CASREL：无需结合先验、从单细胞剪接数据从头构建RNA结合蛋白回路

为何结合先验与批量测定在剪接调控回路中留下了空白

早期研究已确立，序列特异性RBP以高度依赖上下文、组合性的方式结合pre-mRNA并调控可变剪接，每种细胞类型表达独特的RBP repertoire，从而对相同的调控元件做出不同解读[8]。该领域的综述梳理了SRSF和hnRNP家族如何对exon inclusion产生相反效应，以及RBP–ncRNA crosstalk如何参与肿瘤进展、耐药和转移[2][6]。RBP结合位点的计算预测一直依赖于实验定义的motif，例如RBPmap仅在motif已知时才进行结合位点定位[3]。CLIP-seq和RBP扰动实验仍是物理与功能证据的参考标准，但它们通量低，通常在少数模型细胞系中进行，且为bulk分辨率，因而无法捕捉细胞异质性[1]。小鼠早期发育过程中可变剪接异质性的单细胞研究证实，AS事件在细胞间差异显著，进一步支持了单细胞分辨率的必要性[4]。

实际后果是，大多数现有计算方法仅限于有限细胞系中的少数预选RBP，而bulk RNA-seq会稀释RBP表达和AS事件的信号，掩盖细胞类型依赖的调控机制[1]。CASREL正是针对这一基线提出的：它不需要CLIP注释、预定义基序或RBP功能的先验知识，并且能够在复杂组织中单个细胞天然发生的剪接变异上运行[1]。

CASREL的实际作用：集成学习加SHAP归因

CASREL以单细胞RBP表达谱和AS谱为输入，运行三步流程：预处理、基于RBP表达对AS事件进行梯度提升决策树（GBDT）建模，以及基于SHAP的模型解释以推断RBP–AS调控关系[1]。作者在两个TNBC数据集和一个HCC肿瘤免疫细胞数据集上对逻辑回归、全连接神经网络和GBDT进行了基准测试；GBDT在三个数据集上均取得了最高的加权F1（Wilcoxon秩和检验，所有P < 0.05），加权F1中位数始终高于0.8，并在平衡准确率和宏F1上也表现领先[1]。由于单细胞剪接数据稀疏、易受丢失影响且类别不平衡，平衡准确率和宏F1预计会显著低于总体准确率，作者指出近期针对稀疏scRNA-seq分类的基准测试研究报告了类似的中等数值[1]。

可解释性比较是更具深远意义的结果。逻辑回归系数和FCN的SHAP值对同一RBP赋予了同一AS事件上既促进又抑制的效应——矛盾且非单调的归因——而GBDT则产生了长尾SHAP分布以及具有单调效应的互斥RBP [1]。对于CD44s（CD44中外显子3–14跳跃），GBDT恢复了ESRP1作为抑制因子和HNRNPL作为激活因子，两者均为先前已在乳腺癌和EMT中确立的CD44s调控因子；对于FAS外显子6跳跃，GBDT恢复了RBM5、TRA2B和HNRNPC等已知FAS调控因子，而LR和FCN则未能恢复 [1]。作者明确警告，SHAP值是模型归因分数，反映每个特征对预测输出的贡献，而非对生化调控强度的直接测量 [1]。

预测在ENCODE敲低和CLIP-seq中的表现如何

最强的外部测试使用了来自K562和HepG2中262个RBP敲低实验的ENCODE RNA-seq数据，每个实验均包含两条独立shRNA和两个生物学重复，从而每个细胞系中每个RBP产生四个敲低样本[1]。差异剪接通过Wilcoxon秩和检验和Benjamini–Hochberg校正进行判定（FDR < 0.05，|ΔPSI| > 0.1），若显著差异剪接出现在两个细胞系中的至少一个中，则将该RBP–AS对计为已验证，这是一个刻意宽松的标准，因为剪接幅度往往具有细胞类型依赖性，而潜在的调控关系可能是保守的[1]。基于置换的零分布（每个RBP 1000次迭代）用于确认验证率超过随机水平，富集倍数变化相对于零分布均值计算，并给出单侧经验P值[1]。正交CLIP-seq支持来自POSTAR3，涵盖267个RBP（221个人类，46个小鼠）的结合位点注释，其中支持率定义为CASREL预测的靶基因中包含该RBP至少一个已验证结合峰的比例[1]。

一项特异性分析选取了PCBP1、GRSF1和HNRNPK，比较了敲低目标RBP与100个随机选取的RBP作为阴性对照时的剪接变化[1]。在FUS敲除神经元实验中，在未受扰动的对照神经元上训练的模型预测了独立FUS敲除神经元中的差异剪接，验证率约为0.8，而从其他细胞背景推断FUS靶标时验证率为0.5–0.6，表明CASREL捕获了超越组织间共享保守成分的细胞类型特异性调控信息[1]。作者还使用各自出版物中的标准化数据集和流程，对SFpointer（基于CLIP-seq）、SAM-AM（基于序列保守性）和DeepRBP（群体规模机器学习）进行了基准测试[1]。

细胞类型特异性回路、保守调控因子与批次行为

在来自HCC和CRC的肿瘤浸润T细胞中，CASREL鉴定出PCBP1是CD4+和CD8+ T细胞中STAT3β形成的强促进因子，这与先前的证据一致，即PCBP1结合STAT3外显子23以增强多种细胞系中STAT3β的生成；GRSF1和TRA2A则作为抑制因子，这与来自HepG2/K562的RBP敲低数据一致[1]。细胞类型特异性模式也浮现出来：与PCBP1具有相同RNA结合偏好的PCBP2在CD8+ T细胞中选择性抑制STAT3β的形成[1]。CD4+和CD8+ T细胞中STAT3β的调控因子在HCC和CRC之间高度一致，作者将此解释为支持RBP–AS调控的细胞类型依赖性，且批次偏差极小[1]。对于CLK1外显子4跳跃——该事件产生无活性的CLK1T1异构体——CASREL在CD4+和CD8+ T细胞中鉴定出保守的正调控因子，包括POLR2G、HNRNPA1和SNRPC，以及不同的细胞类型特异性RBP[1]。

这些例子说明了预期的使用场景：在恢复已知调控因子作为合理性检验的同时，揭示那些用批量实验难以获得的候选细胞类型特异性调控回路。HCC与CRC之间的跨组织一致性是一项计算稳健性观察，而非独立的实验重复，作者将输出结果定位为推定的细胞特异性调控回路[1]。

推断止步之处：候选而非因果验证

论文明确指出了核心边界：SHAP值是模型归因分数，而非生化调控强度的测量，排名靠前的关联构成候选的细胞类型特异性剪接调控回路[1]。针对ENCODE敲低数据和POSTAR3 CLIP-seq的验证是正交且定量的，但这仍然是对已有数据集的计算比较，而非对CASREL新预测的前瞻性实验检验[1]。两种细胞系中任选其一的宽松验证标准，以及仅限于ENCODE中可定量的AS事件的覆盖范围限制，都拓宽了有效验证窗口[1]。更广泛的RBP功能文献进一步说明了这一问题为何重要：RBP–RNA相互作用具有组合性和上下文依赖性，RBP之间相互控制彼此的结合活性，因此一份排名关联列表本身无法确立方向性或机制[8]。关于肿瘤中RBP–ncRNA串扰的综述记录了广泛的调控层次——m6A修饰、可变多聚腺苷酸化、相分离——它们与剪接并行运作，而CASREL并未对其建模[2]。

比较类方法也存在固有局限。基于基序的工具（如RBPmap）需要实验定义的结合基序，因此无法从头运行[3]。能够确立因果关系的实验方法，如CRISPR扰动筛选，自身也存在未知的假阴性率和脱靶隐患，正如一项CAD变异筛选所记录的，八个优先sgRNA中有六个得到验证，但预期位点未能回收[7]。针对Lin28等RBP的小分子研究努力，既说明了治疗性靶向这些相互作用的困难，也体现了CASREL未使用的结构先验的价值[5]。CASREL预测的自然下一步，是在推断出这些相互作用的细胞类型中对排名最高的细胞类型特异性RBP–AS配对进行前瞻性扰动，而论文并未报告这一点[1]。

关于这些数据来源

本研究页面基于8项同行评审研究——发表于2014年至2026年间，其中5项发表于2024年或之后，合计被引用1，335次——这些研究是从通过质量筛选的13项研究中选出的最相关研究，而这些研究又从超过5亿篇文献的数据库中检索到的88篇论文中筛选而来。

本文引用的文献