染色质拓扑相关结构域致密度表征及其基因表达调控模型研究

Higher-order chromatin architecture plays an important role in transcriptional regulation. Topologically associated domains (TADs), the basic unit of higher-order chromatin architecture, regulate gene expression in a precise way, and are related to many diseases. However, the model of transcriptional control by TAD is still unknown. To solve this problem, we first characterize the features of higher-order chromatin architecture by defining the TAD density, which is related to two factors including the space volume of TAD in the nucleus and the number of remote interaction in TAD. Then, we perform cluster analysis and identify different types of TADs according to the TAD density. To further understand how different types of TADs regulate gene expression, we perform a multi-omics integrative analysis to investigate the cooperative interactions between TADs and regulators including transcription factors, histone modifications, methylation as well as non-coding RNAs. Finally, we evaluate and validate our model using data from mammalian preimplantation embryos, where the global reprogramming of chromatin architecture occur. Our model will provide an important insights into precise principles of gene regulation by higher-order chromatin architecture and describe how TAD regulates gene expression.

后基因组时代的大量研究表明，染色质高级结构对基因表达起重要调控作用，其中，拓扑相关结构域（TAD）作为染色质高级结构的基本单元，发挥着关键性的基因表达调控作用，并且与多种疾病密切相关。然而，TAD对基因表达的调控模式尚不清楚。为了解决这一重要科学问题，本项目拟从TAD在细胞核中所占据的空间体积和TAD内部远程相互作用的频度两个角度来定量表征TAD致密度，并据此对TAD进行系统分类。在此基础上，结合基因组、结构基因组、转录组、蛋白组和表观组等多组学大数据，研究不同致密度的TAD如何协同转录因子、组蛋白修饰、甲基化水平、非编码RNA等表观遗传修饰来调控基因表达，用多个细胞系的数据进行定量建模。进而，通过早期胚胎发育过程中TAD逐渐形成的数据对模型进行验证和修正，得到三维视角下更精细的基因表达调控模型，阐释TAD调控基因表达的机理。

后基因组时代的大量研究表明，染色质高级结构对基因表达起重要调控作用，其中，拓扑相关结构域（TAD）作为染色质高级结构的基本单元，发挥着关键性的基因表达调控作，并且与多种疾病密切相关。然而，TAD对基因表达的调控模式尚不清楚。为了解决这一重要科学问题，本项目从TAD在细胞核中所占据的空间体积和TAD内部远程相互作用的频度两个角度来定量表征TAD致密度，并据此对TAD进行系统分类。在此基础上，结合基因组、结构基因组、转录组、蛋白组和表观组等多组学大数据，研究不同致密度的TAD如何协同转录因子、组蛋白修饰、甲基化水平、非编码RNA等表观遗传修饰来调控基因表达，用多个细胞系的数据进行定量建模。进而，通过早期胚胎发育过程中TAD逐渐形成的数据对模型进行验证和修正，得到三维视角下更精细的基因表达调控模型，阐释TAD调控基因表达的机理。取得的主要成果包括两个方面：1、建立了染色质开放致密度表征算法SDOC。负责人根据TAD内部碱基数目估算TAD重量，基于Hi-C连接矩阵仿真建模估算TAD体积，建立TAD致密度指标以表征TAD活性。进一步，融合染色质开放DNase-seq数据，构建了开放染色质致密度指标SDOC，SDOC反应了TAD在空间上开放程度的大小，很好的表征了TAD的活跃程度，在不同细胞系不同分辨率下，准确性和鲁棒性都要远优于其他指标。SDOC融合染色质三维拓扑结构（Hi-C）与局部结构（DNase-seq），将不同维度的信息有机整合成一个指标，能够表征同一个细胞中不同TAD活性的差异，也能反应同一个TAD在不同细胞中（发育、或疾病状态下）活性的变化情况，是研究染色质结构变化的有力工具，SDOC有助于染色质结构研究推广到更多的场景，尤其是肿瘤研究中。2、基于深度学习方法增强Hi-C数据分辨率。负责人利用GAN模型开发了增强Hi-C数据分辨率的方法DeepHiC ，并开发了可在线运行的网站(http://sysomics.com/deephic/)，该模型可以将染色质互作数据的深度增强100倍。这些工作可以高度提升检测三维基因组精细结构的效率，降低新实验的成本，提高公共组学数据的再利用价值。