1个多月接收！下一个生信分析热点该不会就是它吧？—“相分离”！6分+疾病分型+预后模
相分离听说过吗？能做生信嘛？
小云今天就跟大家聊聊“相分离”这一热点方向！
1. 相分离是什么？
相分离（phase separation或liquid-liquid phase separation，简称LLPS）是指生物大分子（如蛋白质、RNA等）在细胞内形成临时性液-液相分离状态的现象。相分离是物理化学中广泛存在的液体状态，而在细胞内相分离则在维持细胞内复杂结构、功能和信号传递等方面发挥了关键作用。
2. 相分离的功能？
在细胞内，大分子通过相互作用形成有序或无序的液滴状结构，这些结构能够组成各种细胞组织结构，如核仁和细胞质中的侵入空间（membraneless organelles）。相分离功能的主要作用是有利于集聚互相作用的分子，从而增强其功能和活性。此外，相分离还能够帮助分离不同功能的分子，避免它们之间的干扰和竞争，使细胞更加高效地完成各种生物进程。
3 相分离与疾病的关系？
与相分离相关的许多疾病，如肿瘤、神经退行性疾病、代谢性疾病等，都与相分离的异常有关。相分离失去平衡或形成过程中出现错误可能导致异常的液-液分离状态、有害的固态沉降和紊乱的分子运动，从而对健康产生不良影响。例如，过度相分离会导致某些蛋白质在细胞内形成有毒的锥体状固体，如抑制神经元功能的Tau蛋白等。（ps：肿瘤、非肿瘤疾病都可以研究相分离~）
相分离的失调可能是一些疾病（如神经/肌肉退行性疾病）发生的病因，相关领域的科学家也开始通过相分离这个视角重新审视相关疾病，通过干扰异常“相分离”来达到治疗相关疾病的目的。
4. 相分离的研究现状？
相分离是目前比较火的一个研究领域，2022年国自然中标项目有50项。
Pubmed上发文数量呈上升趋势，高分文章不断涌现。
5. 相分离能做生信分析吗？
与铜死亡、衰老等方向类似，获得相分离相关基因集就可以做生信分析了，直接从相分离数据库PhaSepDB下载相分离相关基因集合就可以了。
（不知道如何分析/创新的可以找小云，各种个性化分析思路等你来挑~）
今天小云给大家分享一篇6分+基于相分离进行疾病分型+预后模型的生信文章，干湿结合思路，一起来学习一下吧~
题目：一种与前列腺癌患者生化复发及肿瘤免疫环境相关的液-液相分离指数
杂志：International journal of molecular sciences
影响因子：6.208
发表时间：2023年3月
研究思路
从TCGA和GEO数据库中下载PCa的临床和转录组数据。从PhaSepDB中提取LLPS相关基因(LRGs)。共识聚类分析用于开发PCa的LLPS相关分子亚型。采用LASSO cox回归分析，建立预测生化复发(BCR)无生存期(BCRFS)的LLPS相关预后模型。利用临床样本和细胞系进行了初步的实验验证。
图1.流程图
主要研究结果
1. 基于液-液相分离(LLPS)相关基因（LRGs）的聚类分析
分析TCGA数据中PCa与正常样本之间的差异表达LRGs（DELRGs）。通过一致聚类分析得到三个基于LRGs的分子亚型（聚类1、2、3）(图2 C)。Kaplan-Meier生存曲线发现三个聚类之间的无生化复发生存(BCRFS)差异显著(图2D)。比较这三个LLPS相关聚类中PD-1和PD-L1的相对表达水平，发现聚类2和聚类3中PD-1的表达水平显著升高，聚类1和聚类2的PD-L1表达水平显著升高(图2E,F)。接下来分析三种LLPS相关聚类中明显不同的免疫浸润细胞(图3A)。这三个聚类在免疫评分上存在显著差异(图2H)。
（ps：聚类分析和免疫浸润分析可以用小云新开发的零代码生信分析小工具实现，云生信分析工具平台包含超多零代码分析和绘图小工具，上传数据一键出图，感兴趣的小伙伴欢迎来尝试哟，网址：http://www.biocloudservice.com/home.html ）。
图2. 聚类分析和免疫分析
2. 构建LLPS相关的预后指数并验证
单变量Cox回归分析筛选了13个DELRGs(图3C)。针对这13个DELRGs，进行LASSO分析，最终筛选出6个DELRGs构建了一个与LLPS相关的预后指数(图3D,E)，用于预测PCa患者的BCRFS。计算风险评分，根据风险评分中位数将所有病例分为两个亚组(包括高风险和低风险组)。两组间的BCRFS有显著性差异(图3F)。时间相关ROC曲线下的面积结果显示，该指标有助于预测PCa病例的BCRFS (图3G)。
图3. 构建LLPS相关的预后指数并验证
3. 不同聚类的生存分析
计算不同聚类中的风险评分，进行生信分析并绘制ROC曲线。发现高风险评分与聚类1和2患者BCRFS不良预后相关(图4G-K)。ROC曲线也表明，该指标特别适用于聚类1的PCa患者(图4 H-L)。（ps：分别在不同聚类中进行风险评分这个比较少见，小亮点可以学起来~）
图4.不同聚类的生存分析和ROC曲线
4. 风险评分与临床病理特征、肿瘤干性的相关性分析
通过单因素和多因素分析发现风险评分是PCa患者的独立预测因子(图5A,B)。作者还分析了风险评分与一些典型的临床病理特征之间的相关性(图5C)，表明在T期、N期和不同的聚类中，高、低风险组之间存在显著差异。随后的相关分析表明，不同的风险评分与基于DNA甲基化的干性评分(DNAss)或基于mRNA表达的干性评分(RNAss)呈正相关(图5D,E)。
图5. 风险评分与临床病理特征、肿瘤干性的相关性分析
5. 临床样本和细胞实验验证
通过qRT-PCR验证6个DELRGs在肿瘤细胞系中的表达水平，实验结果与分析结果相似（图6A-B）。免疫组化染色检测这些基因对应蛋白在PCa和对照组织中的表达差异（图6C-D）。针对关键基因FUS进行干扰，分析其对前列腺癌细胞的迁移和侵袭等功能的影响（图6E）。
总结
这篇文章亮点就是基于相分离相关基因进行了疾病分型和预后模型的分析思路。最后的临床样本和细胞实验验证也是加分项，常规分析思路直接发表6分+文章。干湿结合是目前的大趋势，不仅能够证明分析的结果，还能为后续课题做基础，大家可以根据自己的情况选择临床样本验证、细胞/动物实验验证~
目前关于相分离相关的生信文章还比较少，如此创新的分析角度，赶快学起来吧！
如果你还苦恼于生信分析没有思路，或者嫌分析方法太过简单、太过老套，想要创新思路的，或者对相分离等热点方向感兴趣的小伙伴快来联系小云吧！
