Nature子刊：可解释机器学习实现单细胞 RNA 剪接调控图谱从头解析

清华大学与重庆大学研究团队在《Nature Communications》发表论文，提出了可解释机器学习框架 CASREL，实现了从单细胞转录组数据中直接解析细胞类型特异性的 RNA 剪接调控网络。

• 论文于 2026 年 9 月 8 日上线，针对传统交联免疫沉淀（CLIP）与扰动实验通量低、生理相关性差且掩盖细胞异质性的局限，提出无需预先结合位点注释的从头解析方案。
• CASREL 结合集成学习与基于沙普利加性解释（SHAP）的模型可解释性方法，利用单细胞水平异构体极化表达与抗噪特性，直接推断 RNA 结合蛋白（RBP）与选择性剪接（AS）之间的调控关联。
• 在多组织及多细胞类型的测试中，该方法展现了对生理环境下特异性 RNA 剪接调控回路的解析能力与计算鲁棒性。
• 影响/看点：该框架可能为细胞异质性层面的转录后调控机制研究提供低成本计算工具，其适用范围受限于单细胞测序数据的覆盖深度与剪接异构体检测质量。
• 资料依据：
• Nature Communications（2026-09-08）：https://www.nature.com/articles/s41467-026-77627-5

本内容由 AI 生成，仅供参考，请注意甄别