相分离数据库实操指南④：如何利用PhaSeDis挖掘相分离-疾病关联及潜在干预小分子？
引言
前三篇我们分别拆解了三大相分离数据库：
1.PhaSePro：脚手架蛋白“金标准”，告诉你哪些蛋白是已被严格验证的驱动蛋白；
2.LLPSDB v2.0：体外实验“条件宝库”，为你提供蛋白浓度、pH、盐浓度等具体实验参数；
3.PhaSepDB 3.0：相分离蛋白“百科全书”，帮你快速获取蛋白的功能、调控与疾病全景信息。
但你有没有遇到过这样的问题：
“我知道某蛋白能相分离，也查到了体外实验条件，但它到底和哪些疾病直接相关？有没有小分子能干预它的相分离异常？我想做转化研究，该从哪里下手？”
这正是PhaSeDis要回答的问题。作为2024–2025年间最新发布的相分离数据库，PhaSeDis由北京大学李婷婷团队在前期MloDisDB基础上重磅升级，首次系统整合了“相分离因子—疾病—小分子”三方关联，将基础研究数据与转化医学需求连接起来。
今天丸子就带大家上手PhaSeDis，学会利用它挖掘疾病机制、寻找潜在干预分子，并结合前三个数据库完成从“新蛋白发现”到“转化线索挖掘”的全链条分析。
1. 数据库概况与核心特色
PhaSeDis是目前唯一专门收录相分离-疾病关联及干预小分子的数据库。相比前身MloDisDB，PhaSeDis实现了三大飞跃：
① 数据规模翻倍：收录931条条目，其中185条为相分离（PS）相关条目（来源于2020–2022年发表的123篇文献）；
② 新增体内证据分级：为每个PS条目标注了4类经典体内验证实验（FRAP、1,6-HD处理、球形形态、融合/分裂现象），形成证据等级0–4，评估结论可信度；
③ 首创小分子模块：同时整合低通量文献证据（直接报道的干预分子）和高通量数据库交叉证据（来自BindingDB、PDBBind、DrugBank的潜在配体/药物）。
PhaSePro告诉你“谁能相分离”，PhaSepDB告诉你“它有什么功能”，LLPSDB告诉你“怎么在体外做”，而PhaSeDis告诉你“它致病吗？有药吗？”
2. 首页导航与浏览功能
访问首页：http://mlodis.phasep.pro
首页提供三种主要检索入口：
▶ 关键词搜索：支持按相分离因子（蛋白/RNA名称、基因ID、UniProt ID）、疾病名称、MLO（无膜细胞器）或物种检索；
▶Browse页面：可按“证据类型”（Evidence）或“分类”（Class）筛选，例如只看“LLPS”条目或“体内验证级别≥2”的条目；
▶MLOs页面：图形化展示30余种无膜细胞器，点击任一MLO（如应激颗粒、核仁）即可看到所有相关疾病条目；
▶Diseases页面：按疾病分类罗列所有条目，神经退行性疾病和癌症是两大主力。
【丸子划重点】如果你关心某个疾病（比如ALS），直接进Diseases页面点选，就能看到所有与ALS相关的相分离因子及其小分子信息。
3. 条目页面深度解析
以TDP-43和ALS相关的某一条目为例（MDID可点击），进入详情页后包含四大模块：
① 基础信息（Basic information）
▶MLO类型：如应激颗粒（Stress granule）
▶因子信息：蛋白名称、基因名、UniProt ID、物种
▶疾病信息：疾病名称、MeSH、ICD-10、OMIM等标准ID
② 文献描述（Description from paper）
这是最核心的文本模块，包含：
▶MLO/凝聚体变化：原文报道的相分离液滴在大小、数量、组装动态等方面的改变；
▶致病机制描述：例如“TDP-43的相分离异常导致其异常聚集，形成毒性寡聚体，引发运动神经元死亡”；
▶实验证据摘要：直接引用原文结论，并附上PMID。
③ 因子变化（Factor change）
记录原文中报道的突变、表达变化、翻译后修饰（PTM）及其对病理状态的影响。
④ 相关小分子（Related small molecules）
这是PhaSeDis的独家亮点，分为两栏：
▶低通量证据：来自原文直接验证的小分子，附有“Interference note”说明其作用。
▶高通量证据：从BindingDB、PDBBind、DrugBank交叉匹配得到的潜在小分子/药物，按数据库来源分别列出，并提供PubChem CID或DrugBank ID链接。
【丸子提醒】高通量证据仅表示这些小分子与目标蛋白有结合记录，不保证它们通过调控相分离发挥作用——但它们是你筛选候选药物的绝佳起点。
4. 体内证据分级：判断条目可信度的利器
PhaSeDis为每个PS条目标注了是否在体内开展了以下4类经典验证实验：
每做一项记为1分，总分0–4即为“证据等级”。统计显示：
▶等级0：24个条目（无任何体内验证）
▶等级2–3：大多数条目
▶等级4：仅18个条目（四项实验全部完成）
实操建议：做精细机制研究时，优先筛选证据等级≥3的条目；做大规模分析时，可适当放宽至等级1–2。
此外，每个因子还标注了PS角色：
▶Scaffold：主要驱动相分离的脚手架蛋白
▶Client：被招募进凝聚体的客户蛋白
▶Self：单组分自行相分离
5. 示例场景：TDP-43与ALS的相分离干预探索
场景：你想系统了解TDP-43在ALS中的相分离异常机制，并查找是否有小分子可以干预。
操作步骤：
①进入PhaSeDis首页，搜索“TDP-43”或“TARDBP”。
②浏览返回的条目列表，筛选疾病为“Amyotrophic lateral sclerosis”。
③点击任意条目（如某MDID），进入详情页：
▶ 阅读“Description from paper”，记录TDP-43相分离异常如何导致ALS（如“液-固转化加速”、“毒性聚集”）。
▶ 查看“Factor change”栏，留意是否有疾病相关突变（如A315T、Q331K）及其对相分离的影响。
▶ 跳转到“Related small molecules”：
a.低通量部分：看是否有原文直接测试的小分子（如某些激酶抑制剂、多酚类化合物），阅读其作用机制。
b.高通量部分：浏览BindingDB/PDBBind/DrugBank中匹配的小分子列表，挑出感兴趣的候选物（如已上市药物）。
④记录PMID，回查原文验证实验细节。
⑤ 交叉验证：
▶ 回PhaSePro确认TDP-43是脚手架蛋白。
▶ 到LLPSDB v2.0查看TDP-43体外相分离条件（蛋白浓度、盐浓度等），为后续实验设计做准备。
▶ 到PhaSepDB 3.0查看TDP-43的protein-wise summary page，了解其PTM调控。
6. 多数据库联动实战（三大典型场景）
场景一：新发现蛋白的全方位调查
▶背景：蛋白质组学筛到一个新蛋白Protein X，怀疑它有相分离能力，想快速判断它是脚手架还是客户，以及是否与疾病相关。
▶流程：
① PhaSepDB 3.0：搜索Protein X → 如果有PS条目，高度怀疑脚手架；如果仅在MLO条目中出现，可能是客户蛋白。
② PhaSePro：确认是否被收录为驱动蛋白 → 若收录，直接获得驱动区域信息。
③ LLPSDB v2.0：查找同源蛋白的体外实验条件，作为自己实验的参考。
④ PhaSeDis：搜索Protein X是否与疾病关联 → 若有，获取机制及潜在小分子线索。
场景二：预测算法的数据准备
▶背景：开发相分离预测模型，需要高质量正负样本集。
▶流程：
① 正样本：PhaSePro全部条目（最严格） + PhaSepDB 3.0中PS条目（较全面） + LLPSDB v2.0中“Yes”条目。
② 负样本：LLPSDB v2.0中“No”条目（独家来源！） + PDB典型球状蛋白 + DisProt非LLPS无序蛋白。
注意：区分“脚手架蛋白”与“客户蛋白”的序列特征，分别建模或评估。
场景三：转化研究线索挖掘
▶背景：想系统筛选“相分离—神经退行性疾病—小分子”三角关系。
▶流程：
① PhaSeDis：浏览神经系统疾病分类，导出所有PS条目，按小分子证据排序。
② PhaSePro / PhaSepDB 3.0：对Top候选蛋白，查看其脚手架身份、PTM调控位点（寻找可成药的修饰酶）。
③ LLPSDB v2.0：确认体外实验条件，设计小分子筛选的阳/阴性对照。
④ 整合：构建“蛋白—疾病—小分子—实验条件”四位一体研究方案。
小结
至此，我们完成了相分离四大核心数据库的全系列实操指南：
数据库中收录的均为已有文献报道的实验数据。若你的研究对象是尚未被注释的新蛋白，或希望在特定样本中系统筛选相分离候选分子，则需借助实验手段进行高通量鉴定。数据库检索与实验筛选相结合，可大幅提升研究效率。
⬇️⬇️⬇️
谱度众合B-isox MS：相分离蛋白初筛首选解决方案
谱度众合B-isox MS一站式高通量筛选服务，依托二十年质谱技术沉淀，实现相分离倾向蛋白的无偏精准鉴定，覆盖从样本处理、蛋白富集到质谱检测的全实验流程，更配套IDR区域预测评分、蛋白互作网络分析等深度数据挖掘服务。
参考资料
Chen T , Tang G , Li T, et al. PhaSeDis: A Manually Curated Database of Phase Separation-disease Associations and Corresponding Small Molecules. Genomics Proteomics Bioinformatics. 2025;23(1):qzaf014. doi:10.1093/gpbjnl/qzaf014