A BMDM sejtek transzkripciós szabályozásának vizsgálatára számos NGS módszert használtunk, beleértve a ChIP-seq-et, GRO-seq-et, RNA-seq-et és 3C-seq-et. Mivel nagy mennyiségű eszköz van, de az elemzések jelentős részéhez még mindig nincs széleskörben használt standard, az adatfeldolgozáshoz új megközelítésekre és új stratégiák kidolgozására volt szükség a többé-kevésbé egyedi kérdések megválaszolására. A GRO-seq szerteágazó információt biztosított, amely egy összetett rendszert igényelt a transzkriptumok meghatározására, annotálására és az expressziós szintek kiszámítására. A promóterek enhanszerektől való, tehát a gének enhanszer transzkriptumoktól való elválasztásához beépítettük a műveletek közé a H3K4me3 ChIP-seq-ből származó adatokat is. Új stratégiát alkalmaztunk az NFR- és doménpredikciókra ChIP-seq adatokból, és a 3C-seq elemzéshez is. A makrofágokban működő főbb TF családokat a prediktált NFR-ek motívumfeldúsulásai alapján határoztuk meg, de az egyes TF-ok azonosítása génexpressziós adatokat igényelt. Érdekeltek az RXR ligandkezelés közvetlen hatásai, és azt találtuk, hogy az RXR – a heterodimerizáló partnereivel vagy azok nélkül – inkább aktivátorként működött. P300 és RAD21 feldúsulást mutatott, melyek előkészíthetik a kromatinkörnyezetet a génindukcióra. Számos angiogenikus gént (pl. Vegfa, Angptl4, Tgm2 és Hbegf) és szintén érképzésben érintett TF-t (ATF4, ETS2, KLF10 and FLI1) indukált. A FOS és JDP2, a JUN-ok és ATF4 heterodimerizáló partnerei szintén szabályozódtak, amely egy átmeneti indukciót okozhatott. A legfontosabb angiogenikus génhez, a Vegfa-hoz egy szokatlanul távoli enhanszercsoportot találtunk, amely egy 300 kb-os hurkon keresztül közelíti meg a gént, mely huroknak a végei valóban kölcsönhatást mutattak a 3C-seq adatok alapján.

To examine the transcriptional regulation of BMDM cells, we used several NGS methods including ChIP-seq, GRO-seq, RNA-seq and 3C-seq. For data processing, as there is a large amount of tools but still no widely used standard for a significant part of the analyses, we needed new approaches and the development of pipelines to answer the more or less specific questions. GRO-seq data provided diverse information, which needed a complex system for transcript prediction, annotation and the calculation of expressional levels. In this pipeline, we incorporated the data derived from H3K4me3 ChIP-seq to distinguish the promoters from enhancers thus the gene transcripts from enhancer transcripts, respectively. We used a novel pipeline for NFR and domain prediction from ChIP-seq data and one also for the 3C-seq data analysis. The major TF families affecting in macrophages were determined based on their motifs enriched from the predicted NFRs, but the identification of the individual TFs needed gene expressional data. We were interested in the direct effects of RXR ligandation, and found that RXR – with or without its heterodimerizing partners – acted rather as an activator. It showed P300 and RAD21 enrichment, which both might prepare the chromatin environment for gene induction. It induced several angiogenic genes (e.g. Vegfa, Angptl4, Tgm2 and Hbegf) and TFs (ATF4, ETS2, KLF10 and FLI1) also involved in angiogenesis. FOS and JDP2, the heterodimerizing partners of JUNs and ATF4 were also regulated, which might cause a transient induction. For the most important angiogenic gene, Vegfa, we found an unusually distant group of enhancers, which was associated to the gene by a 300 kb loop of which ends indeed showed interaction based on the 3C-seq data.