可变剪接（Alternative Splicing，AS）发生在超过95%的人类多外显子基因中，是扩展转录组和蛋白质组多样性的关键机制，其异常调控与癌症、心血管疾病及神经退行性疾病密切相关。RNA结合蛋白（RNA-binding protein，RBP）通过识别并结合pre-mRNA上的特定序列基序，直接调控外显子的包含或排除，构成精细而复杂的剪接调控网络。
既往研究已证实RBP是剪接调控的核心因子，然而定量检测其活性仍颇具挑战。一方面，仅凭转录组表达量，往往无法准确反映其蛋白表达水平；另一方面，其实际调控作用还受到结合位点可及性、蛋白质协同与竞争、翻译后修饰以及蛋白质结构域突变等多重因素的影响。
2026年9月11日，复旦大学生命科学学院冯会娟团队在Nature Communications上发表了题为“RAISE quantifies RNA binding protein activity via transcriptomic profiling”的研究论文。该研究提出了“RBP活性”概念，并开发了计算框架RAISE（RBP Activity Inference from Splicing Events）。RAISE整合CLIP-seq、序列基序及RBP敲低转录组数据，构建经验RBP-外显子调控网络，并基于岭回归模型实现对RBP活性的定量推断，为系统性解析剪接调控机制提供了新工具。
图1 RAISE计算框架
研究团队首先基于ENCODE数据构建了包含93个RBP及其靶外显子的调控图谱。网络拓扑分析表明，该剪接调控网络呈现高度稀疏性与异质性，核心剪接体蛋白作为枢纽节点占据网络中心位置。此外，SR蛋白家族和hnRNP家族展现出不同的剪接方向调控模式，且均表现出显著的位置依赖性模式。剪接图谱的局部特征得到了文献证据的支持，进一步说明RAISE能够整合多模态数据进行靶标推断。有趣的是，即便剪接变化微弱的外显子，也能依据结合证据被推断为靶标，研究团队对其中三个进行了RT-PCR验证。
图2 RAISE推断的RBP靶标概览
研究团队进一步验证了RAISE的RBP活性推断性能。研究团队在25个不同RBP敲低数据集及15个不同细胞系中RBP敲低或过表达数据集上进行了评估，结果显示，RAISE能够准确识别RBP活性变化，并优于KATMAP、MRAS和SFPointer等相关方法。
进一步研究发现，RAISE能够捕获不依赖RBP表达量变化的功能性活性改变。在RBFOX2活性抑制、SR蛋白磷酸化状态改变以及PTBP1结构域突变等多种情境下，即使RBP表达水平基本不变，RAISE仍能准确识别其活性变化。RBP表达与功能活性并非完全等价，进一步凸显了开发RBP活性推断方法的意义。
图3 RAISE能够不依赖于RBP表达进行活性推断
研究团队进一步将RAISE应用于TCGA泛癌数据，系统分析了24种癌症中的RBP活性变化，发现PTBP1、NCBP2、QKI和RBFOX2在多种癌症中表现出显著活性改变，其中，PTBP1在多种癌症中表现出显著激活。这说明RAISE能够应用于真实世界的转录组分析，并且识别出疾病中的异常剪接因子。
此外，研究团队建立了RAISEDB数据库，并提供开源代码及Windows、macOS图形化软件，为研究人员开展RBP活性分析提供了数据和工具支持。
图4 数据库RAISEDB及RAISE图形化软件
综上所述，本研究提出“RBP活性”概念并开发计算框架RAISE：通过整合多模态数据推断RBP靶标，构建经验RBP-外显子调控网络，实现对RBP活性的定量推断。RAISE能够在不同RBP、细胞系及扰动类型下准确捕获RBP活性变化，还能不依赖于RBP表达量的情况下推断其活性改变。将RAISE应用于大规模转录组数据，可在24种癌症的泛癌分析中系统识别出活性异常的RBP。这些结果将RBP研究从表达量视角进一步拓展至功能活性层面，也为复杂疾病的机制解析与靶标发现提供了新的工具与思路。
复旦大学生命科学学院硕士刘怡蕾为本文第一作者。复旦大学生命科学学院冯会娟准聘副教授、上海交通大学医学院附属新华医院冯智星研究员与复旦大学药学院卢建忠教授为本文的共同通讯作者。
RAISE GitHub链接：https://github.com/liuyilei8969/RAISE
RAISEDB链接：https://liuyilei8969.github.io/RAISEDB/
论文原文：Liu, Y., Lo, Y., Zheng, Y. et al. RAISE quantifies RNA binding protein activity via transcriptomic profiling. Nat Commun (2026). https://doi.org/10.1038/s41467-026-77620-y