Nat Commun |?孫磊/楊禹丞等合作開發跨物種RBP-RNA互作預測算法MuSIC

RNA結合蛋白（RBP）通過識別 RNA 分子，在轉錄、剪接和翻譯等關鍵生命過程中發揮重要調控作用，其功能異常與癌癥和神經退行性疾病等多種重大疾病密切相關。在人類疾病研究中，常需借助小鼠或斑馬魚等模式生物開展機制解析和藥物驗證。然而，盡管高通量實驗已在部分物種中解析了 RBP–RNA 相互作用，這些數據仍主要集中在人類，其他模式生物中的互 作信息 相對匱乏，現有數據和預測方法難以支持在這些體系中的精準研究 。例如， POSTAR3 數據庫中 共有 351 個 RBP–RNA 互作數據 ，其中 223 個 RBP 數據 來源于人類 細胞的 檢測 。因此，亟需開發能夠實現跨物種預測的 RBP–RNA 相互作用模型，為科研人員在互作數據稀缺的模式生物中提供可靠的 RBP 結合位點預測工具，從而更系統地揭示 RNA 調控機制，并為疾病研究提供更加堅實的理論基礎。

2026 年 4 月 27 日， 山東大學孫磊團隊 / 復旦大學楊禹丞團隊 / 北京大學汪陽明團隊 在 Nature Communications 上發表了研究論文 Augmented prediction of multi-species protein–RNA interactions using evolutionary conservation of RNA-binding proteins 。 研究團隊開發了一個用于跨物種RBP–RNA相互作用預測的深度學習框架MuSIC（Multi-Species RBP–RNAInteractions usingConservation ）。研究結果表明，MuSIC能夠在跨物種預測任務中顯著優于現有主流計算方法。研究團隊 基于 MuSIC 系統性分析了 11 個物種中 184 種 RBP 的 結合偏好特征 。 進一步使用算法 評估 同源遺傳變異 對人類和小鼠同源 R BP 結合能力的影響 并加以實驗驗證 ，為解析 RBP 介 導的 RNA 調控機制及其在疾病中的作用提供了重要線索。

研究團隊首先系統揭示了 RBP 在進化中的關鍵特征：其核心 RNA 結合結構域在不同物種間高度保守，這種保守性不僅體現在序列和結構層面，還體現在 RNA 結合模式上，包括結合區域分布和識別序列偏好 等 。這一發現表明， RBP–RNA 相互作用具有可跨物種遷移的內在規律。

基于這一規律，研究團隊整合多層級 RBP 保守性信息以及 預訓練 基礎模型提取的 RNA 和蛋白特征，構建了跨物種預測模型 MuSIC ，實現了對 RBP–RNA 相互作用的高精度建模。與現有方法相比， MuSIC 在不同物種中均表現出更強的泛化能力。 例如， 當 利用人 類 RBP 結合 數據訓練的模型 預測斑馬魚 RBP 結合 偏好 時 ， MuSIC 的 平均 AUC 達到 0. 83 ，顯著優于其他現有模型（ 0 . 6 0 -0.7 1 ） 。

研究 團隊 建立了 RBP“ 保守性 — 預測性能 ” 之間的定量關聯，發現 RBP 的序列與結構保守程度能夠有效指示跨物種預測的可靠性，并在動物類物種中表現尤為突出。在此基礎上， MuSIC 對 11 個物種中 184 種 RBP 進行了系統預測，結合數據分析與實驗驗證表明，大多數 RBP 在進化過程中保持了穩定的結合模式，體現為保守的結合 motif 和一致的轉錄本區域偏好，從全局層面驗證了 RBP 調控規則的跨物種保守性。

先前研究表明，遺傳變異可通過改變 RBP 結合能力干擾 RNA 調控功能，進而導致疾病的發生。研究團隊將 MuSIC 應用于評估單核苷酸變異（ SNV ）對 RBP 結合的影響。通過 分析 高 通量 eCLIP 實驗 數據發現 SNV 顯著改變了 RBP 的結合親和力， MuSIC 模型的預測結果與實驗數據高度一致，驗證了其在 SNV 效應預測中的可靠性。進一步分析顯示，致病性突變相比良性突變更強烈地擾動 RBP 結合，揭示了 RBP 結合異常在遺傳變異致病中的重要作用。

在跨 物種分析 中 發現許多同源 SNV 在不同物種中對 RBP 結合具有一致的影響，驗證了遺傳變異調控效應的跨物種保守性，并通過實驗驗證支持了 MuSIC 在跨物種預測中的準確性。下游通路分析進一步發現，受 SNV 影響的 RBP 結合事件顯著富集 于泛素化調控 等關鍵生物過程，表明遺傳變異通過擾動 RNA 調控網絡，進而影響蛋白穩態，參與復雜疾病的發 生與發展。

跨物種分析同源 SNV 對 R BP -RNA 互作的影響

論文的共同第一作者為山東大學生命科學學院碩士研究生何嘉樂、博士后周通、北京大學未來技術學院博士后胡魯峰。通訊作者為山東大學生命科學學院孫磊教授和復旦大學 生物醫學工程與技術創新學院 楊禹丞副研究員 ， 北京大學 未來技術學院 汪陽明教授 對 本研究 有重要貢獻。 山東大學博士研究生焦玉華、本科生王峻昊、嚴晟文、賈思瑤、朱文 韜 ，博士后陳秋臻，香港城市大學助理教授張繼林，山東大學賈木天教授、李遠寧教授、王顯偉教授 參與了本研究 。

為方便大家使用， MuSIC 已經部署交互式網站 ： https://sunlab.qd.sdu.edu.cn/MuSIC

本文鏈接:https://doi.org/10.1038/s41467-026-72351-6

制版人： 十一

學術合作組織

（*排名不分先后）

戰略合作伙伴

（*排名不分先后）

轉載須知

【非原創文章】本文著作權歸文章作者所有，歡迎個人轉發分享，未經作者的允許禁止轉載，作者擁有所有法定權利，違者必究。

BioArt

Med

Plants

人才招聘

點擊主頁推薦活動

關注更多最新活動！