尔云间 一个专门做科研的团队

关注我们

选择性剪接是什么？

剪接因子又是什么？

一文帮你缕清概念，还附赠相关的生信思路~

1. 基本概念：

选择性剪接(alternative splicing，AS): 也叫可变剪接，是指从一个mRNA前体中通过不同的剪接方式(选择不同的剪接位点组合)产生不同的mRNA剪接异构体的过程，使得最终的蛋白产物会表现出不同或者是相互拮抗的功能和结构特性，或者在相同的细胞中由于表达水平的不同而导致不同的表型。

2. AS与肿瘤的关系：

异常的AS能引发癌症，拼接亚型的不平衡表达或未能表达正确的亚型是癌症的一个标志。而且AS在免疫微环境的形成中也起着重要作用。AS的改变能影响免疫细胞的浸润。

3. 剪接因子(splicing factors，SF)是什么？

AS是一个复杂的生物学过程，涉及200多个分子之间的协调相互作用，以支持或抑制前体信使RNA (pre-mRNA)特定靶位点的剪接调控。在这个过程中，剪接因子(SFs)起着重要的作用，它是一种蛋白质，形成了一种称为剪接体的动态复合体的一部分，至少有5个小核RNA (snRNA)。它像“剪刀”一样，精确地修复pre-mRNA，剪掉冗余部分，形成多种mRNA序列，再转译成具有不同生物学功能的蛋白质异构体，参与全身的生命活动。

4. 那么基于AS或SFs能做生信分析吗？

当然可以，而且肿瘤和非肿瘤疾病都可以分析哦，非肿瘤分析空间更大~

目前已经发现一些基于AS进行分析的生信文章：

（没有思路、关注小云，超多个性化、创新性高的分析思路供你选择！）

小云今天给大家看一篇基于剪接因子进行分析的生信思路！

题目：剪接因子介导的调控模式揭示了急性髓系白血病的生物学特征并有助于预测预后

杂志：Journal of translational medicine

影响因子：8.44

发表时间：2023年1月

数据信息

研究思路

RNA的选择性剪接(AS)是形成蛋白质多样性的基本生物学过程。许多非特征性AS事件参与了急性髓系白血病(AML)的发生和发展。剪接因子(splicing factors, SFs)调节AS事件的发生，其异常改变影响剪接调控的过程。因此，探讨SFs与AML患者临床特征及生物学过程的关系十分重要。本研究以hnRNP家族和SR家族的SFs为研究对象。基于多组学方法探讨了与SFs表达相关的调控模式与AML临床病理因素和生物学行为之间的关系。通过临床样本和体外实验进一步分析SRSF10在AML中的生物学功能。

主要结果

1. 剪接因子(splicing factors, SFs)的遗传变异

分析AML样本中32个SFs的表达特征(图1A)。进一步分析了它们的体细胞突变特征，结果显示在AML样本中，SFs的突变率较低(图1B-C)。图1D显示了32个SFs在染色体中的位置。这些结果提示hnRNP家族和SR家族的SFs在AML样本中表现出异质的遗传和表达。

图1.AML样本中hnRNP和SR家族中SFs的遗传特征

2. 32个SFs介导的剪接调控模式

分析SFs表达与预后特征的相关性，发现SR家族几乎所有的SFs均为预后危险因素，这些基因的高表达预示患者预后较差。进一步根据SFs的表达进行无监督聚类，将AML患者分为4组，Cluster A - D。生存分析显示D组患者预后最好，C组患者预后最差，A组和B组患者预后居中(图2D)。进一步证实了四个聚类中SFs的差异表达和体细胞突变分析(图2E-F)。

图2.SFs相关调控模式的识别

3. 不同剪接调控模式的生物学特性差异

（ps：功能富集分析、免疫浸润分析也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： ）。

使用GSVA算法分析了KEGG信号通路和与不同剪接调控模式相关的癌症相关标志基因集的富集差异。Cluster B在细胞增殖、蛋白表达和基因组遗传调控方面有显著的促进作用。Cluster C显示大量免疫和炎症相关信号通路的高活性

进一步研究了不同的调节模式是否与AS事件相关。我们对四组进行了两两比较 (图3C)。我们发现聚类A与其他三个聚类相比，显示了最多的重叠差异表达AS事件。

图3. 不同剪接调控模式信号通路的差异

4. 不同剪接调控模式中免疫相关特征的差异和治疗敏感性预测

分析不同模式对应的免疫细胞浸润、免疫功能活性和免疫检查点表达比例。Cluster C含有较多的炎性免疫细胞、APC抑制、促炎反应等免疫细胞功能活性高、免疫检查点高表达的特点，反映了可能存在慢性炎症和高免疫抑制微环境。因此，c组患者预后较差。

基于不同剪接调控模式的整体基因表达来预测常见AML药物的治疗敏感性。发现抗PD-1治疗对C类患者的潜在治疗价值。

图4.不同剪接调控模式的免疫相关特征差异及治疗敏感性预测

5. 预后风险评分模型的构建与验证

A组和B组的SFs表达差异最大，C组和D组患者预后差异显著，因此对聚类A和聚类B、聚类C和聚类D进行了差异表达分析，鉴定出53个DEGs (图5A)。Cox回归分析显示，21个基因与AML患者预后显著相关 (图5B)。这些预后基因被用来构建预后风险模型。采用LASSO回归分析确定8个参与模型构建的基因(图5C)。

使用模型公式计算每个样本的风险评分。根据临界值将AML患者分为高危组和低危组。高危组患者预后明显差于低危组 (图5E)。时间依赖性ROC曲线分析显示，预后风险评分模型具有较高的预测准确性(图5F)。单因素和多因素Cox分析表明，风险评分可作为独立的预后因素(图5G, H)。不同生存状态患者的风险评分存在显著差异(图5J)。

图5. 风险评分模型构建

接下来，四个验证队列证实了风险评分的预后价值（图6A-F）。进一步将与AML患者预后显著相关的临床病理因素(年龄和细胞遗传风险)与风险评分模型结合，构建nomogram(图6I)。校准曲线证明nomogram可以准确预测OS(图6J)。

图6. 风险评分模型验证及nomogram构建

6. 验证剪接因子SRSF10在AML中的表达上调

在32个SFs中，SRSF12和SRSF10的表达在AML中上调最为显著。选取危险因子SRSF10进行深入研究。SRSF10在TCGA数据库的AML样本和GTEx数据库的正常血液样本中表达上调（图7A）。同时，分析了TCGA数据库泛癌图谱中SRSF10的表达水平，发现SRSF10在AML和急性淋巴细胞白血病(ALL)中表达上调最多，提示其可能参与了血液肿瘤的发生和发展(图7B)。进一步在临床样本和细胞实验中验证了SRSF10的表达的促癌作用。

图7. SRSF10在AML中的表达特征及其与AML细胞恶性表型的关系

总结

这篇文章在分析方向的选择上非常创新，采用的是剪接因子相关基因来进行疾病分型，并构建了预后模型，再加上基础的表达和细胞验证实验来丰富文章的结构。这种干湿结合的方式可以学习起来，是现在发文的趋势哦！一套常规的分析流程下来轻松拿到8分+，是不是看出选择分析方向的重要性了~

目前剪接因子相关的生信文章还很少，肿瘤和非肿瘤疾病都可以分析哦！如果你也对AS或剪接因子感兴趣的话，赶快行动起来吧！

选分析方向/方法最便捷的方法当然还是持续关注小云的生信思路推荐，如果想了解更多创新性思路欢迎直接call小云哦，下一篇生信文章在向你招手！

铁死亡非编码RNA数据库新鲜出炉！借此东风能否迎来生信分析第二春？解决临床问题才是正道~

如何从Nature文章思考并形成我们自己的生信分析思路？这套独家秘笈轻易不外传！

生信没头绪？Science最新发文引发思考！下一个生信分析热点该不会就是它吧？内附切入指南

什么样的生信文章仨月就接收？带你看点肿瘤突变负荷 (TMB)不一样的分析法，“三步”完成8分+Frontiers！还汇集了7种分析免疫浸润的方法

不用做实验的8分+TNF基因家族纯生信思路！两次聚类+风险评分“老药新用”的玩法！基因集已备好，就等你来复现~

免疫细胞的生信思路再度升级！WGCNA+机器学习+单基因GSEA，非肿瘤的诊断模型轻松拿下8分+！如此巧妙的分析思路怎能不心动~