中国科学院中国生物信息中心の高元教授率いる研究チームは、AI を活用した RNA スプライシングとアイソフォーム使用量の高精度予測フレームワーク「HELIX」を開発しました。遺伝子情報は DNA に刻まれていますが、RNA スプライシングという過程を経て一つの遺伝子から複数の異なる RNA バリアント（アイソフォーム）が生成され、組織や細胞タイプによって多様な機能を実現しています。しかし、スプライシングはレギュレーション要素や RNA 結合タンパク質（RBP）、組織環境など複数の層に及ぶ複雑な制御を受けており、従来の手法では正確に予測・理解することが困難でした。 この度、チームは「階層型説明可能 LSTM（HELIX）」という二層の深層学習アーキテクチャを用いた新フレームワークを確立しました。この手法は、DNA の塩基配列情報と 1,499 種類の RBP 発現プロファイルを統合し、長短期記憶ネットワーク（LSTM）によって複数のスプライスサイト間の複雑な依存関係や競合関係を効果的に捉えることに成功しています。30 の異なるヒト組織を対象とした大規模な RNA シークエンシングデータで訓練・最適化された HELIX は、既存の主要な手法よりもスプライシング強度の予測および全体のアイソフォーム使用量の予測において大幅に優れた性能を発揮しました。 研究結果は 5 月 19 日に『Nature Computational Science』に掲載され、がんなどの疾患においてスプライシング異常やアイソフォームの変化が、ゲノム変異や RBP の調節異常、患者の臨床プロファイルと強い相関を持つことを明らかにしました。大規模な大腸がん集団を用いた解析では、腫瘍細胞における広範なスプライシング調節異常が検出され、これが腫瘍の進展理解や患者層別化の重要な分子徴候となり得ることが示されました。さらに、このフレームワークを単一細胞 RNA シークエンシングデータに対応させた拡張版「scHELIX」も開発されました。これにより、腫瘍内の細胞集団や亜集団間での詳細なアイソフォーム使用量のプロファイリングが可能となり、腫瘍の進化研究や新たな治療標的の発見への手がかりを提供しています。 HELIX および scHELIX は、複雑な生物学的条件下における RNA スプライシング制御やアイソフォーム動態を理解するための堅牢な AI ツールキットとなっています。この成果は組織特異的かつ疾患関連のスプライシング機構への理解を深めるだけでなく、がんのサブタイプ分類、病因性変異のアノテーション、そして精密医療の実現に向けた貴重な計算ツールおよび理論的基盤を提供するものと期待されています。