Master Transcription Factors and Mediator Establish Super-Enhancers at Key Cell Identity Genes

Table of Contents

1. 总结
2. 介绍
3. 结果
   1. 胚胎干细胞中转录因子和 Mediator 巨大的基因组占位
   2. 超级增强子和关键 ESC（胚胎干细胞）身份基因关联
   3. 超级增强子的功能贡献
   4. B 细胞中的超级增强子
   5. 超级增强子是细胞类型特异的，并且标注出了细胞身份关键基因（key cell identity genes）
4. 讨论
5. 实验流程
   1. 数据分析

总结级别三级，主要总结文章如何鉴定超级增强子

总结

超级增强子和普通增强子的区别：大小、转录因子的密度和内容、激活转录的能力以及对微扰的敏感度。

介绍

作者发现许多 Mediator 关联的增强子占据了很大的增强子区域，而且这些区域关联的基因在胚胎干细胞生物学中占据了重要位置。这些大区域或者叫超级增强子相比普通增强子有更高的关键胚胎干细胞转录因子积累活性，而且对 Mediator 的降低格外敏感。超级增强子在很多细胞种类中都有发现，而且与细胞类型特异基因关联。这些结果显示超级增强子对于细胞身份极其重要。

结果

胚胎干细胞中转录因子和 Mediator 巨大的基因组占位

超级增强子包含成簇的增强子。增强子可以根据 Mediators 水平分为两类：一类包含绝大多数增强子，另一类是 231 个超级增强子。231 个超级增强子包含了接近 40%的 Mediators。这 231 个超级增强子的主要特点有：

1. 它们跨越的 DNA 距离中位数明显大于普通增强子；
2. 它们的 Mediators 水平明显更高。

H3K27ac 和 H3K4me1 会在激活的增强子处聚集。在超级增强子处的这些组蛋白修饰更高。这同时由于更高的密度和更广的范围。此外，增强子的另一个特点——DNaseⅠ实验也显示了类似的结果。作者比较了 OSN、Mediator、H3K27ac、H3K4me1 和 DNaseI hypersensitivity 的数据结果，发现尽管所有数据都可以将超级增强子从传统增强子中区分出来，但是 Mediators 的区分最佳。
本节之后的内容主要和胚胎干细胞相关，与个人研究无关，不赘述。

超级增强子和关键 ESC（胚胎干细胞）身份基因关联

增强子倾向于成环来和邻近基因关联并调控它们的转录。之间的距离一般在 50kb 左右，但很多也会很大。将增强子与基因关联的方法主要有 proximity、enhancer-promoter unit assignments (EPUs)、genome-wide interactions discovered by chromosome conformation capture 技术。作者首先使用 proximity 来关联。由于超级增强子倾向于和关联基因重叠，所以 231 个超级增强子和 210 基因相关联。该结果在 EPU 分析和 Hi-C 中也有很高的一致性。
本节之后的内容主要和胚胎干细胞相关，与个人研究无关，不赘述。

超级增强子的功能贡献

超级增强子关联基因的激活水平高于普通增强子。
有关在胚胎干细胞中对超级增强子贡献机制的研究略。
如果超级增强子关联基因对共激活因子的敏感性高于其他基因，那么对 Mediator 亚单位水平的降低对超级增强子关联基因转录水平的影响会更大。作者观察到了该预期现象。该结果意味着相比普通增强子关联基因 Oct4 和 Mediators 对超级增强子关联基因的影响更大。这可能解释了为什么 Oct4 和 Mediator 的丢失在 ESC 中有相似的影响。

B 细胞中的超级增强子

超级增强子是细胞类型特异的，并且标注出了细胞身份关键基因（key cell identity genes）

作者研究了除 ESC 以外的多种细胞，发现超级增强子细胞类型特异的。这意味着超级增强子关联基因可能是一种有价值的细胞类型标记。

讨论

在 ESCs 中，超级增强子包含成簇的增强子。它们会和关键转录因子和 Mediator 辅激活蛋白复合体结合。ESC 超级增强子和普通增强子在大小、转录因子密度和成分、激活转录的能力以及对微扰的敏感度方面有差异。超级增强子在很多细胞种类中都有发现。它们关联了不同的细胞类型特异的基因。这些基因有着重要的生物学角色。这些结果在哺乳动物细胞类型对照试验中得到。
超级增强子关联基因对增强结合因子和共因子的敏感性很强。作者推测，自然条件下导致 ESCs 分化的信号可能利用超级增强剂相关基因的这种敏感性，促进向新的基因表达程序的过渡。
作者发现超级增强子可以通过对成簇的增强子结合的转录因子的搜索来鉴定。而它们又可以通过从传统增强子中依赖共因子或增强子关联替代物标记例如组蛋白 H3K27ac 或 DNaseⅠ超敏反应来鉴定。

实验流程

数据分析

所有的 ChIP-Seq 数据都利用 Bowtie 来和基因组进行比对。
作者发展了一种简单的方法来计算所有区域 ChIP-Seq 的标准化 reads。比对区域长度为 200 个碱基对。然后计算每个碱基对的 reads 密度。每个区域的 reads 标准化到百万 mapped reads。单位是 reads 每百万 mapped reads 每碱基对。
作者用 MACS peak finding 算法来从背景中区分 ChIP-Seq 富集区域。P值门槛为 10^-9。
ChIP-Seq 数据中转录因子富集的区域被确认为增强子。为了精确地补货密集的增强子簇，作者允许12.5kb范围内的区域连接在一起。