ISSN: 0974-276X
Mohammad Heydarian, Teresa Romeo Luperchio, Jevon Cutler, Christopher J. Mitchell, Min-Sik Kim, Akhilesh Pandey, Barbara Sollner-Webb y Karen Reddy
Un método cada vez más común para predecir la actividad génica es la inmunoprecipitación de la cromatina de todo el genoma de células ‘activas’ modificaciones de la cromatina seguidas de secuenciación masivamente paralela (ChIP-seq). Para comprender mejor la relación entre los paisajes de cromatina regulados por el desarrollo y la regulación del desarrollo temprano de las células B, determinamos cómo las regiones promotoras diferencialmente activas podían predecir los niveles relativos de ARN y proteína en las etapas pre-pro-B y pro-B. En este documento, describimos un nuevo método de cuantificación de ChIP-seq (cRPKM) para identificar promotores activos y un enfoque multiómico que compara el estado de la cromatina del promotor con la transcripción activa en curso (GRO-seq), ARNm de estado estacionario (RNA-seq), ARNm inferido medidas de estabilidad y abundancia relativa del proteoma (iTRAQ). Demostramos que las modificaciones de la cromatina activa en los promotores son buenos indicadores de la transcripción y los niveles de ARNm en estado estacionario. Además, encontramos que los promotores con modificaciones de cromatina activa exclusivamente en uno de estos estados celulares predijeron con frecuencia la abundancia diferencial de proteínas. Sin embargo, encontramos que muchos genes cuyos promotores tienen modificaciones de cromatina no diferenciales pero activas también mostraron cambios en la abundancia de sus proteínas afines. Como era de esperar, esta gran clase de proteínas reguladas diferencialmente y en el desarrollo que se desacoplaron del estado de la cromatina utilizaron principalmente mecanismos postranscripcionales. Sorprendentemente, la proteína más diferencialmente abundante en nuestro sistema de desarrollo de células B, 2410004B18Rik, estaba regulada por un mecanismo postranscripcional, que análisis posteriores indicaron que estaba mediado por un micro ARN. Estos datos resaltan cómo este conjunto integrado de datos multiómicos puede ser un recurso útil para descubrir mecanismos regulatorios. Se puede acceder a estos datos en: https://usegalaxy.org/u/thereddylab/p/prediction-of-gene-activity-based-on-an-integrative-multiomics-analysis