ATAC-seq
一行要約
ATAC-seq は Tn5 transposase を用いてオープンクロマチン領域を選択的にタグ付け・シーケンシングする手法であり、がん領域では腫瘍進展のエピゲノム遷移 (LaFave et al. CancerCell 2020)、DTP / persister state のクロマチン再編成 (Mikubo et al. JThoracOncol 2021)、T 細胞 exhaustion のエピゲノム分類 (Beltra et al. Immunity 2020)、SCLC-molecular-subtypes のクロマチンアクセシビリティ分類 (Yang et al. CancerDiscov 2018)、scATAC-seq による TME 細胞状態 mapping、Multiome (RNA + ATAC) による gene regulatory network 推定の中核 enabling tool である。
原理
標準プロトコル
(1) Tagmentation: Tn5 transposase がアクセス可能な (ヌクレオソーム非占有の) クロマチン領域に選択的にシーケンシングアダプターを挿入する。反応は核を intact のまま処理し (standard ATAC-seq: 50,000 細胞 / 反応)、クロマチン構造を保持する。(2) DNA 精製・PCR: 挿入アダプター付き DNA を精製し、index PCR で library 増幅。過剰増幅を避けるため qPCR で cycle 数を最適化。(3) Sequencing: Illumina paired-end sequencing。Nucleosome-free region (NFR < 150 bp) / mono-nucleosome (約200 bp) / di-nucleosome (約400 bp) の fragment size distribution が品質指標。(4) Peak calling: MACS2 (narrow peak mode) / Genrich で accessible region を同定。TSS enrichment score / fraction of reads in peaks (FRiP) で data quality を評価。
scATAC-seq
10x Chromium (microfluidics-based droplet) / sci-ATAC-seq (combinatorial indexing, no microfluidics) で単一細胞解像度を実現。解析には ArchR / Signac / SnapATAC が標準で、peak × cell binary matrix → LSI (latent semantic indexing) → UMAP / clustering の pipeline が確立。Gene activity score (TSS 近傍 fragment count の proxy) で scRNA-seq との integration を可能にするが、この近似は distal enhancer 制御遺伝子では精度が低下する。
Multiome (RNA + ATAC 同時測定)
10x Multiome により同一核から snRNA-seq + snATAC-seq を同時取得し、gene regulatory network の直接的推定が可能。WNN (weighted nearest neighbor) で RNA 空間と ATAC 空間を統合する解析 framework が標準化されつつある (Argelaguet et al. NatBiotechnol 2021)。
Motif enrichment / chromVAR
ATAC-seq の peak 内 TF binding motif の enrichment を計算し、TF 活性を推定する。chromVAR は各細胞の motif accessibility deviation を定量し、scATAC-seq data から TF 活性の cell-level variation を抽出する。これにより、発現レベルでは区別困難な TF 活性差 (例: ASCL1 vs NEUROD1 binding site accessibility) をエピゲノムレベルで識別できる。
主要エビデンス (がん領域での貢献)
腫瘍進展のエピゲノムステージモデル
LaFave et al. CancerCell 2020 はマウス肺腺癌の KP モデルで bulk + sc ATAC-seq + ChIP-seq を統合し、腫瘍が normal → early → advanced の段階的エピゲノム遷移を経ることを明示した paradigm-shaping study。各ステージで accessibility が変動する regulatory element を同定し、NKX2-1 loss に伴う alveolar identity の喪失と gastric / EMT program の獲得を chromatin レベルで記述した。この model は肺癌の Lineage-plasticity 研究の reference framework となっている。
Drug-tolerant persister (DTP) と治療耐性
Drug-tolerant persister (DTP) state はクロマチン再編成を伴う可逆的耐性機構であり、ATAC-seq がその解明に essential である。Mikubo et al. JThoracOncol 2021 は DTP の機序を包括的にレビューし、chromatin remodeling が drug tolerance の中核にあることを整理した。Sade-Feldman et al. Cell 2018 は melanoma の ICI 応答で T 細胞の chromatin state が response/non-response を規定することを scATAC-seq で示した先駆的研究。Kashima et al. CancerRes 2021 は EGFR-TKI 耐性の多様な機構を single-cell で解析し、chromatin accessibility 変化を含む多層的耐性 landscape を記述した。
T 細胞 exhaustion のエピゲノム基盤
Beltra et al. Immunity 2020 は CD8 T 細胞 exhaustion を 4 subset (Tpex → Tex_int → Tex_term → Tex_KLR) に分類し、各 subset の ATAC-seq profile が distinct な chromatin landscape を持つことを明示した。この hierarchical model は TOX (Mann et al. NatImmunol 2019) が epigenetic commitment を駆動する機構の枠組みを提供し、IO 応答予測・anti-PD-1 治療設計の基盤となった。Wherry et al. NatImmunol 2011 の exhaustion 概念総説、LopezDeRodas et al. NatRevClinOncol 2021 の臨床翻訳レビューとともに、ATAC-seq による exhaustion state classification は immuno-oncology の中核 paradigm となっている。Vodnala et al. Science 2019 は potassium imbalance が T 細胞の stemness と dysfunction を共通に trigger する機構をエピゲノム解析で示した。Li et al. SciImmunol 2026 は citraconate による T 細胞 stemness 保存をクロマチンレベルで検証した。
SCLC subtype のクロマチン分類
Yang et al. CancerDiscov 2018 は SCLC の intertumoral heterogeneity が cell type of origin のエピゲノム記憶に影響されることを ATAC-seq で実証。Duplaquet et al. CancerCell 2024 は SWI/SNF complex の ATAC-seq 解析で POU2F3 subtype の chromatin landscape を定義。Huang et al. GenesDev 2018 は POU2F3 結合 locus の accessibility profile を記述。Ireland et al. CancerCell 2020 は MYC による NE fate reprogramming の temporal evolution をエピゲノムレベルで追跡した。
Lineage plasticity とクロマチンリモデリング
Concepcion et al. CancerDiscov 2022 は SMARCA4 不活化が SWI/SNF 依存的 chromatin accessibility を喪失させ lineage-specific transformation を促進することを ATAC-seq で解明。Hargreaves et al. NatGenet 2021 は SWI/SNF 活性の持続的必要性を ATAC-seq time-course で実証した。Deribe et al. NatMed 2018 は SWI/SNF 変異肺癌でのクロマチン変化を解析。Park et al. Science 2018 は正常上皮→NE 分化転換時のクロマチンアクセシビリティ変動を記述した。
免疫エピゲノミクスとマクロファージ極性化
Piccolo et al. NatImmunol 2017 はマクロファージの M1 / M2 極性化プログラムが extensive な epigenomic cross-talk を持つことを ATAC-seq で示した。VanDerVeeken et al. Immunity 2019 は CD8 T 細胞の epigenetic memory を ATAC-seq で記述。Kumagai et al. NatImmunol 2020 は effector / regulatory T 細胞の PD-1 発現バランスとクロマチン状態の関連を解析した。
好中球 / myeloid 分化
Ballesteros et al. Cell 2020 は好中球が tissue environment によって fate を co-opt されることを ATAC-seq で解明し、neutrophil plasticity の epigenomic 基盤を提供した。Xue et al. Nature 2022 は肝腫瘍の neutrophil heterogeneity をエピゲノムレベルで分類。Ng et al. Immunity 2025 は好中球分類の epigenomic roadmap を整理した。
ecDNA とクロマチンアクセシビリティ
Bailey et al. AnnOncol 2020 は ecDNA が accessible chromatin 構造を介して oncogene 過剰発現を維持する機構をレビュー。Akdemir et al. NatGenet 2020 は chromatin accessibility と somatic mutation distribution の関係を示した。
適用領域
腫瘍の cell state 分類 (DTP、EMT intermediate、high-plasticity state 等)、転写因子活性の推定 (motif enrichment / chromVAR)、cis-regulatory element の同定、Lineage-plasticity / SCLC-molecular-subtypes のエピゲノム基盤解明、T 細胞 exhaustion state のエピゲノム階層分類 (Beltra model)、好中球 / マクロファージの tissue-driven epigenomic plasticity 解析、IO 治療応答のエピゲノム予測バイオマーカー探索、ecDNA のクロマチン構造解析に使用される。Multiome として RNA と同時測定することで gene regulatory network 推定が可能であり、Spatial-transcriptomics との統合 (spatial ATAC-seq) も開発中。
Open Questions
- Spatial ATAC-seq: 組織空間情報を保持したクロマチンアクセシビリティ mapping の技術的成熟と腫瘍 TME への適用
- scATAC-seq + scRNA-seq 統合の標準化: Multiome と computational integration のどちらが optimal か、各 approach の trade-off
- Epigenomic biomarker の臨床翻訳: ATAC-seq 由来 chromatin accessibility signature が IO 応答 / DTP 予測 biomarker として prospective validation できるか
- Dynamic chromatin monitoring: 治療中の longitudinal chromatin accessibility 変化を liquid biopsy から推定する可能性 (cfDNA fragmentation + chromatin accessibility の proxy)
- TF activity inference の精度: chromVAR / SCENIC+ 等の motif-based TF 活性推定と ChIP-seq / CUT&Tag 直接測定との concordance
- Nucleosome positioning 情報: ATAC-seq fragment size distribution から nucleosome occupancy を推定する手法の refinement
重要論文 Top 10
- ★★★★★ LaFave et al. CancerCell 2020 — ATAC-seq + ChIP-seq 統合で肺腺癌の段階的エピゲノム遷移モデルを確立
- ★★★★★ Beltra et al. Immunity 2020 — CD8 exhaustion の 4 subset を ATAC-seq で epigenomic に分類、IO 基盤 paradigm
- ★★★★ Yang et al. CancerDiscov 2018 — SCLC の cell-of-origin epigenomic memory を ATAC-seq で実証
- ★★★★ Concepcion et al. CancerDiscov 2022 — SMARCA4 不活化→ SWI/SNF chromatin accessibility 喪失→ lineage transformation を ATAC-seq で解明
- ★★★★ Ballesteros et al. Cell 2020 — Tissue environment による好中球 fate co-option のエピゲノム基盤を確立
限界と注意点
- Tn5 配列 bias: Tn5 の挿入効率はクロマチン状態以外の因子 (DNA 配列選好性) にも影響されうる
- Bulk の heterogeneity 喪失: Bulk ATAC-seq は少数細胞 (500-50,000) で可能だが、細胞集団の heterogeneity 情報は失われる
- scATAC-seq の sparsity: データが binary に近くスパースであり、gene activity score への変換は promoter 近傍の近似に依存
- Dead cell / debris contamination: 死細胞や debris が含まれると背景ノイズが上昇し、mitochondrial read% が増加
- Tn5 insertion ≠ TF binding: Accessibility は TF 結合の必要条件だが十分条件ではない (open だが TF 未結合の領域が多数)
- Cross-modality interpretation: Gene activity score は distal enhancer が制御する遺伝子では精度が低下し、Multiome による直接 validation が望ましい
- Batch effect: Library 調製・sequencing depth・Tn5 lot の違いが cross-study comparison を困難にする