数据集总结与分析策略

一、已发表手稿的数据集 vs 其他数据集

已发表手稿的数据集 (GEO: GPL16791)

根据您提供的 GEO 样本列表，已发表的数据主要包括：

1. RNA-seq 数据 (28个样本)

• 不同质粒 (p600, p601, p602, p604, p605 及其组合) 在不同天数 (d3, d8, d9, d12) 和不同供体 (DonorI, DonorII) 的转录组
• 这些质粒编码：sT (p600/p601)、LT (p604/p605)、sT+LT组合 (p602, p600and601, p604and605)

2. 组蛋白修饰 ChIP-seq 数据 (20个样本)

• H3K4me3 (活性启动子标记): V_8_1_5, V_8_1_6 (p601, p604) at day8
• H3K27me3 (抑制性标记): V_8_1_5, V_8_1_6 (p601, p604) at day8
• H3K9me3 (异染色质标记): V_8_1_7 (p601, p604) at day8
• H3K27ac (活性增强子标记): V_8_1_8 (p601, p604) at day8
• 每个样本都有对应的 Input 对照

结论：已发表的数据主要关注 sT/LT 对宿主表观遗传景观（组蛋白修饰）和转录组的影响，但没有直接做 LT 蛋白本身的 ChIP-seq。

---

其他未发表的数据集 (可用于当前项目)

您的硬盘上还有大量宝贵的数据，特别是：

1. Data_Denise_ChIPSeq_Protocol2

• Data_Denise_LTtrunc_H3K27me3_2 和 H3K4me3_2: 这些是组蛋白修饰 ChIP-seq，不是 LT 蛋白 ChIP-seq
• Data_Denise_sT_H3K27me3_2 和 H3K4me3_2: 同样是组蛋白修饰

2. Data_NHDF_LT_LTtr_hg38

• 包含 LT 和 LTtr 的 H3K27me3、H3K4me3 数据
• 这些仍然是组蛋白修饰，用于观察 LT/LTtr 表达后对组蛋白标记的影响

3. Data_Denise_LT_DNA_Bindung (最关键!)

• LTtr-ChIP: 这是 LT 蛋白本身的 ChIP-seq 数据！
• Raw_Data_ChIPseq: 包含多个批次的 LT 蛋白 ChIP-seq

---

二、您需要哪种类型的 ChIP-seq？

您的理解完全正确！ChIP-seq 分为两大类：

1. 组蛋白修饰 ChIP-seq (Histone ChIP-seq)

• 抗体靶点: 组蛋白修饰（如 H3K4me3, H3K27me3, H3K27ac, H3K9me3）
• 用途: 描绘基因组上的活性/抑制性区域分布
• 特点: 信号广泛，覆盖大片段区域（几千到几万 bp）
• 您的数据中: Data_Denise_ChIPSeq_Protocol2、Data_H3K27me3、Data_H3K4me3 等都是这类

2. 转录因子 ChIP-seq (Transcription Factor ChIP-seq)

• 抗体靶点: 特定的蛋白质（如 LT 蛋白、MAZ、SP1 等）
• 用途: 精确定位该蛋白在基因组上的结合位点
• 特点: 信号集中在蛋白结合的特定位置，形成尖锐的 Peak（通常几百 bp）
• 您的数据中: LTtr-ChIP 和 Raw_Data_ChIPseq 中的 lt_* 样本是这类

对于当前项目（研究 MAZ 与 LT 的相互作用），您需要：

✅ 转录因子 ChIP-seq (LT 蛋白本身的 ChIP-seq)
❌ 组蛋白修饰 ChIP-seq（虽然有用，但不能直接回答”LT 结合在哪里”）

---

三、”LTtr-ChIP” 的中文解释

LTtr-ChIP = Large T truncated antigen ChIP-seq
中文：截短型 Large T 抗原的染色质免疫共沉淀测序

具体含义：

• LTtr (Large T truncated): 指在 Merkel 细胞癌中常见的截短型 Large T 抗原。这种突变体失去了 C 端的 Origin-Binding Domain (OBD) 和 Helicase 结构域，因此无法直接结合 DNA。
• ChIP: 使用抗 LT 抗体进行的染色质免疫共沉淀实验。
• 目的: 检测这种失去 DNA 结合能力的突变体 LT，是否仍然通过蛋白质-蛋白质相互作用 (PPI) “搭便车”结合到基因组上（例如通过 MAZ 等宿主转录因子）。

这正是您项目需要的关键对照！

---

四、关键样本对比策略

您需要比较的样本组合：

A. 野生型 LT (WT LT) ChIP-seq

# 来自 Raw_Data_ChIPseq
./Sample_lt_wt_1/lt_wt_1_GCCAAT_L002_R1_001.fastq.gz
./Sample_lt_wt_2/lt_wt_2_CAGATC_L002_R1_001.fastq.gz
./Sample_lt_wt_3/lt_wt_3_CTTGTA_L002_R1_001.fastq.gz

# 对应的对照
./Sample_lt_mock_1/lt_mock_1_CGATGT_L001_R1_001.fastq.gz  # Mock 对照
./Sample_input_wt_1/input_wt_1_CGTACG_L002_R1_001.fastq.gz  # Input 对照

B. 截短型 LT (LTtr) ChIP-seq – 这是您的”突变体”

# 来自 LTtr-ChIP
./Sample_p197_lt/p197_lt_GTGGCC_L003_R1_001.fastq.gz  # LTtr 突变体 1
./Sample_p197_lt/p197_lt_GTGGCC_L004_R1_001.fastq.gz
./Sample_p284_lt/p284_lt_CGTACG_L003_R1_001.fastq.gz  # LTtr 突变体 2
./Sample_p284_lt/p284_lt_CGTACG_L004_R1_001.fastq.gz

# 对应的对照
./Sample_mock_lt/mock_lt_GTAGAG_L003_R1_001.fastq.gz  # Mock + LT 抗体
./Sample_mock_igg/mock_igg_GTGAAA_L003_R1_001.fastq.gz  # IgG 阴性对照

C. K331A 突变体 ChIP-seq – 另一个关键突变体！

# 来自 Raw_Data_ChIPseq (161201 批次)
./mcs13/lt_k331a_cm2b4_S64_L008_R1_001.fastq.gz  # K331A DNA 结合缺陷突变体
./mcs14/st_lt_k331a_cm2b4_S65_L008_R1_001.fastq.gz  # sT + K331A

# 对应的对照
./mcs8/lt_k331a_input_S59_L008_R1_001.fastq.gz  # Input
./mcs11/lt_cm2b4_S62_L008_R1_001.fastq.gz  # WT LT (同一批次对照)

K331A 的重要性: K331 位于 OBD 结构域中，K331A 突变会特异性破坏 LT 的 DNA 结合能力，但不影响蛋白的整体结构。这是验证”LT 通过 OBD 直接结合 DNA”的完美突变体对照！

---

五、推荐的比较方案

核心对比 1: WT LT vs LTtr (截短突变体)

WT LT ChIP-seq (lt_wt_*) 
    vs
LTtr ChIP-seq (p197_lt, p284_lt)

预期结果:

• WT LT 的 Peaks 应该富集 LT 的经典 Motif (GAGGC)
• LTtr 的 Peaks 中，LT Motif 应该消失或大幅减少，但如果 LTtr 通过 MAZ “搭便车”，这些 Peaks 应该富集 MAZ Motif (GGGAGGG)

核心对比 2: WT LT vs K331A 突变体

WT LT ChIP-seq (lt_wt_*, lt_cm2b4)
    vs
K331A ChIP-seq (lt_k331a_cm2b4)

预期结果:

• K331A 应该失去大部分 WT LT 的结合位点（证明这些位点依赖 OBD）
• 但某些位点可能在 K331A 中保留（这些位点可能通过 PPI 间接结合）

核心对比 3: 所有 LT ChIP-seq vs MAZ 公共数据

您的 LT/LTtr/K331A ChIP-seq Peaks
    vs
ENCODE/Cistrome DB 中的 MAZ ChIP-seq Peaks

预期结果: 如果 LTtr 和 K331A 保留的 Peaks 与 MAZ Peaks 高度重叠，这就是”搭便车”假说的强有力证据。

---

六、RNA-seq 的作用

您说”RNA-seq 在这个数据分析中没有用”，这个判断基本正确，但有一个例外：

RNA-seq 不能直接用于:

• ❌ 确定 LT 蛋白结合在基因组的哪个位置
• ❌ 分析 MAZ 与 LT 的物理相互作用

RNA-seq 可以用于:

• ✅ 下游功能验证: 比较 WT LT vs LTtr vs K331A 对宿主基因表达的影响
• ✅ 整合分析: 如果 LTtr 通过 MAZ 结合到某些启动子，这些基因的表达应该发生变化
• ✅ 机制解释: 结合 ChIP-seq 和 RNA-seq，可以构建”LT 结合 → 表观遗传改变 → 基因表达改变”的完整证据链

建议: 先完成 ChIP-seq 分析，如果有时间和资源，再用 RNA-seq 数据做整合分析，这会大大增强文章的故事性。

---

七、下一步行动建议

1. 立即开始处理的数据:

   • LTtr-ChIP 中的 p197_lt, p284_lt (LTtr 突变体)
   • Raw_Data_ChIPseq 中的 ltwt* (WT LT)
   • Raw_Data_ChIPseq (161201) 中的 lt_k331a_cm2b4 (K331A 突变体)

2. 分析流程:

   • 质控 (FastQC) → 比对 (Bowtie2/BWA) → Peak calling (MACS2) → Motif 分析 (HOMER/MEME) → 共定位分析 (bedtools intersect)

3. 关键验证:

   • 在 LTtr 和 K331A 保留的 Peaks 中扫描 MAZ Motif
   • 与公共 MAZ ChIP-seq 数据做重叠分析
   • 如果可能，补充 Co-IP/Pull-down 实验验证 LT-MAZ 物理相互作用

您需要我帮您编写具体的分析脚本吗？我可以基于您之前的 Python/R 脚本进行修改，加入 WT vs Mutant 的对比和 MAZ Motif 扫描功能。