环状RNA（circRNA）能够通过与RNA结合蛋白（RBP）相互作用调控基因表达，但由于RNA序列、结构和细胞环境的复杂性，准确预测其蛋白质结合位点仍面临挑战。现有计算方法主要关注RNA自身的序列特征，对蛋白质结合偏好、核苷酸理化性质及RNA结构信息的利用相对有限，制约了预测准确性与跨细胞环境的泛化能力。
针对这一问题，研究人员开发了可解释深度学习框架CPRISP，通过整合circRNA核苷酸组成、理化性质、二级结构、预训练序列表征以及RBP蛋白质特征，实现相互作用位点预测。在37个RBP基准数据集上，CPRISP取得了0.9874的平均AUC，优于多种现有方法，并在跨细胞系预测中保持较好性能。模型解释进一步识别出具有保守性的单链RNA序列基序及其结构特征。
研究人员还将CPRISP应用于阿尔茨海默病、帕金森病和肌萎缩侧索硬化症相关RBP的功能分析，发现核质运输、溶酶体功能、蛋白质稳态及GTP酶调控等共同富集通路，并通过基因表达特征关联分析筛选出二甲双胍、硒相关化合物等候选分子。研究为circRNA–RBP相互作用预测和神经退行性疾病相关分子机制探索提供了计算工具，但候选化合物的治疗作用仍需实验验证。
环状RNA是一类通过前体mRNA反向剪接形成的共价闭合RNA分子。由于缺少游离末端，其通常具有较强的稳定性，并表现出一定的组织和细胞类型特异性。近年来，circRNA被发现参与转录后基因表达调控，与肿瘤、神经退行性疾病及其他病理过程密切相关。
RNA结合蛋白是调控RNA剪接、转运、定位、稳定性及翻译的重要分子。circRNA与RBP之间存在复杂的双向调控关系：circRNA可以作为分子海绵或支架调节蛋白质功能，而RBP也能够通过序列特异性识别影响circRNA的生成和功能。因此，准确识别circRNA与RBP的结合位点，对于理解RNA调控网络及发现疾病相关分子机制具有重要意义。
早期计算方法主要采用人工设计的序列描述符和传统机器学习算法，包括核苷酸频率、理化性质以及蛋白质序列统计特征。这些方法计算成本较低，但对复杂序列依赖关系和长距离调控模式的刻画能力有限。
随着深度学习的发展，研究人员先后提出CRIP、CircSLNN、CircSSNN和CRBPDL等预测模型，通过卷积神经网络、循环神经网络及注意力机制提高结合位点识别能力。然而，许多方法仍主要依赖circRNA序列信息，对RBP自身的序列特征关注不足，难以充分描述不同蛋白质之间的结合特异性。
此外，结合位点预测结果通常缺少明确的生物学解释，也较少与疾病相关调控网络及候选药物发现联系起来。
基于这些问题，研究人员提出CPRISP，希望通过多来源RNA特征与蛋白质特征联合建模，提高结合位点预测性能，并进一步从模型中提取可解释的序列和结构模式，将预测结果应用于神经退行性疾病相关分子通路及候选化合物分析。
研究人员构建了融合circRNA多维特征和RBP序列表征的CPRISP深度学习框架。对于circRNA，模型分别提取k-mer核苷酸频率、电子–离子相互作用相关理化特征、核苷酸化学性质、RNAfold预测的二级结构以及Circ2Vec预训练序列嵌入，并通过卷积编码器和层次化多尺度残差网络完成特征融合。对于RBP，研究人员利用ProteinBERT提取蛋白质全局序列表征，同时结合局部子序列信息和对比学习获得具有局部一致性的特征。随后，模型将RNA与蛋白质表征拼接，通过卷积分类网络输出结合位点概率。研究在37个RBP数据集上开展五次重复实验，并与六种深度学习方法和七种传统机器学习算法比较，通过序列相似性控制、特征消融和跨细胞系测试评估泛化性能。进一步利用SHAP解释核苷酸贡献并提取结合基序，结合KEGG、GO、miRNA及转录因子网络分析神经退行性疾病相关RBP，最后采用DSigDB进行候选化合物优先排序。
CPRISP的核心设计是同时考虑circRNA和RBP两侧的分子信息，而不是仅根据RNA序列判断蛋白质结合位点。
在RNA表征方面，研究人员整合核苷酸组成、理化性质、二级结构和预训练序列嵌入。其中，核苷酸频率用于描述局部序列组成，理化特征反映不同碱基之间的性质差异，二级结构则提供结合区域的空间可及性信息。
在蛋白质表征方面，ProteinBERT负责提取RBP的全局序列特征，局部子序列编码则用于捕捉可能与RNA识别有关的蛋白质片段。研究人员通过对比学习增强局部表示的一致性，使模型能够更好地区分不同蛋白质的结合偏好。
多来源RNA特征随后输入层次化多尺度残差网络，以融合不同尺度的序列与结构信息，并与蛋白质表征共同用于结合位点分类。
除预测功能外，CPRISP还提供基于SHAP的可解释性分析，用于识别对预测贡献较大的核苷酸区域，并进一步开展跨细胞系结合模式比较、疾病通路分析和候选化合物筛选。
图1｜CPRISP多来源特征融合、circRNA–RBP结合位点预测及功能分析框架。
研究人员首先将CPRISP与CircSSNN、HCRNet、CRBPDL、iCircRBP-DHN、CRIP和CSCRSites六种现有方法进行比较。
在37个RBP基准数据集上，CPRISP的平均AUC达到0.9874，明显高于CircSSNN的0.9230，以及其他方法约0.83至0.89的平均水平。CPRISP在其中32个数据集上取得最高AUC，表明其优势并不局限于少数特定蛋白质。
其他评价指标也显示出相似趋势。CPRISP的AUPRC达到0.9847，准确率为0.9339，MCC为0.8710，F1分数为0.9309，精确率达到0.9739。其召回率为0.8926，与表现较好的HCRNet相近，但精确率明显更高，说明模型能够在保持较高检出能力的同时减少假阳性预测。
在特征可视化分析中，CPRISP学习的表征能够更清楚地区分结合与非结合样本，而其他方法的两类样本存在较明显重叠。
考虑到训练集与测试集之间的序列相似性可能高估模型性能，研究人员进一步采用基于序列聚类的数据划分策略。当序列一致性阈值限制为0.6时，CPRISP的平均AUC仍达到0.9861，并在37个数据集中的33个上保持最佳表现。
这些结果表明，CPRISP在所测试的蛋白质和数据划分条件下具有较好的预测准确性与稳定性。
图2｜CPRISP与现有深度学习方法在37个RBP数据集上的预测性能比较。
为了进一步评价深度学习框架的优势，研究人员将CPRISP与XGBoost、随机森林、逻辑回归、高斯朴素贝叶斯、随机梯度下降分类器、极端随机树以及传统人工神经网络进行比较。
结果显示，CPRISP在37个数据集上的平均AUC超过0.99，并且不同数据集之间的性能分布更加集中。传统分类器中，XGBoost表现最好，平均AUC约为0.80，随后为随机森林和逻辑回归等方法。
其他传统分类器的表现则存在较大波动，部分数据集上的预测能力明显下降。
研究人员认为，传统方法依赖有限的输入特征和分类边界，难以充分描述RNA序列、二级结构与蛋白质结合偏好之间复杂的非线性关系。相比之下，CPRISP通过多来源表征和层次化特征融合，能够学习不同特征之间的互补信息。
图3｜CPRISP与七种传统机器学习分类器的结合位点预测性能比较。
为明确蛋白质序列特征的贡献，研究人员构建了去除RBP序列输入的简化模型CRSP，并与完整CPRISP进行比较。
结果显示，完整模型在37个数据集上的AUC基本稳定在0.98附近，而CRSP的预测性能存在明显波动。在AGO2、EIF4A3和PTB等数据集上，CRSP的AUC下降至0.90以下，而CPRISP仍保持较高准确率。
在IGF2BP1和IGF2BP3等数据集上，两种模型的AUC差距超过0.10，说明部分RBP的结合位点识别尤其依赖蛋白质侧的序列信息。
这一结果表明，不同RBP具有不同的RNA结合偏好，仅依赖circRNA序列和结构难以完整描述相互作用规律。加入ProteinBERT等蛋白质表征后，模型能够更充分地学习RNA与蛋白质之间的匹配关系。
研究还探索了将RBP特征引入其他预测架构的效果，进一步支持蛋白质信息对相互作用位点识别具有补充价值。
图4｜RBP序列特征对CPRISP结合位点预测性能的贡献。
研究人员进一步开展消融实验，分析核苷酸编码策略、不同特征组合及网络架构的影响。
首先，在k-mer特征分析中，研究比较了包含最高3-mer至6-mer的累积频率表示。结果显示，最高3-mer的编码取得最佳表现，平均AUC达到0.9906；扩展至4-mer、5-mer和6-mer后，平均AUC分别下降至0.9761、0.9612和0.9505。
研究发现，随着k-mer阶数增加，特征维度由84增长至5,460，特征矩阵也变得更加稀疏。在当前101个核苷酸长度的输入条件下，更高阶的局部序列特征并未带来额外收益，反而可能增加冗余信息。
其次，完整多来源编码的平均AUC达到0.9906，整体优于仅使用核苷酸频率、序列结构或Circ2Vec等部分特征的模型，说明不同特征来源具有一定互补性。
在网络架构实验中，将多尺度残差网络替换为普通Transformer，或直接移除该模块，均导致预测准确率下降且不同数据集间的波动增大。
研究还比较了多种RNA二级结构预测方法。不同工具带来的性能差异总体有限，因此保留RNAfold作为默认结构预测工具。探索性引入RhoFold+和Boltz-2预测的三维结构后，模型性能也未超过原有配置。
图5｜核苷酸编码策略、多来源特征融合及网络架构对CPRISP预测性能的影响。
考虑到RBP与RNA的相互作用可能受到细胞环境影响，研究人员选择IGF2BP2、FASTKD2、FTO和AQR四种蛋白质，开展跨细胞系预测实验。
研究在不同细胞系之间分别进行训练和测试，共设置八个双向预测任务。结果显示，CPRISP在全部八个任务中取得最高AUC，平均值为0.9221，高于第二名CircSSNN的0.8827，说明模型能够在所测试的细胞环境之间保留部分可迁移的结合规律。
研究人员进一步利用SHAP分析核苷酸对模型预测的贡献，并结合RNA二级结构定位高贡献序列。
在IGF2BP2中，模型识别出GAGGGAG序列特征；FASTKD2中发现UUUGU富集模式；FTO和AQR则分别识别出GCGUCC和CCCGUG等代表性序列。这些序列在不同细胞系中表现出一定保守性，并主要分布于单链环区、凸环或内部环等相对容易接近的结构区域。
进一步与已知RBP结合基序数据库比较发现，模型提取的部分序列特征与实验报道的结合偏好具有较好一致性。
这些结果说明，CPRISP不仅能够预测结合位点，还能提供与RNA序列识别和二级结构可及性相关的解释。不过，SHAP贡献分数并不能直接证明特定核苷酸参与了实际分子结合，相关机制仍需实验验证。
图6｜CPRISP跨细胞系预测性能及RBP结合序列基序与二级结构特征分析。
研究人员最后将CPRISP应用于神经退行性疾病相关RBP，探索预测结合位点与疾病分子机制之间的联系。
研究首先选择与神经元稳态有关的m6A识别蛋白YTHDF2，利用CPRISP识别出5,887个结合位点，并映射至3,050个非冗余基因。
KEGG富集分析显示，这些基因与阿尔茨海默病、帕金森病、肌萎缩侧索硬化症、溶酶体及氧化磷酸化等通路相关。GO分析进一步发现，核质运输、核糖核蛋白复合物形成、RNA加工和GTP酶结合等功能显著富集。
通过构建miRNA和转录因子调控网络，研究人员识别出miR-16-5p、miR-125b-5p和miR-34a-5p等调控因子，以及ELK1、EGR1、KLF9和BCL11B等转录因子。这些分子与神经元功能、炎症反应及细胞应激过程存在一定联系。
研究随后将分析扩展至METTL3、NKRF、FMR1、ATXN2、METTL14、CAPRIN1、ELAVL1和FUS八种RBP。
不同疾病相关RBP的功能分析显示出共同的分子特征，包括溶酶体功能异常、核质运输障碍、蛋白质稳态调控以及RNA剪接等。同时，部分RBP也表现出疾病特异性。例如，阿尔茨海默病相关蛋白涉及泛素化及蛋白质稳定性，帕金森病相关蛋白与核糖体生成和核仁应激有关，而FUS、CAPRIN1等肌萎缩侧索硬化症相关蛋白则与应激颗粒和RNA聚集过程有关。
在候选化合物分析中，研究人员利用DSigDB对预测靶基因集合进行富集排序，识别出盐酸二甲双胍、硒、N-乙酰半胱氨酸等反复出现的候选分子，并在部分肌萎缩侧索硬化症相关分析中发现氨溴索。
这些结果为研究RNA调控异常与神经退行性疾病之间的关系提供了潜在方向。但化合物排序主要反映药物相关基因特征与预测靶基因集合之间的统计关联，并不意味着已经证明药物能够直接结合相应RBP或具有治疗效果。
图7｜YTHDF2相关基因的功能通路富集、miRNA调控网络及转录因子网络分析。
本研究提出的CPRISP通过融合circRNA序列、理化性质、二级结构及RBP蛋白质特征，改善了circRNA–RBP结合位点预测的准确性和稳定性。与主要依赖RNA信息的现有方法相比，该框架能够更充分地描述不同蛋白质的结合特异性，并通过SHAP分析识别具有一定生物学意义的序列和结构特征。
研究人员还将结合位点预测与神经退行性疾病功能分析相结合，识别出核质运输、溶酶体功能、蛋白质稳态及GTP酶相关信号等共同富集过程，并提出若干值得进一步研究的候选化合物。
不过，当前模型主要采用较粗粒度的RNA二级结构表示，对真实三维构象及细胞环境的描述仍然有限。跨细胞系验证也只涉及少量RBP和细胞系组合，尚需更大规模数据检验模型泛化能力。此外，疾病通路和候选药物分析均属于计算预测，仍需通过结合实验、功能扰动及疾病模型验证。
总体而言，CPRISP为circRNA–RBP相互作用研究提供了兼顾预测性能与可解释性的计算框架，并为神经退行性疾病相关RNA调控机制及候选干预分子的后续实验研究提供了参考。
Wang, Y., Li, J., Liu, X. et al. CPRISP: an interpretable deep learning framework predicting circRNA-RBP interactions and guiding therapeutic discovery in neurodegeneration. Nat Commun (2026).
https://doi.org/10.1038/s41467-026-79009-3
内容为【DrugOne】公众号原创｜转载请注明来源
