在数千个人工合成基因变体上评估剪接预测器的性能

RNA剪接的计算预测工具正日益被用于解释遗传变异和设计合成基因，然而，它们几乎总是基于与其训练数据密切相关的人类内源性序列进行基准评测。它们的性能究竟反映了对剪接信号的真实识别，还是仅仅利用了天然基因组的统计特征（如保守性以及外显子—内含子组成），目前仍不清楚。 在本研究中，我们对11种剪接预测工具进行了基准评测，所用对象为数千种高度重编码、且与任何训练数据均不相似的合成GFP变体，并利用长读长测序直接测量每个位点的剪接情况。尽管存在这种分布偏移，现代深度学习预测工具仍保持了较强的性能，并且所得排名在位点水平和构建体水平的基准评测中总体上保持稳定。SpliceTransformer排名最高，其次是AlphaGenome和SpliceAI。忽略长程序列上下文的工具表现明显更差，主要原因在于它们对许多未发生剪接的位点赋予了较高评分。这一排名与基于内源性变异的基准评测结果大体一致，表明领先模型捕捉到了具有可迁移性的、由序列内在决定的剪接决定因素。 我们进一步提供了一种统一校准方法，可将每种预测工具的评分映射到实测的剪接读段比例上，从而使这些评分能够被解释为剪接结果，并可在不同工具之间进行直接比较。我们的结果表明，当前的深度学习模型能够泛化到天然基因组之外，并为具备剪接感知能力的序列设计提供了一个实用框架。

RNA剪接的计算预测器日益被用于解释遗传变异和设计合成基因，然而它们几乎总是基于与其训练数据密切相关的人类内源性序列进行基准测试。它们的性能究竟反映了对剪接信号的真正识别，还是仅仅利用了天然基因组的统计特征（如保守性以及外显子—内含子组成），仍不清楚。

在此，我们对十一种剪接预测器进行了基准测试，所用数据为数千种经过大幅重编码、且与任何训练数据均不相似的合成GFP变体，并使用长读长测序在每个位点直接测量剪接情况。尽管存在这种分布偏移，现代深度学习预测器仍保持了较强的性能，而且所得排序在位点层面和构建体层面的基准测试中总体上保持稳定。SpliceTransformer排名最高，其后依次为AlphaGenome和SpliceAI。忽略长程序列上下文的工具表现显著更差，主要原因在于它们对许多未发生剪接的位点赋予了较高分数。这一排序与基于内源性变异的基准测试结果大体一致，表明领先模型捕捉到了具有可迁移性的、序列内在的剪接决定因素。

我们进一步提供了一种统一的校准方法，将每个预测器的分数映射到实测的剪接读段比例上，从而使这些分数能够被解释为剪接结果，并可在不同工具之间进行直接比较。我们的结果表明，当前的深度学习模型能够泛化至天然基因组之外，并为面向剪接的序列设计提供了一个实用框架。

📄 原文链接：https://www.biorxiv.org/content/10.64898/2026.08.24.746734v1?rss=1

🏷️ RNA剪接 剪接预测 深度学习 合成基因变体 长读长测序 模型基准评测