ATAC sequencing
ATAC 染色质可及性测序
从组织、细胞核和 Tn5 插入出发，理解开放染色质如何变成 peaks、差异可及区域、motif 与有边界的调控假设。
- INPUT
- FASTQ · BAM · BED
- OUTPUT
- Consensus Peaks · Differential Accessibility · Motif Hypotheses
- FIGURES
- Fragment Length · TSS Enrichment · DAR Volcano · Genome Tracks
学完这一章，你应该能够
点击勾选不是“完成任务”，而是对自己的理解做一次承诺。
ATAC-seq 测量的究竟是什么？
它寻找 Tn5 更容易接近的基因组区域，用于描绘染色质可及性；它不直接测量 RNA、蛋白或调控元件功能。
DNA 像一本被蛋白质折叠和遮挡的书。ATAC-seq 记录哪些书页更容易被“插入书签”，提示哪些区域更开放。
ATAC-seq profiles accessible chromatin by sequencing DNA fragments generated where loaded Tn5 transposase can access native chromatin.
ATAC-seq 测量 accessibility；不直接测量 RNA、蛋白或增强子功能。
阶段 2 / 2：More accessible。 Tn5 更容易接近裸露 DNA，产生更多插入片段。
ATAC 染色质可及性测序：先建立全局地图，再进入细节
从染色质、Tn5 与 fragments 出发，理解开放区域怎样变成 peak、差异可及性与调控假设。
ATAC-seq 的生物学单位和特征单位分别是什么？
独立样本通常是患者、动物或培养物；计算特征是基因组区域或 peaks。
每座城市是一个独立样本，地图上的开放广场是被比较的区域；广场数量不是城市数量。
类比只帮助理解，不作为科研证据。- 1样本层推断不能用 peaks 数代替 N
- 2开放区域是特征，不是独立重复
ATAC-seq 的原始方法将 Tn5 转座、开放染色质、DNA-binding proteins 与核小体位置放在同一测量框架中。
Tn5 插入信号为什么不是“基因表达量”？
ATAC signal 的基本单位是落在基因组坐标上的 DNA fragments；开放只是可接近性的测量结果。
Omni-ATAC 通过优化核制备和反应体系降低背景，并扩展到冻存组织等样本。
一份组织，怎样变成候选调控区域？
点击 22 个节点中的任意一步，追踪输入、输出、参数、QC、错误传播与下一步。
Tissue / Cells
组织或细胞样本
染色质可及性高度依赖细胞类型、状态与取样过程，样本定义决定后续信号代表谁。
染色质可及性高度依赖细胞类型、状态与取样过程，样本定义决定后续信号代表谁。
独立生物学样本与完整 metadata
按预先设计采集、分组并尽快低温处理
可追溯的新鲜、冻存组织或细胞
从 reads 到 regions：数据对象一直在变化
FASTQ、BAM、fragments、peaks、count matrix、DAR table 和 tracks 不能互相替代。
片段长度记录了文库结构，但不是质量判决书
paired-end fragments 常呈现 nucleosome-free、mono- 和 di-nucleosome 周期；核制备和转座过度都会改变这条曲线。
阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。
TSS enrichment、FRiP、线粒体比例要一起看
任何单一指标都只观察质量的一部分；参考注释、peak 集和计算实现也会改变数值。
阈值不是固定标准。先看数据分布、组织特性、测序深度、样本重复和研究问题。
ENCODE 将 TSS enrichment 定义为 TSS 聚合信号相对远端背景的 signal-to-noise，并将 FRiP 定义为落在 called peaks 内的 usable reads 比例。
Peak calling 与 consensus peaks 回答不同问题
前者在单个样本中寻找局部富集，后者建立跨样本统一的可比较特征空间。
Consensus peak universe
阶段 2 / 2：Replicate-supported。 保留跨重复稳定或预定义组别支持的 regions。
复算统一特征集：先定区域，再数 fragments
把peak调用支持与原始片段重叠计数分成两个步骤；改变重复支持要求时保留相同区域身份和样本列。
可运行教学示例 · 安装依赖后整段执行
# Synthetic single chromosome; intervals use 1-based CLOSED coordinates.
regions <- data.frame(id = paste0("r", 1:5),
start = c(7, 28, 39, 62, 72),
end = c(25, 33, 59, 68, 92))
samples <- c("sample_A", "sample_B", "sample_C")
peak_calls <- matrix(c(1,1,1, 1,0,0, 1,1,1, 0,1,0, 1,1,1),
nrow = 5, byrow = TRUE,
dimnames = list(regions$id, samples)) == 1
min_samples <- 2
min_overlap_bp <- 1
fragments <- data.frame(sample = rep(samples, each = 5),
start = c(8,15,29,44,76, 9,41,47,63,82, 12,40,56,73,88))
fragments$end <- fragments$start + 3
stopifnot(min_samples >= 1, min_samples <= length(samples),
min_samples == floor(min_samples), min_overlap_bp >= 1,
min_overlap_bp == floor(min_overlap_bp),
all(regions$end >= regions$start), all(fragments$end >= fragments$start),
identical(rownames(peak_calls), regions$id), all(fragments$sample %in% samples))
support <- rowSums(peak_calls)
keep <- support >= min_samples
count_region <- function(i) {
overlap_bp <- pmax(0, pmin(regions$end[i], fragments$end) -
pmax(regions$start[i], fragments$start) + 1)
vapply(samples, function(s) sum(fragments$sample == s &
overlap_bp >= min_overlap_bp), integer(1))
}
counts <- t(vapply(seq_len(nrow(regions)), count_region, integer(length(samples))))
dimnames(counts) <- list(regions$id, samples)
consensus_counts <- counts[keep, , drop = FALSE]
print(data.frame(regions, support, retained = keep))
print(consensus_counts)
stopifnot(all(consensus_counts >= 0), all(consensus_counts == floor(consensus_counts)))
# min_samples=1 keeps all 5 regions; 2 keeps r1,r3,r5. This is NOT IDR or a DAR test.代码参数怎么调
先记录当前设置，每次只改变一个参数；比较下列输出检查，不用图是否好看来选择设置。
min_samples = 2 / 3个独立样本教学示例值 · 不是通用阈值
为什么用这个值：定义此玩具示例的最低peak调用支持数，解释consensus取舍。
- 增大 / 切换设置
- 提高支持要求会保留同样或更少区域，可能漏掉条件特异区域。
- 减小 / 回退设置
- 降到1相当于本例固定候选区间的并集，纳入单样本候选。
- 对比support、retained与matrix行名；结合实验分组制定真实规则。
何时不适用 / 应停止：不是软件默认阈值，也不等于IDR。真实跨条件分析不可盲目要求每组全部样本支持。
min_overlap_bp = 1 bp本分析设置 · 需验证适用性
为什么用这个值：一个fragment与区域交集至少1bp时计一次；显式暴露计数规则。
- 增大 / 切换设置
- 更严格的交集长度会保留同样或更少的fragment计数。
- 减小 / 回退设置
- 本例下限为1，不支持0bp无交集计数。
- 检查边界位置、片段长度、坐标约定以及同一片段是否跨多个区域。
何时不适用 / 应停止：不是Tn5切点计数或软件通用默认；真实fragment跨区域时需预先定义计数策略。
peak_calls = 5区域 × 3样本布尔矩阵教学示例值 · 不是通用阈值
为什么用这个值：区分单样本peak调用结果与随后计算的raw counts。
- 增大 / 切换设置
- 增加真实独立样本支持会提高对应区域support，可能改变是否保留。
- 减小 / 回退设置
- 移除支持会降低support，不直接改变原始片段位置。
- 核实支持标记的来源、样本独立性和同一特征坐标。
何时不适用 / 应停止：本例直接给出人工peak调用状态，未进行背景建模、peak merging或显著性计算。
不能宣称完成ATAC分析、IDR、差异可及性或增强子验证；高支持与高计数本身不是统计显著性或调控机制。
MACS 通过局部背景模型识别富集区域；peak 的统计富集与区域的功能身份必须分开解释。
PCA 诊断样本结构，不检验某个 peak
每个点是一个独立患者、动物或培养重复；颜色和形状应同时展示 condition、batch、donor 与 QC。
差异可及性必须回到独立样本
Peak × Sample raw counts、design formula、效应量和 FDR 共同定义可解释结果。
差异可及区域不是“显著增强子”清单
当前按绝对效应量排序；排序不改变原始效应、FDR 或证据等级。本表的 FDR < 0.05 且 |log2FC| ≥ 1 仅作教学标记，不是跨项目通用门槛。把 peak coordinates、独立样本分布、效应量、FDR 与后续 annotation 分开保存。
bulk ATAC 差异分析会受到样本量、批次和统计策略影响；normalization 的选择也可能改变生物学解释。
Motif 与 peak-to-gene 是两条候选证据链
motif 从序列出发，peak-to-gene 从区域与基因的联系出发；两者都不能一步跨到真实调控机制。
Promoter peak
- 可以支持
- COL1A1 启动子附近存在与表达一致的候选调控变化。
- 仍不能证明
- 该 peak 是表达变化的必要原因。
距离或 motif 只能提出候选连接，不能替代物理联系和扰动证据。
motif enrichment 依赖候选区域与匹配背景的比较；序列模式不能替代 TF 结合或扰动证据。
一张 ATAC-seq Figure 是怎样做出来的？
切换 A–D Panel，分别理解文库 QC、TSS 聚合、差异区域和 locus 调控假设。
Chromatin accessibility program in pulmonary fibrosis
MedResearch Atlas Teaching Dataset · 12 samples · 96,420 consensus peaks
八类常见 ATAC-seq Figure
先识别数据单位与输入，再判断它是 QC、探索、统计推断还是候选机制。
Fragment Length
- 回答
- 文库是否呈现 nucleosome-free 与核小体周期？
- 误读
- 周期清晰不代表所有 peaks 都可靠。
TSS Enrichment
- 回答
- 开放启动子附近的聚合信号是否高于背景？
- 误读
- 不同 genome annotation 与实现的分数不能直接比较。
FRiP
- 回答
- usable reads 有多少落在当前 peak 集内？
- 误读
- FRiP 会被 peak 数量和宽度改变。
Sample PCA
- 回答
- 哪些技术或生物变量主导整体可及性？
- 误读
- PCA 分离不是差异检验。
DAR Volcano
- 回答
- 哪些区域同时具有较大可及性差异和统计证据？
- 误读
- 显著区域不是自动的功能增强子。
Peak Heatmap
- 回答
- 候选区域信号是否跨独立样本一致？
- 误读
- 排序和筛选后的整齐图形不构成独立验证。
Motif Enrichment
- 回答
- 候选区域中哪些序列模式被过度代表？
- 误读
- motif 存在不等于 TF 结合、表达或活性。
Genome Browser Track
- 回答
- 候选区域在基因组与邻近注释中呈现什么信号？
- 误读
- 邻近基因不是已经证实的靶基因。
参数改变的是数据生成或判断边界
打开参数时同时检查调高、调低、判断依据、风险和对应方法来源。
ATAC-seq 最常见的 8 个错误
从 Error 到 Consequence，再到 Better Thinking，理解错误怎样沿 regions 与调控解释传播。
开放染色质可以支持什么，不能证明什么？
Region、motif、gene link、mechanism 和 causality 是不同证据层级。
结果可以支持什么？
特定细胞群或组织中的染色质区域存在可及性信号
不同条件的独立样本在某些区域呈现可及性差异
候选区域富集某类转录因子 motif
为候选调控元件、TF 程序和靶基因连接提出可检验假设
不能单独证明什么？
开放区域一定是功能性增强子
motif 对应的转录因子已真实结合并被激活
最近的基因就是该 peak 的靶基因
可及性变化导致基因表达或疾病表型
单个基因组轨迹已经排除批次、细胞组成与选择偏倚
开放染色质是调控表观基因组的重要线索，但 accessibility 与功能调控元件、TF 活性和基因表达并不等价。
用五个判断题检查调控证据思维
重点不是记住软件名，而是判断 QC、统计单位、peak universe、motif 和基因连接。
某样本 FRiP 较低，但 TSS enrichment、fragment periodicity 和 replicate concordance 尚可，最稳妥的处理是？
一个 distal peak 含有 AP-1 motif，能够直接支持什么？
病例与对照 ATAC-seq 的正确统计单位通常是什么？
为什么建立 consensus peak set 后再形成 Peak × Sample matrix？
疾病组某 peak 可及性升高且附近基因表达升高，最合适的结论是？
把组织、区域与调控假设压缩成一条证据链
任何 ATAC 结论都应该能够沿 Figure → Analysis → Peak Matrix → Fragments → FASTQ → Nuclei → Tissue 反向追溯。
Data
数据怎样产生与变化
Method
每一步为什么存在
Figure
结果怎样被看见
Evidence
结论能够走多远
参考与数据声明
本页片段、TSS 曲线、peaks、矩阵、差异区域、motif 和基因组轨迹均为固定种子的原创教学模拟，不承载真实患者或研究结论。QC 范围只用于解释指标，实际项目必须结合组织、实验体系、参考版本、同批分布和研究问题。
参考文献与进一步阅读
References 支撑本章论断；Further Reading 负责下一步学习。两者不混为一谈。
核心技术与实验方法
支撑 Tn5 测量原理、Omni-ATAC 制备与完整工作流。
Transposition of native chromatin for fast and sensitive epigenomic profiling of open chromatin, DNA-binding proteins and nucleosome position
Jason D. Buenrostro et al.. Nature Methods, 2013.
为什么推荐：ATAC-seq 原始方法与片段结构。
DOI 10.1038/nmeth.2688 PMID 24097267 PMC3959825 查看原文An improved ATAC-seq protocol reduces background and enables interrogation of frozen tissues
M. Ryan Corces et al.. Nature Methods, 2017.
为什么推荐：降低背景并适配组织样本的 Omni-ATAC。
DOI 10.1038/nmeth.4396 PMID 28846090 查看原文Chromatin accessibility profiling by ATAC-seq
Fiorella C. Grandi, Hailey Modi, Lucas Kampman, M. Ryan Corces. Nature Protocols, 2022.
为什么推荐：实验到计算分析的更新 protocol。
DOI 10.1038/s41596-022-00692-9 PMID 35478247 查看原文官方 QC 与处理规范
TSS enrichment、FRiP 和 replicated data 必须以相同实现与参考定义解释。
ATAC-seq Data Standards and Processing Pipeline
ENCODE Project Consortium. ENCODE Data Standards, 2020.
为什么推荐：ENCODE ATAC-seq data standards 与 pipeline。
查看原文ENCODE Terms and Definitions
ENCODE Project Consortium. ENCODE Data Standards.
为什么推荐：TSS enrichment 与 FRiP 的计算定义。
查看原文Peak、差异与 Motif
支撑 peak calling、差异可及性与 motif enrichment 的算法解释。
Model-based analysis of ChIP-Seq (MACS)
Yong Zhang et al.. Genome Biology, 2008.
为什么推荐：局部背景与 peak calling。
DOI 10.1186/gb-2008-9-9-r137 PMID 18798982 PMC2592715 查看原文Comparison of differential accessibility analysis strategies for ATAC-seq data
Paul Gontarz et al.. Scientific Reports, 2020.
为什么推荐：差异可及性方法 benchmark。
DOI 10.1038/s41598-020-66998-4 PMID 32576878 PMC7311460 查看原文