The chromatin accessibility landscape of primary human cancers¶

作者 · Corces et al., 期刊 · Science, 年份 · 2018, DOI · https://doi.org/10.1126/science.aav1898
一句话：他们把 ATAC-seq 扩展到 TCGA 原发肿瘤，展示开放染色质如何连接癌症亚型、TF 程序和非编码风险位点。

1. 背景与前问¶

癌症基因组学已有突变、CNV、表达、甲基化等大量数据，但非编码调控层仍难解释。许多癌症状态不是由一个 coding mutation 直接定义，而是由 lineage TF、enhancer rewiring 和 chromatin state 共同塑造。

2. 核心问题¶

核心问题一句话：原发肿瘤中的开放染色质图谱能否解释癌症类型、亚型和非编码调控机制？

这比细胞系 ATAC 更难。原发肿瘤细胞组成复杂、样本质量不一、临床背景异质，但生物学价值也更高。

3. 实验设计的关键决策¶

作者分析 410 个 TCGA 原发肿瘤样本，覆盖 23 种癌症。这个设计的强处是可与 TCGA 多组学和临床信息整合；弱点是 bulk tumor ATAC 混合了肿瘤细胞、免疫细胞和 stromal cells。

他们选择 ATAC 而不是 ChIP-seq，是因为 ATAC 低输入、适合临床样本，并能在 genome-wide 层面读出 candidate regulatory elements。

4. 数据生成与处理¶

flowchart LR
  Tumor[primary tumors] --> ATAC[ATAC-seq]
  ATAC --> Peaks[pan-cancer peak atlas]
  Peaks --> Subtype[cancer type/subtype clustering]
  Peaks --> Motif[TF motif activity]
  Peaks --> GWAS[noncoding variant annotation]
  RNA[TCGA RNA/methylation/mutation] --> Integrate[multi-omics interpretation]
  Peaks --> Integrate

统计上，peak matrix 是样本 × regulatory region。分析包括 peak calling、样本聚类、differential accessibility、motif enrichment/deviation 和与表达/甲基化/遗传位点整合。

5. 关键 Figure 拆解¶

真实 Figure 入口 · 原文 Figures

这篇 Science pan-cancer ATAC 论文建议打开原文 Figures，重点看 Figure 1、Figure 2/3 和 Figure 4/5。读图时把每张图分成三层：peak matrix 是否区分癌种/亚型；motif 是否只是 TF family 线索；noncoding variants 或 peak-gene links 是否真的有表达/功能证据支撑。

Figure 1：pan-cancer accessibility atlas¶

这张图展示不同癌症类型的 ATAC profiles。生物学声明是 chromatin accessibility 携带 cancer identity。统计上是高维 peak matrix 的降维和聚类。

Figure 2/3：亚型和 TF program¶

差异 peaks 和 motif enrichment 支持 lineage TF 或 oncogenic TF program。读法要谨慎：motif 说明 sequence grammar，不直接证明 TF binding。若 TF 自身表达也高，证据更强。

Figure 4/5：非编码风险位点和 enhancer-gene 连接¶

把 GWAS 或 somatic noncoding variants 放到开放元件中，可以优先解释哪些变异落在活跃调控背景。它支持 candidate mechanism，不直接证明 causality。

6. 结论的强度边界¶

强支持：原发肿瘤的 chromatin accessibility 可区分癌症类型和部分亚型；ATAC peaks 可用于注释非编码调控区域；motif 层能提出候选 TF program。

边界：bulk tumor ATAC 会受细胞组成影响；peak-gene link 不唯一；开放区域不一定有 enhancer 功能；临床样本的 cold ischemia 和质量差异会影响 ATAC。

7. 如果今天重做¶

今天会加入 single-cell ATAC/multiome 分解细胞类型，使用 matched tumor-normal 和空间定位，结合 CRISPRi enhancer perturbation 验证 peak-gene 关系。对植物肿瘤或胁迫组织类比研究，最好做 cell-type-resolved ATAC，避免把组织组成变化误读成调控元件开关。

8. 我学到了什么¶

（Peter 填）

横向连接¶

[[08-ATAC/differential-accessibility]]
[[08-ATAC/atac-vs-chip-motif]]
[[15-multiomics-integration/grn-inference-math]]
[[02-GWAS/regulatory-vs-coding-variation]]

参考¶

Corces et al. (2018), Science, DOI: https://doi.org/10.1126/science.aav1898
Hoadley et al. (2018), Cell — TCGA pan-cancer multi-omics
Fulco et al. (2019), Nature Genetics — ABC enhancer model