宝马-www.11222.com|官方网站-BWM百科

可变剪接（AS）是增强蛋白质组复杂性的重要调控机制，但其在蛋白质相互作用网络（PPI）层面的重布线效应仍缺乏系统性解析，严重制约了对基因功能多样性及疾病机制的深入理解。因此，开展基于蛋白质异构体（isoform）层面的互作预测研究，成为揭示AS功能影响的重要切入点。

2026年 3月27日，我院畜禽生物育种全国重点实验室张子丁/史文聿课题组团队联合美国迈阿密大学Stefan Wuchty教授在Genome Biology发表了题为 “DeepISO: Deep learning-powered prediction of protein–protein interaction rewiring generated by alternative splicing” 的研究论文。在该研究中，作者开发了一种融合蛋白质序列与结构信息的深度学习框架DeepISO用于预测由可变剪接引起的蛋白互作重布线（图1）。与已有方法相比，DeepISO在蛋白异构体水平上的互作预测任务中表现出显著更优的性能，在测试数据上取得了较高的预测性能（AUROC为0.848，AUPRC为0.842）。该模型创新性地结合了AlphaFold2预测结构信息与蛋白质语言模型ESM2嵌入特征，通过图卷积神经网络和随机森林模型的集成，有效提升了对复杂结构变化（如结构域缺失、无序区变化等）导致的互作差异的识别能力。此外，作者通过多个案例分析证明DeepISO能够准确捕捉由可变剪接引起的蛋白互作变化机制，并在乳腺癌数据中系统揭示了AS驱动的蛋白互作网络重布线现象，为理解疾病相关分子机制提供了新的研究线索。

论文共同第一作者为郭晓锟（2020级硕博连读生）和江临洋（2022级直博生）。该研究得到了国家自然科学基金（项目编号：31970645、32270703）以及中国高校科研基金（项目编号：2025TC001）的资助。

图 1 DeepISO预测模型架构图

原文链接：https://link.springer.com/article/10.1186/s13059-026-04057-3