ChIP-seq FRiP：计算方法、归一化伪影与结果验证

2026-10-20 | 阅读：次

1. FRiP 到底表示什么？
2. Paired-end 中 fragment 是什么？
3. 怎样判断 fragment 是否位于 peak 中？
4. 计算 FRiP 的基本流程
5. FRiP 高或低意味着什么？
6. FRiP 能否证明组蛋白修饰整体升高或下降？
7. 拓展案例：NSD1 缺失、DOT1L 抑制与 ChIP-seq 的异常 peaks
8. FRiP 与其他 ChIP-seq 质控指标有什么不同？

FRiP（Fraction of Reads in Peaks）是 ChIP-seq、CUT&Tag 等富集类测序常用的质量控制指标，用于描述有多少测序 reads（或 DNA fragments）落在被识别为显著富集的 peaks 内。

1. FRiP 到底表示什么？

最直观的理解是：

所有有效测序片段中，有多大比例位于 peak calling 识别出的富集区域？

计算公式：

FRiP = Fragments overlapping peaks / Total usable fragments

FRiP (%) = FRiP × 100%

假设一个完全虚构的示例样本中，有 1,000 个通过质控的 DNA fragments，其中 300 个与 peak 区域重叠，则：

FRiP = 300 / 1,000 = 0.30 = 30%

这表示 30% 的有效片段落在 peak 区域内。它不是“30% 的基因被修饰”，也不是“组蛋白修饰丰度为 30%”。

2. Paired-end 中 fragment 是什么？

对于 paired-end 测序，一个 DNA fragment 对应同一个插入片段产生的 R1/R2 两端 reads。通过它们在参考基因组上的比对坐标，可以推断完整插入片段的区间。

Genome:    --------------------------------------------------->

R1:            [>>>>>>]
R2:                                  [<<<<<<]

Fragment:      [============================]
                |                          |
               start                      end

上图中，R1 与 R2 中间的区域即使没有被直接测序，也属于根据 paired-end 比对推断的 fragment 区间。

这里的“合并”是根据坐标重建 DNA 插入片段的范围，而不是把两条 reads 的碱基序列直接拼接起来。

计数单位非常重要：

如果按 reads 计数，R1 和 R2 通常是两条 reads。
如果按 paired-end fragments 计数，一个正确配对的 R1/R2 只算 1 个 fragment。
分子和分母必须采用一致的单位与过滤规则，不能用“位于 peaks 内的 reads / 全部 fragments”。

尽管 FRiP 名字中包含 Reads，在 paired-end 分析中也经常以 fragments 为单位计算；报告结果时应明确采用的是哪一种口径。

3. 怎样判断 fragment 是否位于 peak 中？

只要一个 fragment 与任意 peak 有重叠（例如至少 1 bp），就可以视为一个 fragment in peaks。

Peak A:       [-------------]
Peak B:                              [-----------]

Fragment 1:       [=======]                         yes
Fragment 2:                     [=======]           no
Fragment 3:                           [========]    yes

特别注意：一个 fragment 即使同时覆盖两个相邻或重叠的 peaks，也只能计数一次。 实际计算时通常先合并互相重叠的 peak 区间，或者使用“有任意重叠即记录一次”的去重逻辑。

因此，FRiP 的分子不是 peak 数量，也不是覆盖碱基的总数，而是与一个或多个 peaks 重叠的有效片段个数。

4. 计算 FRiP 的基本流程

Peak calling：从 ChIP-seq 数据得到 peak 区间，例如 BED 或 narrowPeak。不同实验目标可能使用 broad-peak 或 narrow-peak 方法。
BAM 过滤：预先定义有效片段，例如保留正确配对、唯一或高质量比对的片段，排除 PCR duplicates、secondary/supplementary alignments 和 QC-fail reads。
统计分母：计算所有符合过滤规则的有效 fragments 总数。
统计分子：计算这些 fragments 中有多少与至少一个 peak 重叠；每个 fragment 最多计数一次。
计算比例：用分子除以分母，必要时乘以 100% 转为百分比。

示例伪代码：

usable_fragments = filter_and_reconstruct_fragments(BAM)
peak_regions = merge_overlapping_peaks(PeakBED)

total = count(usable_fragments)
in_peaks = count(fragments_overlapping_any_peak(usable_fragments, peak_regions))

FRiP = in_peaks / total

可重复性的关键是明确记录：peak calling 工具及阈值、BAM 过滤参数、paired-end 计数口径、peak 坐标格式，以及采用的是每个重复样本自己的 peaks 还是一套共同的 peaks。

5. FRiP 高或低意味着什么？

FRiP 反映测序片段向被识别的富集区域集中的程度，可辅助判断 ChIP 信号与背景的分离情况。但它不能单独决定实验是否合格。

影响 FRiP 的因素包括：

ChIP 富集效率与背景噪声：背景较高时，reads 可能更分散。
Peak calling 参数：峰越多、覆盖的基因组区域越大，FRiP 往往更容易升高。
目标的基因组分布：狭窄的转录因子结合位点与覆盖大片染色质的 histone marks 具有不同的 peak 宽度。
数据过滤方式：MAPQ、duplicates、配对过滤等都会改变分母和分子。
真实生物学变化：处理后信号重新分布，甚至广泛丢失富集，都可能改变 FRiP。

因此，broad marks 与 narrow marks 的 FRiP 不适合直接作数值高低排名。不同数据集、不同软件及阈值算出的 FRiP 也未必可比。

6. FRiP 能否证明组蛋白修饰整体升高或下降？

不能。

例如在一个纯教学场景中，某处理可能使修饰在整个基因组中广泛下降，导致可识别 peaks 减少、FRiP 降低。但反过来，FRiP 降低也可能由 peak calling 阈值、背景噪声、有效片段过滤和区域分布变化造成。

更重要的是，FRiP 是样本内部的相对富集比例，并不是每个细胞中组蛋白修饰总量的绝对测量。

如果要支持“某种 histone modification 全局减少”的结论，可结合 Western blot、定量质谱或使用外源 spike-in 校准的 ChIP-seq；同时检查信号轨迹、重复一致性和适当归一化后的区域信号。

7. 拓展案例：NSD1 缺失、DOT1L 抑制与 ChIP-seq 的异常 peaks

下面讨论的是公开文献支持的生物学机制及通用分析思路，不是对任何特定样本或未公开实验结果的描述。

7.1 NSD1 KO 为什么可能出现 H3K36me2 loss 与 H3K27me3 gain？

NSD1 是催化 H3K36me2 的甲基转移酶之一。H3K36me2 与 PRC2 催化的 H3K27me3 存在拮抗关系，因此在部分细胞模型中，NSD1 缺失会导致：

H3K36me2 loss：原本受到 NSD1 维持的部分染色质区域失去 H3K36me2。
H3K27me3 gain：H3K36me2 形成的拮抗作用减弱后，H3K27me3 可能出现在新区域，或者向既有 Polycomb 结构域周围扩展（spreading）。
修饰交界处的重排：在相同基因组区域看到 H3K36me2 下降、H3K27me3 上升，是值得进一步检验的空间关联，但不自动证明两者存在直接因果关系。

这里需要区分两个层面：局部 peak gain 与 全局修饰总量增加 不是同一个概念。H3K27me3 的 spreading 可能使信号从较集中的 peaks 转向较广泛的区域；是否表现为 FRiP 下降，取决于 peak caller 是否覆盖新增信号、峰宽、过滤阈值等因素。因此不能仅凭 FRiP 下降就认定发生了 spreading。

这种 NSD1–H3K36me2–H3K27me3 拮抗关系已在不同细胞模型中被报道，但不同细胞类型和处理时长可能产生不同结果，仍需在具体模型中验证。

7.2 EPZ（DOT1L 抑制剂）为什么可能同时出现 H3K79me2 loss 和 apparent gain？

DOT1L 负责催化 H3K79 甲基化；EPZ-5676 等 DOT1L 抑制剂可以降低细胞内 H3K79me2 水平。公开研究已用 Western blot 和外源参考校准的 ChIP-seq（ChIP-Rx）证明，传统相对归一化有时会掩盖这种全局性下降。

一个典型风险是：当大量强富集区域的 H3K79me2 真实减少时，其余相对稳定、微弱富集或接近背景的区域，可能在测序文库中占据更高的相对比例。于是用总 mapped reads 进行 CPM/RPM 归一化后，个别区域可能表现为正向 log2FC，即 apparent gain（表观上调）。

真实每细胞信号（未知绝对尺度）：

强富集区域：  DOT1L inhibition → H3K79me2 loss
弱富集区域：  可能不变、轻微减少或真实重分布
                          ↓
         ChIP 后测序与文库组成变化
                          ↓
         Total-library normalization
                          ↓
     部分弱信号区域可能出现 positive log2FC
                          ↓
              需要独立验证

注意： “可能出现”不等于所有 gain peaks 都是伪影。真实的区域重分布、抗体非特异性结合、测序背景、peak 检测阈值和统计模型偏差，均是需要分别评估的解释。

CPM/RPM 直接按文库深度缩放；DESeq2 的 median-of-ratios 与 edgeR 的 TMM 使用不同的组成校正策略，不能简单视为同一种算法。当绝大多数分析特征受到同向变化时，常见归一化方法的参考不变假设可能不适用，但 TMM 和 median-of-ratios 并非在任何全局变化下都会失效。

7.3 FRiP 能提供什么线索？哪些结论不能推导？

如果 DOT1L 抑制后 H3K79me2 的 FRiP 下降，可以将它作为 富集峰内片段占比下降 的线索，与全局修饰减少的机制假设一起考虑。

但不能进行以下推断：

不能把 1 − FRiP 直接叫作“非特异性背景比例”：peak 之外也可能有真实但未达到阈值的修饰信号；peak 集合本身也可能随着处理改变。
不能用两组 1 − FRiP 的比值直接预测特定 locus 的 log2FC：该比值只概括各自 peak 外的片段比例，不包含该区域的读段分布、峰宽、背景、归一化系数等信息；数值偶然接近也不构成证明。
不能由 FRiP 下降直接推出全局绝对丰度下降：FRiP 缺少每细胞修饰丰度的外部尺度。
不能仅凭 Menin 等共因子 FRiP 下降认定蛋白从染色质解离：还可能涉及 ChIP 效率、背景噪声和峰集合差异，需要结合其他证据。

7.4 如何用生信分析验证 normalization artifact？

建议按照由易到难的顺序：

先确认是否存在真正的 spike-in：核查实验设计与原始数据中是否加入经定量控制的外源细胞、染色质或 DNA。若满足参考标定的实验前提，可用 spike-in 计算 scaling factor 并重新比较区域信号。只有怀疑数据存在 spike-in 才应尝试该方法；不能事后把污染 reads 当作有效 spike-in。
使用固定 genomic regions 重新计数：分别建立 H3K36me2、H3K27me3、H3K79me2 的统一 peak union 或全基因组 bins；所有条件在完全相同区域计数，不仅比较每个样本自己调用的 peaks。这样能减少 peak 集合变化带来的偏差。
比较不同归一化策略：保留原始 fragment counts，分别检查总文库深度 CPM、DESeq2 size factors、TMM 等方法下的 log2FC 分布。重点观察所谓 gain loci 是否只在某一种归一化方法下出现。若无可靠外源尺度，这属于敏感性分析，不等于证明绝对变化。
比较 MA plot 和区域分布：在同一固定区域集合上画 MA plot、log2FC boxplot 和信号散点图，检查弱信号区域是否更容易出现正向波动；同时统计 peaks 数量、union peak 覆盖长度及 FRiP。
检查 IGV 或 genome browser 轨迹：挑选具有代表性的 H3K79me2 loss、apparent gain、相对稳定区域，采用一致的归一化口径、明确的 Y 轴尺度，并结合 Input 轨迹判断是否接近背景。未归一化的 raw counts 也应考虑不同样本的有效测序深度。
做独立验证：如果科学问题是“每个细胞中的组蛋白修饰是否整体减少”，优先使用 Western blot、定量质谱或经过合理实验设计的 spike-in ChIP-seq。若未加 spike-in，单靠常规 ChIP-seq 不能可靠恢复全局绝对尺度。

7.5 结果怎样才具有说服力？

观察	可以支持的解释	仍然不能证明
NSD1 KO 后，部分区域 K36me2 降低、K27me3 增加	局部组蛋白修饰拮抗和空间重排	所有区域都出现相同变化
K27me3 peak 边缘或邻近 bins 信号扩展	与 H3K27me3 spreading 相符	FRiP 单独可以确认 spreading
DOT1L 抑制后 H3K79me2 FRiP 下降	富集在已识别 peaks 内的片段比例减少	全局每细胞 H3K79me2 绝对下降
弱信号区域的 gain 对归一化方法敏感	这些 gain 可能具有组成偏差或背景贡献	所有 gain 都是假的
外源校准后原有 gain 消失或反向	支持原结果受到归一化选择影响	仅凭一次重算就能完全排除实验偏差

核心原则：先用固定区域确认变化是否稳定，再分析归一化是否改变方向；最终用适当的外部参照或独立实验判断全局绝对变化。

8. FRiP 与其他 ChIP-seq 质控指标有什么不同？

指标	主要回答的问题
Mapping rate	有多少 reads 可以比对到参考基因组？
Duplicate rate	有多少 reads 可能属于重复测序或 PCR 扩增片段？
Peak number	在设定阈值下鉴定到多少富集区域？
FRiP	有效 reads/fragments 中有多大比例落在 peaks 内？
Replicate concordance	生物学重复的富集模式是否一致？

总结：FRiP 是“有效测序片段落入 peaks 的比例”，适合用作富集质量的辅助证据；它不是绝对修饰丰度，也不能替代重复一致性或全局定量实验。

注：本文数值、坐标示意与伪代码均为教学示例，不对应任何真实研究样本或未公开课题数据。

领域

叶本晨