中国科学院国家生物信息中心高元教授团队开发出名为 HELIX 的 AI 驱动框架，成功实现了对 RNA 剪接和异构体使用的精准预测。该研究成果于 5 月 19 日发表在《自然计算科学》期刊上，为理解基因调控模式、解读致病突变及推动精准医疗研究提供了重要工具。 RNA 是 DNA 转录为蛋白质的关键中介，而前体 mRNA 的剪接过程能产生多种具有不同功能的异构体，极大扩展了人类转录组的复杂性。然而，由于剪接过程受到调控元件、RNA 结合蛋白及微环境等多层因素的共同影响，科学家一直难以准确预测其在不同组织和疾病状态下的表现。 HELIX 框架采用双层深度学习架构，创新性地整合了 DNA 序列特征与 1499 种 RNA 结合蛋白的组织特异性表达谱，并利用长短期记忆网络捕捉剪接位点间的复杂依赖关系。该模型基于覆盖 30 种人体组织的海量测序数据进行训练，在剪接强度和异构体使用预测方面均显著优于现有主流方法。 在疾病研究中，HELIX 成功揭示了结直肠癌细胞中广泛的剪接异常，并证实这些异常与基因组突变、蛋白调控失调及患者临床特征高度相关，表明剪接异常可作为肿瘤进展的重要分子标志。此外，研究团队还开发了单细胞版本 scHELIX，能够高分辨率地描绘不同细胞类型的异构体使用模式，有助于深入解析肿瘤内部的异质性及进化机制。 该工作不仅加深了对组织特异性及疾病相关剪接机制的理解，更为癌症分型、致病突变注释及精准医疗开发提供了强有力的计算支持。