；第二种情况优先检查标签位置，或使用截短的 DNA 结合结构域替代全长蛋白。

一个实操技巧是：在正式建库之前，先做一次小规模 pull-down 再加 qPCR 验证，用已知结合位点引物检测信噪比。比如某个转录因子之前报道过结合某个启动子区域，那就在小试结合实验后，用该区域引物做 qPCR。如果能检测到明显富集，再放大体系做全基因组测序；如果连已知位点的富集都看不到，那就先不要在文库上浪费钱。

4. 生信流程：从 FASTQ 到可靠结合峰的完整命令行

湿实验结束，数据下机，后面的生信步骤决定你最终能拿到什么结论。这部分的整体思路是：数据清洗、比对、去重、call peak、注释和重复性评估。

4.1 fastp 清洗与比对前质控

下机数据第一步永远是把低质量碱基和残留接头去掉。虽然建库时已经切过接头，但序列里仍可能混入少量接头序列，尤其是在片段长度接近读长时。用 fastp 处理即可：

fastp -i sample_R1.fastq.gz -I sample_R2.fastq.gz \ -o sample_R1.clean.fastq.gz -O sample_R2.clean.fastq.gz \ --detect_adapter_for_pe --thread 8

如果是第一次处理这个物种的数据，建议先跑一次 FastQC 看看原始质量分布、GC 含量、duplication 水平、接头含量。fastp 会自己识别并修剪接头，省去手动写 adapter 序列的麻烦。对 DAP-seq 来说，如果重复率（duplication rate）特别高，先不要急着怀疑 PCR 扩增过度，先看看样本是不是在同一个 lane 里和其他样本混合测序时产生了 index hopping，这在上机前加样时就要留意。

4.2 bowtie2 比对与 BAM 清洗

比对我一般选 bowtie2。先把参考基因组 index 建好，然后跑比对：

bowtie2 -p 8 -x genome_index \ -1 sample_R1.clean.fastq.gz -2 sample_R2.clean.fastq.gz \ | samtools view -bS - | samtools sort -o sample.sorted.bam samtools markdup -r sample.sorted.bam sample.dedup.bam samtools index sample.dedup.bam

比对率能反映建库质量：正常 DAP-seq 的比对率应该和同物种普通 WGS 接近，如果比对率明显偏低，回查一下参考基因组版本和建库片段大小。我一般不会在比对阶段过度限制参数，保留默认模式就行，只要文库片段分布正常，默认参数结果都不会差。

markdup这一步很多人会省掉，但我建议保留。DAP-seq 的 PCR 扩增轮数虽然不高，但重复仍然会存在，尤其在富集区域。标记并去除重复后，峰的形状会更干净，定量也更可信。有一点要提一下：如果你后面需要跑某些不接受去重 BAM 的工具，记得把原始 BAM 留一份，别一股脑把去重后的文件覆盖掉。

4.3 MACS2 峰值调用：参数并不需要魔改，但基因组大小别填错

峰值调用我通常使用 MACS2，用处理样本加 DNA-only 对照：

macs2 callpeak -t DAP_tf.dedup.bam -c DAP_input.dedup.bam \ -f BAMPE -g 1.35e8 -n DAP_tf --outdir macs2_peaks

这里最容易被忽略的是-g参数，也就是有效基因组大小。拟南芥大约是 1.35e8，水稻约 3.5e8，不同物种差别很大。如果填错，MACS2 会按错误背景模型估算峰显著性，导致峰数剧烈波动。另外，-f BAMPE是因为 DAP-seq 建的是 paired-end 文库，用 BAMPE 模式可以让 MACS2 利用真实的插入片段长度来建模，比单端模式更准。

call 完之后，我会用 IGV 随机抽几个峰做可视化检查，确认峰确实呈现"处理样本富集、对照样本不富集"的模式。这一步虽然不生成新图，但很多时候能发现样本标签互换、index 污染这类头疼的问题。

4.4 从峰到生物学解释：注释、基序和重复性

拿到 BED 格式的峰之后，下一步是注释和基序分析。注释可以确定峰落在启动子、基因体、基因间区等哪个功能区域；基序分析用 HOMER 或 MEME 来找出这段蛋白偏好的 DNA 序列模体：

findMotifsGenome.pl DAP_tf_peaks.bed tair10 . -size 200 -len 8,10,12

HOMER 会输出已知 motif 和新发现的 motif，我一般先看注释结果里是否有该转录因子所属家族的已知 motif。如果已知 motif 没有出现在 top 列表里，不一定是实验失败，也可能是数据库覆盖不够，需要结合 MEME 的从头预测结果来判断。重复性评估可以用 IDR，技术重复之间预期应有高度重叠，如果 IDR 峰占比很低，说明湿实验或建库环节存在较大的批次波动。

5. 我踩过的坑和几个实验前的决定性建议

写到这里，最后分享几个我实战之后最大的体会。

5.1 先做技术重复，再追生物学重复

DAP-seq 实验涉及的变量主要来自建库、PCR 和磁珠操作，而不是来自细胞状态，所以技术重复（同一样本重复建库）比生物学重复更容易反映真实的实验误差。我建议在一个新转录因子第一次跑 DAP-seq 时，先做两个技术重复，加上一个 DNA-only 对照，用 IDR 评估一致性。如果技术重复之间的一致性已经不好，那就先别急着加更多生物学重复，回头优化建库流程才是关键。

5.2 用 qPCR、EMSA、瞬时表达报告基因交叉验证

DAP-seq 的峰本质上来自体外结合，不代表体内会发生同样的结合。我通常会用几个手段交叉验证：选 2~3 个高置信度峰所在的启动子区域，设计引物做 ChIP-qPCR，或者用 EMSA 验证体外直接结合；更简单一点的做法是瞬时共表达转录因子和报告基因，看是否能激活荧光素酶或 GFP 信号。这一步不需要对所有峰都做，选 top 几个关键靶点验证即可，但它决定了整篇论文的结论是否站得住。

5.3 善用公共数据，但注意协议差异

很多模式植物和非模式物种的 DAP-seq 公共数据已经发布，做分析前可以先比对自己同家族转录因子的公共 peak 数据。如果别人同样用 DAP-seq 得到的基序和你的一致，那是很好的互相佐证；如果某个位点在别人的数据集里特别强、在你的数据集里根本看不到，再检查一下是否用了不同的标签、不同的表达系统或不同的洗涤强度。DAP-seq 看起来流程简单，但一个缓冲液的盐浓度差异就可能让 peak 强度排名发生明显变化。

如果让我给刚打算做 DAP-seq 的人一句话，我会说：把 DNA-only 对照做扎实，把 PCR 轮数控制住，再花半天时间把 IDR 跑明白，后面自然顺。转录因子结合位点这件事，DAP-seq 不是全能的，但它是目前把"体外直接结合"和"全基因组扫描"结合得最省力的一条路。