在罕见剪接事件上微调基因组模型可识别 TDP-43 病理的新型生物标志物

TDP-43功能丧失会使数百个转录本异常掺入隐匿外显子，这是ALS与FTD中TDP-43蛋白病的核心分子事件之一；这些隐匿外显子既可促使转录本降解，其编码的de novo多肽也已在患者脑脊液中被检出 ^[4]。在标志物端，血浆细胞外囊泡中的TDP-43等蛋白水平已能较好地区分TDP-43病理与tau病理 ^[3]。与此同时，从DNA序列预测剪接的深度学习不断进步：Pangolin等专用模型已能预测剪接位点强度及遗传变异对剪接的影响 ^[1]；AlphaGenome等基因组基础模型更以1 Mb序列为输入，同时预测包括剪接位点使用在内的数千条功能轨迹 ^[2]。然而，TDP-43隐匿外显子在标准注释中代表性很差，预训练的基础模型经过微调能否预测这类罕见疾病相关事件，此前并不清楚。

作者以TDP-43隐匿外显子为测试对象，比较了AlphaGenome与专用剪接预测模型OpenSpliceAI。微调后的OpenSpliceAI能检出人和小鼠中被留出的隐匿外显子，并捕捉疾病相关UNC13A位点的等位基因特异性剪接效应；而仅在AlphaGenome冻结的预训练主干上训练剪接预测头，则无法预测隐匿外显子，只有解冻并微调全部权重，模型才得以泛化到留出数据。作者随即将微调后的OpenSpliceAI应用于全基因组，研究难以实验操作的细胞类型中的特异性基因，发现了CLDN11和ARHGAP23中的新隐匿剪接事件，并在FTLD-TDP脑组织中得到验证。其中，CLDN11隐匿外显子被预测可产生一个新表位，可能成为TDP-43病理的少突胶质细胞特异性生物标志物。

这项工作在方法学和生物学上各有推进。方法学上，它表明即便经过大规模预训练，最先进的基础模型 ^[2] 的冻结表征也难以外推到注释稀少的罕见剪接事件，需要专用模型或全参数微调才能学会泛化，这与专用模型此前在常见及罕见变异剪接效应预测上的表现 ^[1] 相呼应，并把问题推进到疾病相关罕见事件这一更难的层面。生物学上，隐匿外显子编码de novo多肽并进入脑脊液已被证实 ^[4]，本文进一步把这一逻辑延伸到细胞类型维度：若CLDN11新表位得到证实，将与现有蛋白水平标志物 ^[3] 互补，为TDP-43病理提供细胞类型特异的读出。

当然，CLDN11新表位目前仍是计算预测，能否作为可检测的生物标志物还需在患者样本中直接验证；冻结主干为何失败、这一结论能否推广到其他罕见事件和其他基础模型，也仍是开放问题。