摘要LLM 归库摘要
- 核心内容： 以一篇 Redox Biology（IF 11.9）的 H3K9 乳酸化研究为例，系统拆解 CUT&Tag + RNA-seq 联合分析的七层摆图逻辑，从全局 metagene 分析 → promoter peak 分布 → GO/GSEA 富集 → Venn 交集筛选 → IGV 可视化验证 → qPCR/ChIP-qPCR 湿实验验证 → 双荧光素酶功能验证。
- 可复用知识： CUT&Tag 的 peak 代表修饰富集区域而非基因表达；"修饰变化 ∩ 表达变化 = 候选功能靶基因"是全文最核心的联合分析逻辑；promoter/TSS 区域富集是组蛋白修饰驱动转录激活的关键信号。
- 适用场景： 需要理解或设计 bulk 层面组蛋白修饰（CUT&Tag/ChIP-seq）与转录组（RNA-seq）联合分析的文章 figure 排布逻辑。
- 输入： CUT&Tag 差异 peak 列表 + RNA-seq DEG 列表。
- 输出： 七层证据链（从全局分布到单基因功能验证）的文章 figure。
- 关键参数/步骤： metagene analysis（TSS±3kb）、genomic feature distribution（promoter 占比）、GO/GSEA、Venn overlap、对角火山图、IGV track、ChIP-qPCR + RT-qPCR + 双荧光素酶。
- 常见错误： 把 CUT&Tag 的 peak 直接当表达量解读；跳过 Venn 交集直接挑基因；只用生信结果而不做独立湿实验验证。
- 与口腔生信连接： 若后续涉及口腔炎症微环境中的组蛋白修饰研究（如牙周炎/OSCC 中的乳酸化、乙酰化），可完全复用该七层摆图框架；需确认口腔相关细胞类型中是否有公开 CUT&Tag 数据可用。
- 关联页面建议： 03 生信教程与工具库/02_wiki/workflows/（可新建 bulk 多组学联合分析摆图工作流页面）、02 文献精读与汇报库/00_inbox/（若后续获取该 Redox Biology 原文可做深度文献笔记）
- 下一步处理： 可结合 Science同款｜个性化通路富集-GSEA排序气泡图 中的 GSEA 可视化方法，补充联合分析中的富集结果展示方案；批量复现摆图逻辑后可将稳定步骤提炼为 workflow 页面。
- 归库说明： 分类到 03 生信教程与工具库，置信度 0.85，理由：微信公众号生信教程，无 DOI/PMID，核心价值为方法论教学而非单篇论文证据。
HengQin 2026年5月24日 18:18
一文帮你搞定转录组联合表观组摆图逻辑1#
不要只会看到别人高分文章中出现过这张组学分析的图，就想着我也要，但是不知道为什么要，知道它很重要，却不能讲清楚缘由，我们应争取理解使用这张图的目的，以及摆图逻辑。
今天的推文，争取通过这篇高分文章，让大家了解并掌握转录组联合Cut&tag的常见摆图逻辑，明白相应的图如何摆，为什么摆，有什么意义。
【论测序费用，这个相较于单转与空转的自测成本相对低很多，测序费用有限的老师其实可以考虑表观角度，当然挖掘公共数据库的单转与空转或者其它组学配合湿实验用也可以重点考虑】
- 前面的一系列推文中，包含了：
- 生物医学常见实验如qPCR、WB、CCK8、免疫组化与免疫荧光等的结果在高分文章中的展示
- 顶刊中常用的统计方法介绍与目前统计方法生物医学论文中的冲突
- 介绍组学，从转录组开始，转录组白话说争取从白话对话的角度让你基本明白为什么测转录组，对应的实验流程与分析流程概述 以及部分单转空转文章的解读等。
大家感兴趣的可以看看前面，争取做一个系列，彻底搞定常规问题。
一、介绍#
乳酸化自2019年首次被提出以来，迅速成为表观遗传与代谢调控交叉领域的研究热点，并在近年来持续保持较高关注度。今天我们解析的是一篇发表于2026年1月、刊登于Q1期刊《Redox Biology》（影响因子11.9）的研究——"Histone H3K9 lactylation activates the TXNIP/NLRP3 pathway to drive macrophage inflammation after spinal cord injury"（中文：组蛋白H3K9乳酸化激活TXNIP/NLRP3通路，驱动脊髓损伤后巨噬细胞炎症反应）。
该研究的核心技术路线采用了转录组学（RNA-seq）与表观组学（CUT&Tag）联合分析策略。之所以必须进行多组学整合，本质原因在于：当研究对象是 组蛋白修饰 时，其生物学意义并不局限于" 是否发生变化 "，而在于其 是否进一步影响下游基因转录网络及功能通路 。因此，单一组学往往只能回答"发生了什么"，而无法解释"为什么发生"以及"最终影响了什么"。
从机制层面来看，组蛋白修饰本身就是典型的转录调控层级信号，其核心生物学功能是调控靶基因的转录激活或抑制状态。因此，一旦锁定某一类组蛋白修饰（例如H3K9乳酸化），研究就必须进一步追问：该修饰究竟作用于哪些基因？影响哪些信号通路？最终是否驱动细胞表型改变乃至组织病理变化？
在更系统的研究设计中，还可以从"调控轴"的角度进一步深化分析，例如关注乳酸化相关的写入酶（Writer）、擦除酶（Eraser）以及潜在上游调控因子（如代谢状态或转录因子），从而构建"代谢—表观遗传—转录调控—细胞功能"的完整调控链条。这类多层级机制如果能够在体内外实验中形成闭环验证，很有可能具备冲击子刊的能力。
今天，我们重点给大家介绍作者锁定具体组蛋白具体修饰位点的逻辑，以及作者如何通过两个组学锁定Txnip作为H3K9乳酸化修饰的功能基因的，同时帮助大家梳理相对陌生的Cut&tag摆图逻辑，争取一篇文章让大家对于转录组联合摆图有清晰的理解。 下面我们以提问的方式进行展开：
二、锁定与分析逻辑#
Q1:如何锁定乳酸化修饰的具体组蛋白修饰位点
（如何锁定乳酸化，大家可以看看作者的介绍与前面的对应结果，此处咱们重点讲作者如何挑选出对应组蛋白对应的修饰位点）
作者文献调研了三个已知的巨噬细胞参与H3组蛋白经典赖氨酸乳酸化的位点,从AB图中，我们可以看到三种乳酸化修饰，都有增强的趋势，但是出H3K9la在14dpi的SCI中最显著；C图将各条带强度标准化至上样对照后，仅 H3K9la 显著上调，而 H3K14la 和 H3K18la 的变化较小且不显著，所以作者锁定了H3K9la。
Q2: 组学联合锁定 H3K9la 的关键靶基因（全文核心机制）
img
前面的研究已经发现，脊髓损伤（SCI）后乳酸显著积累，同时 H3K9la 水平明显升高。但此时其实只回答了一个现象性问题： SCI 后发生了组蛋白乳酸化。 真正更关键的问题是： H3K9la 究竟修饰了哪些基因？这些修饰是否真的改变了基因表达，并进一步参与 SCI 的炎症损伤过程？
这是因为，组蛋白修饰本质上 并不是"单纯的化学标记" ，而是 能够通过改变染色质状态 ，进一步 影响靶基因的转录激活或抑制 。因此，作者接下来真正想解决的问题是： SCI 后，H3K9la 是通过调控哪些关键基因参与病理过程的。
为了解决这个问题，作者首先进行了 CUT&Tag 测序 ，并使用抗 H3K9la 抗体对发生 H3K9la 修饰的染色质区域进行富集分析。这里一定要理解， CUT&Tag 检测的并不是"基因表达 "，而是： H3K9la 在基因组中的分布位置。 换句话说，它回答的是：
"H3K9la 修饰贴在了哪里？" [其实bulk Cut&tag层面是贴在了多少细胞里，多少细胞发生了修饰，进而比较修饰强弱]
因此，CUT&Tag 得到的 核心结果并不是表达量 ，而是所谓的 peak（富集峰） 。所谓 peak，本质上就是：某一区域出现大量测序 reads 堆积，说明 H3K9la 在该区域高度富集。因此，peak 真正代表的是：
"H3K9la 修饰富集区域"
而不是基因表达水平。
随后，作者首先进行了经典的 metagene analysis（元基因分析） 。 其本质并不是观察某一个具体基因，而是将全基因组所有基因按照统一结构进行"对齐" ，即：
upstream → TSS → gene body → TES → downstream
然后统计 H3K9la 在整个基因结构中的平均分布规律。这里作者重点分析了 TSS（转录起始位点）和 TES（转录终止位点）上下游 ±3 kb 区域 的 H3K9la 富集情况。
之所以重点观察 TSS，是因为 TSS 是 RNA polymerase 开始转录的位置，也是转录调控最核心的区域。通常，启动子（promoter）、转录因子（transcription factors）、RNA polymerase II 以及各种激活性组蛋白修饰，都会集中富集在这里。因此，如果某种组蛋白修饰在 TSS 附近明显增加，往往意味着它可能正在参与基因转录激活。而观察 TES，则是为了从整体上分析该修饰在整个基因结构中的分布趋势，例如它更偏向 promoter 区域、gene body 区域，还是转录终止区域。
结果显示，SCI 后 H3K9la 在基因启动子及其上游区域显著富集，尤其是在 TSS 附近最为明显。这一结果非常关键，因为：
启动子 = 基因转录开关
如果 H3K9la 大量集中于 promoter/TSS 区域，通常意味着它正在增强该区域的染色质开放状态，从而促进转录机器结合，最终激活基因表达。
为了进一步验证这一点，作者统计了 H3K9la peak 在不同基因组功能元件中的分布情况。结果发现，在 SCI 小鼠循环单核细胞来源的巨噬细胞中，共鉴定出 18,797 个 H3K9la 差异峰，其中 8.37% 位于 promoter（±3 kb）区域；而假手术组仅检测到 4,740 个差异峰，其中仅有 3.98% 位于 promoter 区域。
这说明，SCI 后不仅 H3K9la 总体水平增加，更重要的是：
H3K9la 特异性地集中到了启动子区域。
这一点非常重要，因为启动子区域决定了基因是否能够启动转录。因此，作者提出：SCI 后增加的 H3K9la，很可能通过增强启动子区域活性，进一步促进相关基因的转录激活。
接下来，作者进一步对这些 H3K9la 富集增加的基因进行了 GO 和 GSEA 富集分析，用于回答：
"H3K9la 主要在调控什么生物学过程？"
结果显示，这些基因主要富集于细胞迁移、细胞黏附、炎症反应、氧化应激以及免疫应答等通路。 说明 H3K9la 并不是随机修饰，而是重点参与 SCI 后的炎症微环境调控 。热图进一步显示，多个关键炎症免疫相关基因（如 TXNIP、IL-1β 和 CD14）均出现明显的 H3K9la 升高。这一步非常重要，因为作者开始 从"全局通路变化"逐渐聚焦到"具体候选基因" 。
然而，这里存在一个非常关键的问题： "修饰改变"并不等于"表达改变"。 CUT&Tag 只能说明某个区域 发生了 H3K9la 修饰，但并不能证明该基因真的被激活 。因此，作者进一步进行了 RNA-seq ，用于直接检测哪些基因表达真正发生了变化。
RNA-seq 共鉴定出 591 个差异表达基因（DEGs），而 CUT&Tag 共得到 988 个差异 H3K9la 峰相关基因。随后，作者进行了交集分析（Venn analysis）。这里的逻辑是全文最核心的分析思路之一：
CUT&Tag：
谁被H3K9la修饰
RNA-seq：
谁表达发生变化
交集：
谁最可能是H3K9la直接调控的功能靶基因
最终， 共筛选出 28 个共同基因 。这些基因同时满足：
- H3K9la 修饰改变
- RNA 表达改变
因此， 它们成为 H3K9la 最可能的候选功能靶基因。
随后，作者进一步绘制了 RNA-seq 的对角火山图，并重点标注了与 CUT&Tag 重叠的基因。结果发现，TXNIP 是表达上调最显著的基因之一，而 Hmox1 则是表达下调最显著的基因之一。
很多人会疑惑：既然有 28 个候选基因，为什么作者最终重点研究 TXNIP？原因其实是多层筛选的结果 。
首先，TXNIP 同时 满足 CUT&Tag 修饰变化与 RNA-seq 表达变化 ，因此首先进入候选池。其次，它在 统计学上变化最显著 ，具有更高 fold change 和更强显著性。更关键的是，TXNIP 本身就是一个 经典的炎症调控分子 ，与 ROS、氧化应激、NLRP3 inflammasome 以及炎症放大反应密切相关，而 SCI 的核心病理机制之 一正是炎症级联损伤。因此，TXNIP 具有极强的机制合理性。
此外，IGV 峰图进一步显示，SCI 后 TXNIP 启动子区域的 H3K9la 显著升高，而 Hmox1 启动子区域的 H3K9la 则明显降低。这意味着：
H3K9la 可能直接增强 TXNIP 的转录
而不仅仅是间接相关 。
更重要的是， TXNIP 的"修饰变化"与"表达变化"方向完全一致 ，均为上调，即：
修饰增强
→ 表达增强
完全符合"H3K9la 促进转录激活"这一理论模型 。
为了进一步验证这一机制，作者随后又进行了 RT-qPCR、ChIP-qPCR 以及双荧光素酶实验。RT-qPCR 用于验证 TXNIP 表达确实升高；ChIP-qPCR 用于验证 TXNIP 启动子区域 H3K9la 真的富集；而双荧光素酶实验则 进一步证明 ： H3K9la 能够直接增强 TXNIP 启动子的转录活性 。
Q3: 文章的摆图逻辑，每一幅图对应的含义
第一层：先从全局证明 H3K9la 真的改变了
从全基因组平均分布规律，看的是全局层面，不是挑选个别基因，挑选几个基因肯定会质疑，说明SCI干预后 ，H3K9la 的整体分布模式真的改变了。
第二层：分析 peak 在基因组元件中的分布
统计peak落在什么区域，许多时候会重点观察promoter区域，因为promoter = 基因转录开关，所以promoter 区域 peak 显著增加，可以进一步推断：H3K9la 可能通过调控 promoter 活性影响转录。
第三层：GO/GSEA 功能富集分析 + 热图展示
有大量基因发生H3K9la修饰，但这些基因是干什么的？ 从基因上升到生物学功能，聚焦关注感兴趣的显著差异通路。
为什么作者在此处热图展示了具体感兴趣富集通路基因呢，告诉读者"到底是通路的哪些具体基因发生变化"，从通路收缩到具体基因上。
开始联合了：
第四层：RNA-seq 联合分析
谁被修饰且谁的表达发生改变,就最有可能改变之后，发挥作用,也就可能是对应的功能靶基因，所以做完Cut&tag之后，作者进一步进行了RNAseq取交集，找修饰变化与表达变化的关键功能基因。
取交集后，还有28个基因，作者通过对角火山图展示了28个基因的分布，想通过显著性排优以及结合背景的的方式进行选择。其中，最显著上调的是Txnip，最显著下调的是Hnox1。 不仅仅是因为最显著，由于Txnip同时满足：
- 修饰增强
- 表达增强
- promoter peak增强
- 炎症相关
- fold change显著
因此：成为最合理机制核心基因
第五层： IGV可视化
让读者肉眼看到真的有peak，真正有reads堆积在对应基因上，而不是单纯的统计数字 【同WB图，表观中非常重要，必摆】
第六层：qPCR与ChIP-qPCR
必须湿实验验证，因为前面都属于高通量测序分析，存在算法偏差；算法偏差与peak calling偏差，所以必须独立实验验证。【简单纯生信不好发了，也是这个道理，避免数字错觉】
RT-qPCR 验证TXNIP表达真的升高； ChIP-qPCR 验证TXNIP promoter真的存在H3K9la富集。
第七层： 双荧光素酶实验
前面最多能说明表达与修饰的相关，不能证明H3K9la修饰真的增强启动子活性；双荧光素酶能通过添加启动子接荧光素酶基因的方式，说明H3K9la 能直接增强 TXNIP promoter 转录活性。
Ending与提示：
好了，今天的推文就到这了。 大家好好读读这篇文章，通过这篇文章，相信能帮助大家理解Cut&tag联合转录组的分析角度与基础摆图以及联合分析思路，掌握了，就能大致了解高分文章背后的摆图逻辑了。
微信扫一扫赞赏作者
收录于bulk多组学联合
继续滑动看下一个
不如好好学生信吧
向上滑动看下一个
闪记
复制 LaTeX 公式