DAP-seq技术：从体外蛋白表达到Motif分析，植物转录因子研究的利器

    做植物转录因子研究的人都知道，想在体内做ChIP-seq有多难——植物细胞壁的交联效率低、抗体不好找、转化体系不成熟……DAP-seq的出现基本就是为了解决这些痛点。这篇不讲DAP-seq是什么的基础概念，直接上实操：体外蛋白怎么表达、DNA文库怎么建、磁珠富集怎么优化、peak怎么call、motif怎么分析、和ChIP-seq到底选哪个好。全是踩过坑之后的经验总结。

一、DAP-seq技术原理与核心优势：为什么它能替代ChIP-seq

    DAP-seq（DNA Affinity Purification Sequencing）的技术原理说白了就是：把转录因子蛋白在体外表达出来，让它和基因组DNA文库自由结合，然后把结合了转录因子的DNA片段富集出来做高通量测序。和ChIP-seq最大的区别是——DAP-seq是体外结合，不需要做体内交联和免疫沉淀。

    这个区别带来了一系列优势：

    1、不需要抗体。这是DAP-seq最大的优势。ChIP-seq必须有针对目标转录因子的ChIP-grade抗体，植物转录因子的抗体几乎是找不到现成的商业抗体。DAP-seq用体外表达的蛋白，给蛋白加个标签（如Halo-tag、His-tag），用标签的亲和纯化系统来富集，完全绕开了抗体问题。

    2、不需要做体内交联。植物组织的甲醛交联效率远低于动物细胞——细胞壁阻碍甲醛渗透，导致交联不均匀。DAP-seq是体外结合，不需要交联，避免了交联效率和交联偏好性带来的问题。

    3、高通量筛选。一套DAP-seq流程可以同时筛选几十甚至上百个转录因子。蛋白在96孔板里表达，机器人自动化操作，一次实验就能拿到几十个转录因子的全基因组结合图谱。ChIP-seq想做到这种通量几乎不可能。

    4、适用于任何物种。ChIP-seq在非模式物种中做不了，因为没有抗体。DAP-seq只要有转录因子的序列就能体外表达蛋白，对物种没有限制。非模式植物、作物野生近缘种都能做。

    DAP-seq的核心优势总结：无抗体需求、无交联步骤、高通量筛选、物种不受限。但代价是只能检测体外结合，不能反映体内真实的结合状态（缺少体内调控修饰、染色质结构等因素的影响）。

二、DAP-seq与ChIP-seq区别：何时该选哪个？

    DAP-seq与ChIP-seq区别不仅仅是"体外vs体内"这么简单。两者在实验设计、数据解读和应用场景上都有显著差异，选择哪个需要根据具体研究问题来定。

比较维度	DAP-seq	ChIP-seq
结合环境	体外（蛋白与裸露DNA结合）	体内（染色质环境中）
是否需要抗体	不需要	必须有ChIP-grade抗体
是否需要交联	不需要	需要甲醛交联
是否需要转化	不需要	需要稳定转化系
通量	高（可同时做几十到上百个TF）	低（每次一个TF）
物种限制	无限制	需要有抗体的物种
染色质结构	不反映（裸露DNA）	反映
体内修饰影响	不反映	反映
成本	较低（蛋白表达+一次测序）	较高（抗体+交联+建库+测序）

实际选择策略：

    大规模转录因子家族筛查：选DAP-seq。比如你想同时研究50个MYB家族转录因子的结合位点，ChIP-seq做50个是不现实的，DAP-seq一次就能搞定。

    需要反映体内真实结合状态：选ChIP-seq。DAP-seq测到的是转录因子和裸露DNA的结合能力，但体内结合还受到染色质开放性、其他蛋白竞争、翻译后修饰等因素影响。

    非模式物种：选DAP-seq。没有抗体就只能选DAP-seq。

    转录因子有磷酸化修饰依赖：选ChIP-seq。体外表达的蛋白可能缺少关键的翻译后修饰，导致结合模式与体内不同。

    最佳策略：两者结合。DAP-seq做大规模筛查找候选结合位点，ChIP-seq在关键转录因子上做体内验证。这种"体外筛查+体内验证"的策略在植物转录因子研究中越来越主流。

图1：DAP-seq体外蛋白表达与DNA亲和纯化实验场景

 

三、DAP-seq实验流程全解：从蛋白表达到文库富集

    DAP-seq实验流程可以分成三大模块：体外蛋白表达、基因组DNA文库构建、亲和富集与建库测序。每个模块都有需要优化的关键参数。

1、体外蛋白表达

    把目标转录因子的编码序列克隆到体外表达载体上，加一个亲和标签。常用的标签是Halo-tag，它和HaloLink磁珠是共价结合，洗脱条件温和、背景低。也可以用His-tag或Strep-tag，但Halo-tag在DAP-seq中的效果最好，是目前的标准配置。

2、基因组DNA文库构建

    提取目标物种的基因组DNA，做片段化和接头加注。片段化方法有两种：酶切片段化（使用NEB的酶切片段化试剂盒）和超声破碎。酶切片段化的优势是重复性好、不需要优化超声参数，推荐使用。片段大小目标为150-300bp，便于后续建库。

    DNA文库构建后需要做接头连接和纯化。接头序列需要和后续测序平台匹配（如Illumina TruSeq接头）。纯化用AMPure XP磁珠做双轮片段选择（0.6×和0.2×），保留200-400bp的片段。

3、亲和富集

    这一步是DAP-seq的核心。把体外表达的标签蛋白固定在亲和磁珠上，然后和基因组DNA文库孵育，让转录因子和DNA自由结合。孵育条件需要优化：

    结合缓冲液：20mM HEPES pH 7.5，50mM KCl，1mM DTT，0.5mM EDTA，0.1% BSA。KCl浓度对结合特异性影响很大，50mM是标准推荐，但有些转录因子在100mM下特异性更好。

    孵育时间：室温1-2小时或4℃过夜。短时间结合效率低，长时间可能增加非特异性结合。建议做时间梯度（0.5h、1h、2h、过夜）找到最佳条件。

    竞争性DNA：加入poly(dI-dC)（2-5μg）来封闭非特异性DNA结合位点。这一步很关键，不加poly(dI-dC)背景会非常高。

4、洗涤与洗脱

    孵育后用洗涤缓冲液（含有更高浓度KCl，如100-150mM）洗涤3-5次，去除非特异性结合的DNA。然后用低盐或加热的方式洗脱结合的DNA，做PCR扩增加index，纯化后就可以上机测序。

    DAP-seq实验流程中最容易出问题的环节是蛋白表达量。体外表达系统的蛋白产量直接影响结合信号。如果蛋白表达失败或产量太低，后面富集的DNA量会很少，建库困难。建议每次表达后都做Western Blot或荧光检测确认蛋白表达量。

四、DAP-seq体外蛋白表达系统选择与优化

    DAP-seq体外蛋白表达系统的选择直接影响蛋白质量和实验成败。目前主要有两个系统被广泛使用。

1、麦胚无细胞表达系统（Wheat Germ Cell-Free System）

    麦胚系统是DAP-seq最常用的体外表达系统。优势是：植物来源的翻译系统，能正确折叠植物转录因子；不含内源性哺乳动物蛋白，背景低；可以表达有毒蛋白（因为不涉及活细胞）；96孔板格式适合高通量操作。

    麦胚系统的优化要点：

    模板质量：使用高纯度的质粒或PCR产物作为模板，模板中不能有内毒素或RNase污染。

    表达温度：26℃是标准温度，16℃过夜表达可能提高蛋白可溶性。有些转录因子在高温下会形成包涵体。

    表达时间：2-4小时通常足够，过夜表达不一定更好。

    蛋白可溶性：表达后离心取上清，可溶性蛋白用于DAP-seq。如果蛋白大部分在沉淀中，需要降低表达温度或加分子伴侣共表达。

2、大肠杆菌表达系统

    大肠杆菌系统产量高、成本低，但原核表达系统对植物转录因子的折叠可能不理想，尤其是含有较多翻译后修饰位点的转录因子。如果用大肠杆菌系统：

        用BL21(DE3)菌株，IPTG诱导浓度0.1-0.5mM

        诱导温度16℃过夜，提高可溶性蛋白比例

        表达后做镍柱纯化，纯度>80%再做DAP-seq

        注意：大肠杆菌表达的蛋白可能缺少磷酸化等修饰，影响结合特异性

    两个系统的选择建议：优先用麦胚系统，如果蛋白在麦胚系统中表达量不够再考虑大肠杆菌。做之前先做一个小规模表达测试，确认蛋白可溶性和表达量再大规模做。

五、DAP-seq建库策略：DNA文库构建与片段化

    DAP-seq建库和ChIP-seq建库有相似之处但有关键差异。DAP-seq的建库分两个阶段：第一阶段是基因组DNA文库的构建（在蛋白结合之前），第二阶段是富集后DNA的index加注和扩增（在蛋白结合之后）。

1、基因组DNA文库

    从目标物种提取高质量基因组DNA。植物基因组DNA提取需要注意CTAB法或试剂盒法，确保DNA纯度（A260/A280在1.8-2.0之间，A260/A230>2.0）。DNA质量不好的话后续建库效率会大打折扣。

    片段化推荐用酶切片段化（NEBNext Ultra II FS Module），3-5分钟处理可以打断到200-300bp。酶切片段化的重复性远好于超声破碎，DAP-seq做多个转录因子时这一点尤为重要——所有转录因子要用同一批DNA文库，保证可比性。

    片段化后做末端修复和接头连接。接头序列选择取决于后续建库策略和测序平台。如果后续用Illumina平台，用标准的TruSeq接头。接头连接效率可以用qPCR检测，确保文库浓度达标。

2、富集后建库

    亲和富集后的DNA量通常很少（皮克级），需要用PCR扩增来达到上机要求。PCR循环数通常12-15个，过多会增加PCR bias。扩增后用AMPure XP磁珠纯化（1.0×），去除引物二聚体和小片段。

    建库质控用Bioanalyzer或TapeStation检查片段分布。理想的主峰在250-400bp（插入片段200-300bp+接头约100-120bp）。如果有大量接头二聚体（约120-150bp），说明PCR过度扩增或起始DNA量太少，需要调整。

图2：DAP-seq数据分析中的转录因子结合位点与Motif可视化

 

六、DAP-seq数据分析全流程：从原始数据到结合图谱

    DAP-seq数据分析流程和ChIP-seq有很多相似之处，但也有特殊的地方。主要步骤包括数据质控、序列比对、peak calling和下游分析。

1：数据质控

    用FastQC检查原始数据质量。DAP-seq数据的质控指标和ChIP-seq基本一致：碱基质量值、GC分布、接头污染、重复序列比例。DAP-seq的duplicate rate通常比ChIP-seq略高（15-25%），因为起始DNA量较少，PCR扩增次数可能多一些。

2：序列比对

    用Bowtie2比对到参考基因组。比对参数和ChIP-seq一样，但植物基因组有一些特殊需要注意的地方：

        植物基因组经常是多倍体（如小麦六倍体、棉花四倍体），同源序列多，比对时需要处理多比对reads（multi-mapped reads）。一般保留唯一比对的reads（MAPQ>30），但有些研究允许保留最多3个比对位点的reads来提高覆盖度。

        叶绿体和线粒体基因组reads需要去除——DAP-seq用的是基因组DNA，叶绿体DNA占了很大比例，不去除会干扰分析。

        去除PCR duplicates（Picard MarkDuplicates）。

3：DAP-seq Peak Calling

    DAP-seq peak calling和ChIP-seq一样可以用MACS2，但参数设置有差异。DAP-seq的Input对照是未做蛋白结合的基因组DNA文库（"no-protein control"或"input library"）。

    DAP-seq的MACS2参数建议：macs2 callpeak -t DAP_sample.bam -c input_library.bam --bw 200 -q 0.01。--bw设为文库片段主峰大小。如果不加-c参数不做Input校正，背景会很高，peak数量虚高。

    DAP-seq的peak特征和ChIP-seq有一些不同。DAP-seq的peak可能更分散，因为体外结合不受染色质结构限制，转录因子可以结合到基因组中所有可及的区域。这意味着DAP-seq的peak数量通常比ChIP-seq多，但其中一部分是体内不会结合的"潜在结合位点"。所以对DAP-seq的peak结果做motif验证非常重要——如果peak区域确实富集了该转录因子的已知motif，说明结果是可靠的。

4：Peak数量与质量评估

    一个好的DAP-seq实验应该满足几个指标：

    Peak数量：取决于转录因子，通常几千到几万个。如果一个转录因子只call出几十个peak，可能蛋白表达失败或结合条件需要优化。

    FRiP（Fraction of Reads in Peaks）：落在peak区域的reads占总reads的比例。FRiP>1%是最低要求，好的DAP-seq数据FRiP可以达到5-10%。

    IDR（Irreproducible Discovery Rate）：评估生物学重复间peak的重复性。IDR<0.05的peak才算高置信度peak。

七、DAP-seq Motif分析：发现转录因子识别序列

    DAP-seq motif分析是验证实验可靠性和发现转录因子结合特异性的核心步骤。如果DAP-seq是成功的，那么call出的peak区域应该富集该转录因子的已知motif（如果有的话），或者能发现新的motif。

已知Motif验证

    如果你的转录因子已经有已知的结合motif（从JASPAR或DAP-seq数据库获取），可以用FIMO或HOMER的findMotifsGenome.pl做已知motif在peak区域的富集分析。如果已知motif在peak区域显著富集（p-value<1e-10），说明DAP-seq结果是可靠的。

De Novo Motif发现

    用MEME-ChIP或HOMER做de novo motif discovery。在peak中心区域（peak summit±50bp）做motif搜索，发现新的结合motif。DAP-seq数据库（http://dapseq.org）已经积累了大量植物转录因子的motif信息，可以做参考。

Motif分析的几个注意点：

    Peak summit使用：不要用整个peak区域做motif分析，用peak summit附近的序列效果更好，因为结合位点通常在peak最高点附近。

    背景序列选择：用GC-matched的随机序列或启动子区域序列做背景，避免GC含量偏好性影响。

    Multiple motif：有些转录因子可以识别多个motif（如bZIP转录因子可以识别ACGT和G-box两种motif），de novo分析时要注意检查是否有多个显著motif。

Motif比较与分类

    对同一转录因子家族的多个成员做motif比较，可以发现家族成员间的特异性。比如同一家族的转录因子A和B的motif相似但不完全相同，这种差异可能解释它们调控不同靶基因的原因。用TOMTOM做motif比较，或用Seq2Logo做motif logo可视化。

八、DAP-seq转录因子结合位点全基因组鉴定策略

    DAP-seq转录因子结合位点鉴定不仅仅是"call peak"这么简单，还需要做一系列下游分析来确定哪些结合位点是有生物学意义的。

1. Peak注释与功能分析

    Peak注释和ChIP-seq类似，用ChIPseeker把peak映射到最近的基因，判断peak落在启动子、5'UTR、3'UTR、内含子还是基因间区。DAP-seq的peak分布特征和ChIP-seq有所不同——DAP-seq可能在基因间区有更多peak，因为体外结合不受染色质开放性的限制。

    重点关注启动子区域的peak（TSS上游2kb内的peak），这些更可能是功能性结合位点。对peak附近基因做GO和KEGG富集分析，了解转录因子调控的生物学通路。

2. 与RNA-seq数据整合

    DAP-seq找到的结合位点不一定是功能性调控位点。要判断一个结合位点是否有功能，需要结合转录因子的过表达或敲除后的RNA-seq数据：

    DAP-seq peak附近基因在转录因子突变后表达发生变化，才是功能性靶基因。

    做"peak + DEG"的交集分析，找到既有结合位点又有表达变化的基因，这些是高置信度靶基因。

    关注peak区域同时有motif存在且基因表达变化的"三重验证"位点。

3. 多转录因子比较分析

    DAP-seq的高通量优势在这里体现。如果你同时做了几十个转录因子的DAP-seq，可以分析：

    结合位点重叠：哪些转录因子结合到相同的基因组区域？这可能是协同调控的。

    共调控模块：结合到同一组靶基因的转录因子可能形成共调控模块，用网络分析来鉴定这些模块。

    家族特异性：同一家族不同成员的结合位点差异，揭示功能分化。

图3：植物基因组学高通量测序与研究平台

 

九、DAP-seq在植物转录因子研究中的应用场景

    DAP-seq植物应用场景非常广泛，以下是一些典型的应用方向和实战策略。

1：转录因子家族系统性筛选

    植物中有大量的转录因子家族（拟南芥有约2000个转录因子，水稻约2500个，玉米约3000个）。很多家族有几十甚至上百个成员，逐一做ChIP-seq是不现实的。DAP-seq可以一次性筛选整个家族或亚家族，获得每个成员的全基因组结合图谱。

    实战策略：先根据系统发育树选择代表性的家族成员做DAP-seq（比如50个MYB成员中选15个代表性成员），获得初步结合图谱后，再对关键成员做ChIP-seq做体内验证。这种"先广后深"的策略在时间成本和数据质量之间取得了很好的平衡。

2：非模式植物转录因子研究

    很多经济作物和药用植物没有成熟的转化体系，做不了ChIP-seq。DAP-seq只要有转录因子序列就能做，不受物种限制。比如研究某药用植物中次生代谢相关转录因子的结合位点，克隆转录因子基因后在麦胚系统中表达蛋白，用该物种的基因组DNA文库做DAP-seq，就能拿到结合图谱。

3：转录因子进化分析

    比较不同物种中同源转录因子的结合位点，可以揭示转录因子结合特异性的进化。例如，比较拟南芥和番茄中同源AP2/ERF转录因子的DAP-seq数据，看结合motif和结合位点是否保守。这种比较分析对理解植物转录调控网络的进化有重要意义。

4：环境响应转录因子筛选

    植物在胁迫（干旱、高盐、低温）响应中会激活大量转录因子。用胁迫处理前后的材料做RNA-seq找到差异表达的转录因子，然后对这些转录因子做DAP-seq，一次性获得它们的结合图谱。再结合胁迫后的RNA-seq数据做整合分析，就能构建胁迫响应的转录调控网络。

5：育种相关转录因子功能解析

    GWAS分析找到的QTL区域如果包含转录因子基因，可以用DAP-seq快速确定这个转录因子的结合位点和潜在靶基因。结合优异等位变异分析，为分子标记辅助育种提供靶位点信息。这种方法在水稻、玉米等主要作物中已有成功的应用案例。

十、DAP-seq实验中的常见问题与优化方案

    最后总结DAP-seq实验中常遇到的问题和优化方案：

问题一：蛋白表达失败或产量低

    这是最常见的问题。解决方法：检查表达载体序列是否正确（特别是起始密码子位置和阅读框）；优化表达温度（26℃→16℃过夜）；检查麦胚系统的试剂是否过期；尝试换用大肠杆菌表达系统做备选。

问题二：Peak数量太少或没有Peak

    原因可能是：蛋白没有活性（可溶性差或折叠不正确）；结合条件不合适（KCl浓度太高或太低）；DNA文库质量差；PCR扩增不足。解决方法：做Western确认蛋白可溶性；做EMSA验证蛋白-DNA结合活性；调整结合缓冲液KCl浓度（25mM-100mM做梯度）；增加PCR循环数。

问题三：背景太高

    原因：poly(dI-dC)用量不够；洗涤不充分；磁珠非特异性吸附。解决方法：增加poly(dI-dC)到5-10μg；增加洗涤次数和洗涤液中KCl浓度；做"no-protein control"来评估背景水平。

问题四：重复性差

    原因：蛋白表达批次间差异大；DNA文库不同批次；PCR扩增效率差异。解决方法：同一次表达足够量的蛋白分装保存；一次制备大量DNA文库分装使用；统一PCR循环数和起始DNA量。

问题五：与ChIP-seq结果不一致

    DAP-seq和ChIP-seq结果不一致是正常的——DAP-seq测的是体外结合能力，ChIP-seq测的是体内真实结合。不一致的位点可能反映了染色质可及性、其他转录因子竞争、翻译后修饰等体内因素的作用。建议关注两者一致的高置信度结合位点，同时分析不一致位点背后的生物学意义。

    DAP-seq技术的出现确实让植物转录因子研究进入了一个新的阶段。不用抗体、不用转化、能做高通量筛选——这些优势让以前做不了的实验变成了可能。当然，DAP-seq不是万能的，它测的是体外结合，不能完全替代体内的ChIP-seq。最好的策略是把DAP-seq作为筛查工具，ChIP-seq作为验证工具，两者互补使用，才能构建可靠的植物转录调控网络。