Chromosome conformation capture (3C) and its derivatives (e.g., 4C, 5C and Hi-C) are used to analyze the 3D organization of genomes. We recently developed targeted chromatin capture (T2C), an inexpensive method for studying the 3D organization of genomes, interactomes and structural changes associated with gene regulation, the cell cycle, and cell survival and development. Here, we present the protocol for T2C based on capture, describing all experimental steps and bio-informatic tools in full detail. T2C offers high resolution, a large dynamic interaction frequency range and a high signal-to-noise ratio. Its resolution is determined by the resulting fragment size of the chosen restriction enzyme, which can lead to sub-kilobase-pair resolution. T2C's high coverage allows the identification of the interactome of each individual DNA fragment, which makes binning of reads (often used in other methods) basically unnecessary. Notably, T2C requires low sequencing efforts. T2C also allows multiplexing of samples for the direct comparison of multiple samples. It can be used to study topologically associating domains (TADs), determining their position, shape, boundaries, and intra- and inter-domain interactions, as well as the composition of aggregated loops, interactions between nucleosomes, individual transcription factor binding sites, and promoters and enhancers. T2C can be performed by any investigator with basic skills in molecular biology techniques in ∼7-8 d. Data analysis requires basic expertise in bioinformatics and in Linux and Python environments.

中文翻译：

---

使用T2C在亚碱基对分辨率下研究基因组的空间结构和相互作用。

染色体构象捕获（3C）及其衍生物（例如4C，5C和Hi-C）用于分析基因组的3D组织。我们最近开发了靶向染色质捕获（T2C），这是一种廉价的方法，用于研究基因组，相互作用基因组和与基因调控，细胞周期以及细胞存活和发育相关的3D组织。在这里，我们介绍了基于捕获的T2C协议，并详细描述了所有实验步骤和生物信息学工具。T2C具有高分辨率，较大的动态交互频率范围和较高的信噪比。其分辨率取决于所选限制性内切酶的片段大小，可导致亚碱基对分辨率。T2C具有很高的覆盖率，可以识别每个单独的DNA片段的相互作用组，基本上不需要进行读取的分箱（通常在其他方法中使用）。值得注意的是，T2C需要很少的排序工作。T2C还允许对样本进行多路复用，以直接比较多个样本。它可用于研究拓扑关联域（TAD），确定其位置，形状，边界以及域内和域间相互作用，以及聚集环的组成，核小体之间的相互作用，单个转录因子结合位点和启动子和增强子。任何具备分子生物学基本技能的研究者均可在约7-8天内进行T2C。数据分析需要生物信息学以及Linux和Python环境中的基本专业知识。T2C还允许对样本进行多路复用，以直接比较多个样本。它可用于研究拓扑关联域（TAD），确定其位置，形状，边界以及域内和域间相互作用，以及聚集环的组成，核小体之间的相互作用，单个转录因子结合位点和启动子和增强子。任何具备分子生物学基本技能的研究者均可在约7-8天内进行T2C。数据分析需要生物信息学以及Linux和Python环境中的基本专业知识。T2C还允许对样本进行多路复用，以直接比较多个样本。它可用于研究拓扑关联域（TAD），确定其位置，形状，边界以及域内和域间相互作用，以及聚集环的组成，核小体之间的相互作用，单个转录因子结合位点和启动子和增强子。任何具备分子生物学基本技能的研究者均可在约7-8天内进行T2C。数据分析需要生物信息学以及Linux和Python环境中的基本专业知识。以及聚集环的组成，核小体之间的相互作用，单个转录因子结合位点以及启动子和增强子。任何具备分子生物学基本技能的研究者均可在约7-8天内进行T2C。数据分析需要生物信息学以及Linux和Python环境中的基本专业知识。以及聚集环的组成，核小体之间的相互作用，单个转录因子结合位点以及启动子和增强子。任何具备分子生物学基本技能的研究者均可在约7-8天内进行T2C。数据分析需要生物信息学以及Linux和Python环境中的基本专业知识。