基于形态学描述符的生物分子凝聚体动态统计分析计算流程开发及其在DDX3X蛋白相分离研究中的应用

研究人员针对生物分子液-液相分离(LLPS)研究中形态学表征方法不足的问题，开发了基于Python的高通量计算流程，通过欧拉特征数、分形维度等形态学描述符定量分析DDX3X蛋白凝聚体动态。该工具揭示了PEG3350 crowding agent诱导的形态异变及R376C突变体纤维化聚集特征，为神经发育疾病机制研究提供了新方法。

　　

生物分子通过液-液相分离(Liquid-Liquid Phase Separation, LLPS)形成的无膜细胞器在RNA代谢、应激响应等生命过程中发挥关键作用，但其形态动态的量化分析长期受限于人工方法的低效性和主观性。尤其当凝聚体从液态向固态相变时，传统方法难以捕捉细微的形态学变化——这正是神经发育相关蛋白DDX3X突变体R376C引发病理聚集的关键环节。

巴西国家生物科学实验室(LNBio)和坎皮纳斯材料与能源研究中心的研究团队在《Scientific Reports》发表研究，开发了基于形态学描述符的生物分子凝聚体动态分析计算流程。该工作整合了欧拉特征数(Euler characteristic number)、分形维度(fractal dimension)等16项形态学参数，通过Jupyter交互界面实现高通量分析，首次系统量化了DDX3X蛋白在crowding agent(PEG3350)作用下的非球形变形，以及R376C突变体从液滴到纤维状聚集体的相变轨迹。

关键技术包括：1) Operetta HCS平台获取荧光显微图像；2) CLAHE算法和非局部均值滤波的图像预处理；3) 基于scikit-image的形态学描述符计算；4) 主成分分析(PCA)等多变量统计方法；5) 相图可视化工具定量表征蛋白浓度与形态参数的关系。

Implementation of an automated image analysis method
研究团队开发的Python流程通过对比度受限自适应直方图均衡化(CLAHE)和Otsu阈值分割实现凝聚体精准识别，计算显示圆形度(circularity)对像素数敏感度高于圆度(roundness)，确立20×20像素为可靠分析阈值。

Phase diagram visualization and statistical analysis
相图分析发现10μM DDX3X在5% PEG3350条件下，面积分布峰度从6.48升至9.75，表明crowding agent抑制液滴融合；偏度分析显示圆形度分布从-2.47变为-1.07，证实非球形变形成为普遍现象而非个别异常。

Application to the analysis of DDX3X condensation
PCA揭示R376C突变体凝聚体在15分钟时即与野生型分离：偏心度(eccentricity)和纵横比(aspect ratio)对PC1贡献达0.8，固体度(solidity)从0.8降至0.4，欧拉特征数偏离1.0，三者共同指示纤维状聚集。分形维度分布增宽(1.1-1.8)反映表面不规则性增加。

该研究建立的标准化分析框架解决了LLPS研究中形态学量化难题：1) 首次将欧拉特征数应用于凝聚体拓扑结构分析，灵敏检测R376C突变体的多孔聚集；2) 通过偏度/峰度量化crowding agent对液滴分布的全局影响；3) 开源工具兼容常规显微镜数据。这些发现为神经发育疾病中异常相变的早期诊断提供了新思路，其方法学创新也可拓展至淀粉样蛋白聚集等病理研究领域。