CUT&RUN【Cleavage under targets and release using nuclease】，CUT&RUN具有显著优势，该技术实验周期短，信噪比高，可重复性好，且细胞投入量低，尤其适用于早期胚胎发育、干细胞、肿瘤以及表观遗传学等研究领域。

CUT&Tag【Cleavage Under Target & Tagmentation 】，CUT&Tag是替换传统的ChIP-Seq用以研究蛋白质-基因组互作的新技术，与后者相比，它具有显著优势，如：信噪比高，可重复性好，实验周期短（1天实现从细胞到文库构建），细胞投入量低等，因此，该方法适用于表观遗传学、肿瘤、干细胞等研究领域。 

组蛋白、转录因子和其他的DNA结合蛋白可帮助调控我们基因的表达，并参与许多生理和病理过程。在研究蛋白质与DNA相互作用时，理想的选择方法应该确保以下几点：

• 真正的目标蛋白富集基因组区域被可靠地识别，特别是从有限的生物样本;
• 蛋白质/DNA复合物的富集是在最小化非特异性背景水平下完成的;且
• 相互作用位点的绘制具有最小的偏差和高分辨率。

分析这种相互作用最流行的方法之一是进行染色质免疫沉淀【ChIP试剂盒选型指南】，然后测序(ChIP-seq)。ChIP-seq的主要局限性是需要大量的起始材料才能在背景噪声中产生足够强的信号。此外，在初始固定步骤中使用交联可导致芯片抗体识别的表位掩蔽。像ChIP-exo和芯片处理这样的改进可以减少细胞数量或提高分辨率。ChIP-exo提供高分辨率绘图，但很耗时，需要充足的细胞输入。芯片处理使用转置酶和序列兼容适配器在芯片过程中实现结扎的集成，但遵循传统的缓慢(约2天)芯片程序，无法实现高分辨率绘图。

靶下切割和核酸酶释放(CUT&RUN-sequencing)和靶下切割和标记(CUT&Tag-sequencing)是近年来发展起来的用于从低输入材料中绘制蛋白质- DNA相互作用的方法，并显著提高了绘图的分辨率。然而，这两种服务的成本都很高。CUT&RUN Sequencing使用昂贵的pA/MNase融合蛋白，具有显著的A/T序列偏置，导致靶蛋白结合DNA区谱严重受到MNase消化水平的影响。CUT&Tag-sequencing显示了相同的消化偏置，由于Tn5转座酶导致染色质脱靶可及性较低。

为了解决这些问题，IVDSHOW联合开发了两种新技术，CUT&RUN Fast 和 CUT&Tag In-Place-Sequencing，用于快速富集蛋白质结合DNA和绘制全基因组蛋白质/DNA相互作用。这些创新的方法结合了ChIP-exo、芯片处理【ChiPmentation】和 CUT & RUN 测序的优点，在方便的一体化试剂盒中以最快的程序可靠地识别真正的靶蛋白富集区域并实现高分辨率绘图。

这两种技术都利用一种独特的核酸切割酶混合物，它具有低序列倾斜度，可以同时片段染色质，并在原位切割/去除目标蛋白/DNA复合物两端未结合的DNA序列。蛋白质所占的DNA不受影响，从而最小化免疫捕获/测序背景。有了这些技术，从500个细胞或100ng分离的染色质开始，DNA文库构建只需几个小时。

由于 CUT&RUN-sequencing 的流行和 CUT&Tag-sequencing 基于芯片程序的方法，以及担忧；关于如何优化他们的成本，可靠性，和方便性，染色质剪切与释放快速分析试剂盒 和 染色质剪切与标记测序试剂盒 工具肯定会满足的满足研究人员的需求，解决了他们的担忧。同时，IVDSHOW还将这些创新方法应用于其他表观遗传因素的研究，特别是RNA甲基化。

m6A RNA甲基化片段富集试剂盒（qPCR版）【MeRIP试剂盒】和 m6A RNA甲基化片段富集试剂盒（测序版）【MeRIP测序试剂盒】设计用于从低输入RNA样本中以最小的非特异性背景水平特异性捕获和富集含有m6A修饰的RNA片段。m6A是最常见、最丰富的真核RNA修饰，占所有RNA甲基化的80%以上，几乎影响核糖核酸生物学的各个方面。有趣的是，根据病毒种类和宿主细胞类型的不同，m6A既具有亲病毒活性，也具有抗病毒活性。用于调查这一表观遗传标记的研究工具可能被证明对抗击SARS-CoV-2病毒和COVID-19非常有用。

ChIP-seq 和 CUT&RUN、CUT&Tag 的比较

表 1：ChIP seq 和 CUT&RUN、CUT&Tag

参考文献

1.Brahma, S ., Henikoff, S. RSC-associated subnucleosomes define MNase-sensitive promoters in yeast . Mol Cell 73, 238–249, e233 (2019).

2.Buenrostro, J .D ., Giresi, P .G ., Zaba, L .C ., Chang, H .Y ., Greenleaf, W .J . Transposition of native chromatin for fast and sensitive epigenomic profiling of open chromatin, DNA-binding proteins and nucleosome position. Nat Methods 10, 1213–1218 (2013).

3.Hainer, S .J ., Fazzio, T .G. High-resolution chromatin profiling using CUT&RUN. Curr Protoc Mol Biol 126, e85 (2019).

4.Janssens, D .H ., et al. Automated in situ chromatin profiling efficiently resolves cell types and gene regulatory programs. Epigenet Chromatin 11, 74 (2018).

5.Kaya-Okur, H .S ., et al. CUT&Tag for efficient epigenomic profiling of small samples and single cells. Nat Commun 10, 1930 (2019).

6.Meers, M .P ., Bryson, T .D ., Henikoff, J .G ., Henikoff, S. Improved CUT&RUN chromatin profiling tools. eLife 8: e46314 (2019).

7.Meers, M .P ., Tenenbaum, D ., Henikoff, S . Peak calling by Sparse Enrichment Analysis for CUT&RUN chromatin profiling . Epigenet Chromatin 12, 42 (2019).

8.Schmid, M ., Durussel, T ., Laemmli, U .K. ChIC and ChEC; genomic mapping of chromatin proteins. Mol Cell 16, 147–157 (2004).

9.Skene, P .J ., Henikoff, J .G ., Henikoff, S. Targeted in situ genome-wide profiling with high efficiency for low cell numbers. Nat Protoc 13, 1006–1019 (2018).

10.Skene, P .J ., Henikoff, S. An efficient targeted nuclease strategy for high-resolution mapping of DNA binding sites. eLife 6: e21856 (2017).

11.Thakur, J ., Henikoff, S. Unexpected conformational variations of the human centromeric chromatin complex. Genes Dev 32, 20–25 (2018).

12.Zentner, G .E ., Kasinathan, S ., Xin, B ., Rohs, R ., Henikoff, S. ChEC-seq kinetics discriminates transcription factor binding sites by DNA sequence and shape in vivo. Nat Commun 6, 8733 (2015).