CPRISP:预测 circRNA-RBP 相互作用并指导神经退行性疾病治疗发现的可解释深度学习框架
CPRISP: an interpretable deep learning framework predicting circRNA-RBP interactions and guiding therapeutic discovery in neurodegeneration
CPRISP 是一个可解释深度学习框架,整合 circRNA 序列、二级结构、预训练表征和蛋白质特征,在37个基准数据集上提升 circRNA-RBP 位点预测并跨细胞系泛化。模型解释恢复保守单链序列模式,并在阿尔茨海默病、帕金森病和肌萎缩侧索硬化相关蛋白中识别核质运输、溶酶体信号和GTP酶活性通路。该框架还优先排序化合物供实验跟进,但不代表治疗有效性。
已发表论文 · journal · 10.1038/s41467-026-79009-3
本站摘要基于收录版本 v1(2026-10-28),原始摘要与 AI 导读固定保留。
IF(5) 18.9 · 2025 · 期刊参考指标
环状 RNA 通过与核糖核酸结合蛋白的相互作用调控基因表达,但其结合位点在不同蛋白和细胞环境中仍难以预测。现有方法通常侧重于转录本特征,而对蛋白特异性信息和结构背景的利用有限。在此,我们展示了一个整合深度学习框架,该框架结合环状转录本序列组成、理化性质、二级结构、预训练表示和蛋白特征,在 37 个基准数据集上提升了相互作用位点的预测性能,并可跨细胞系泛化;模型解读还原出保守的单链序列模式,而对与阿尔茨海默病、帕金森病和肌萎缩侧索硬化相关蛋白的分析,识别出涉及核质转运、溶酶体信号传导和鸟苷三磷酸酶活性的反复出现的通路,并筛选出可供实验跟进的化合物,从而支持对环状核糖核酸-蛋白相互作用的准确且可解释的映射,但并不意味着具有治疗功效。
来源:Nature Communications · doi.org