常见问题。 ATAC-seq 用来问“哪些调控 DNA 处于可访问状态”。它适合寻找候选 promoter/enhancer、比较细胞状态的调控潜能、推断候选 TF program，并帮助解释非编码 GWAS 位点或处理响应的上游调控层。
一般分析思路。 先看 TSS enrichment、FRiP、fragment length 和线粒体/叶绿体污染，再 call peaks，构建 peak-by-sample 或 peak-by-cell 矩阵，做差异可及性、motif 富集、footprint/gene activity 和 peak-to-gene linkage。
为什么这样分析。 Tn5 插入偏向开放染色质，但开放不等于 TF 已结合，也不等于 enhancer 有功能。QC 先确认看到的是核小体组织和真实开放区域，motif 和 peak-gene 分析只能提出调控假设，需要 RNA、ChIP/CUT&Tag、Hi-C/eQTL 或扰动验证。
生物学主线。 ATAC 读的是调控潜能：染色质是否允许转录因子访问。它比 RNA 更靠近上游调控，但仍只是 DNA 可及性这一层，不是最终表达或功能。
细胞里的 DNA 很长，不能散开成一团线，而是缠绕在 histone 蛋白上形成 nucleosome，再进一步折叠成 chromatin。这样做能把 DNA 收纳进细胞核，但也带来一个问题：如果某段 DNA 被包得很紧，转录因子和 RNA polymerase 就很难接近它。
ATAC-seq 测的是哪些 DNA 区域比较“松”、比较容易被 Tn5 酶切入。开放区域常常是 promoter、enhancer 或其它调控元件，表示细胞可能允许某些基因被调控。初学者要记住：ATAC 不是测 RNA，也不是直接测蛋白结合；它测的是基因组说明书上哪些页被翻开了。
7.1ATAC-seq 的基本原理¶
ATAC-seq 的核心是 Tn5 transposase。Tn5 更容易进入核小体缺失或染色质开放区域，并在切割 DNA 的同时插入测序接头。测序后，reads 富集的位置被称为 peaks，通常代表启动子、增强子、绝缘子或其他开放调控区域。
ATAC-seq 测到的是“可及性”，不是转录因子结合本身。开放区域更可能被调控因子访问，但并不等于该增强子正在驱动表达，也不等于某个 motif 对应的转录因子一定结合在那里。
生物学补充：开放染色质是调控潜能，不是表达本身¶
染色质可及性可以理解为基因组调控语法的“可读状态”。启动子附近开放，常常表示转录机器有机会进入；远端增强子开放，表示该细胞可能允许某些转录因子读取这段 DNA；绝缘子或边界元件开放，可能和 3D genome 的调控域有关。但这些都是潜能层。一个 enhancer 开放，不等于它此刻正在驱动目标基因；一个 promoter 关闭，也不等于该基因永远无法表达。
这种潜能层特别适合解释细胞身份。许多细胞类型在真正表达某些功能基因前，已经预先打开 lineage-specific enhancers，这叫 chromatin priming。免疫细胞激活、干细胞分化和植物胁迫响应里，ATAC 往往比 RNA 更早显示某些调控元件的准备状态。相反，有些 RNA 改变很快，但 ATAC 改变较慢，说明短期刺激可能先通过已有开放元件改变转录，而不是立即重塑染色质。
motif 分析要放回转录因子家族的生物学。AP-1、NF-kB、IRF、bZIP、MYB、WRKY、NAC 这类 motif 富集，通常提示一组可能的调控程序，但同一家族成员识别序列相似，不能单靠 motif 指定具体 TF。植物项目里尤其要注意：WRKY motif 富集可能提示免疫或胁迫调控，bZIP 可能连接 ABA/糖/胁迫，NAC 可能连接发育、木质化或逆境，但最终必须看 TF 本身表达、蛋白活性和扰动证据。
7.2peaks、motif 和 footprint¶
peaks 是 ATAC 分析的基本单位。peak calling 会识别 reads 富集区，然后构建“样本 × peak”或“细胞 × peak”的矩阵。差异可及性分析比较不同条件下哪些 peaks 更开放或更关闭。
motif 分析关注 peaks 中是否富集某些转录因子识别序列。例如疾病样本中开放的 peaks 富集 NF-kB motif，可以提示炎症调控增强。footprint 分析则试图利用 Tn5 插入模式识别转录因子保护区域，但对测序深度、酶偏好和模型假设非常敏感。
7.3bulk ATAC 与 single-cell ATAC¶
bulk ATAC-seq 适合比较纯化细胞群或组织样本的整体调控状态，信号稳定，peak calling 相对容易。single-cell ATAC-seq 能区分不同细胞类型的调控状态，但数据极度稀疏：单个细胞只捕获到全基因组开放区域的一小部分，因此分析更依赖聚合、降维和 motif 活性推断。
单细胞 ATAC 常见分析包括 LSI 降维、细胞聚类、gene activity score、peak-to-gene linkage、motif deviation 和与 scRNA-seq 的联合整合。gene activity 是从基因附近开放区域推测表达潜力，不是实际表达。
7.4QC 指标¶
ATAC-seq 的关键 QC 包括 TSS enrichment、FRiP score、片段长度分布、线粒体 reads 比例、重复率和样本相关性。高质量 ATAC 通常能看到核小体周期性：短片段来自核小体缺失区域，较长片段对应 mono-nucleosome、di-nucleosome 等结构。
| 指标 | 含义 | 异常提示 |
|---|---|---|
| TSS enrichment | TSS 附近信号富集程度 | 核提取或建库质量差 |
| FRiP | reads 落在 peaks 中的比例 | 信噪比低 |
| mitochondrial reads | 线粒体 reads 比例 | 细胞破裂或样本质量差 |
| fragment pattern | 片段长度周期性 | 核小体结构是否清晰 |
7.5解释边界¶
ATAC-seq 很适合提出调控假设：哪个增强子被打开，哪个转录因子 motif 被富集，哪个细胞状态的调控程序发生变化。但它不能单独证明某增强子调控某基因。增强子-基因连接通常需要结合距离、共变、Hi-C/染色质互作、eQTL、CRISPR 扰动或报告基因实验。
看到 ATAC 结果时，先问：开放区域是否与表达变化一致？motif 对应的转录因子是否表达？候选 enhancer 是否有独立证据连接到目标基因？
对机制表述要保守分级：peak 更开放 支持可及性变化；motif 富集 支持候选 TF family；peak 与基因表达共变 支持候选调控关系；扰动 enhancer 或 TF 后表达和表型改变 才支持调控因果。把这四层混成一句“某 TF 调控某基因导致表型”，是 ATAC 论文最常见的过度解释。
7.6CNS / 高影响案例深读：开放染色质如何指向调控元件¶
我选的案例。 Buenrostro et al. 2013, Nature Methods 是 ATAC-seq 方法学起点；Corces et al. 2018, Science 的 TCGA primary human cancers ATAC 图谱更适合做生物学深读，因为它展示可及性如何连接肿瘤亚型、非编码调控和 TF program。
科研逻辑图。
flowchart LR
Q[真实问题: 表达变化的上游调控元件在哪里] --> T[Tn5 插入开放染色质]
T --> P[peaks: 候选 promoter/enhancer]
P --> M[motif 富集: 候选 TF program]
P --> G[peak-gene link: 距离/共变/3D/eQTL]
M --> H[调控假设]
G --> H
H --> V[验证: RNA一致性 / CUT&Tag / CRISPR enhancer perturbation]为什么必须做 ATAC。 RNA-seq 告诉你表达输出变了，但不告诉你上游哪一段 promoter、enhancer 或 insulator 变得可访问。很多 GWAS 风险变异和癌症非编码变异不改变蛋白序列，而是改变调控元件。ATAC-seq 把问题推到“调控 DNA 是否处于可访问状态”这一层。
原理如何支撑结论。 Tn5 更容易进入 nucleosome-depleted 或开放染色质区域，并在切割时插入测序接头。reads 富集形成 peaks，peak 的位置提示候选调控元件；peak 内 motif 富集提示可能的 TF program；片段长度分布提示核小体组织。Corces 等人把 ATAC peaks 与 TCGA 的表达、甲基化、突变和临床信息对齐，让“开放区域”不再只是 peak list，而是可解释癌症调控状态的坐标。
从实际科研逻辑怎么读。 ATAC 论文要按三层证据读。第一层是 peak：某区域开放，说明 DNA 可被 Tn5 访问。第二层是 motif：开放区域里某 TF motif 富集，说明这个 TF family 的 binding grammar 被利用，但不等于该 TF 已结合。第三层是 peak-to-gene：如果开放 peak 与附近或远端基因表达共变，或有 3D/eQTL 支撑，才更接近调控关系。Corces 的强处在于把癌症 ATAC 放进 TCGA 多组学背景，能从单个 peak 上升到 cancer type/subtype regulatory program。
关键结果如何支撑生物学声明。 ATAC profiles 区分癌症亚型，支持“调控状态携带肿瘤身份信息”；差异 peaks 富集 lineage TF motifs，支持“谱系 TF program 参与维持肿瘤状态”；非编码风险位点落在癌症开放元件中，支持“风险变异可能作用于调控 DNA”。但每一步都是证据链的一环，最强的是“提出候选 enhancer/TF/gene”，不是直接证明 enhancer 驱动某基因。
结论边界。 开放不等于 TF 已结合，motif 富集不等于 TF 活性，peak 到 gene 的最近距离不等于 enhancer 靶基因。更强结论需要 RNA 表达一致性、ChIP/CUT&Tag、Hi-C/ABC model、eQTL 或 CRISPR enhancer perturbation。植物 ATAC 还要特别检查叶绿体和线粒体污染，否则 FRiP 和 peak 解释会被拉偏。
参考。 Buenrostro et al. 2013. Nature Methods. https://www.nature.com/articles/nmeth.2688；Corces et al. 2018. Science. https://www.science.org/doi/10.1126/science.aav1898
延伸深读。 [[08-ATAC/_papers/buenrostro-2013-nature-methods-atacseq]]；[[08-ATAC/_papers/corces-2018-science-cancer-atac]]