RNA修飾對RNA的剪接加工、出核轉運、以及RNA的穩定性和翻譯效率有著重要的調控作用。盡管目前研究已發現超過170種RNA修飾，但現有研究多依賴免疫沉澱或化學轉換等檢測方法，通常局限於單一修飾類型（如m6A、Ψ、m5C等），難以實現多種RNA修飾的同時檢測。如何在同一轉錄本上係統解析不同修飾的分布模式，探究修飾間的協同或競爭關係，並闡明它們如何共同調控RNA剪接加工等關鍵生物學過程，仍是該領域麵臨的重要挑戰。

近年來，新興的納米孔RNA直接測序技術能夠捕捉RNA分子通過測序通道時產生的電信號擾動，為係統檢測RNA修飾等核酸化學結構變化提供了重要技術基礎。然而，現有基於納米孔RNA直接測序的修飾識別算法多依賴於體外轉錄合成的修飾訓練集，僅能識別有限修飾類型；或基於不同樣本間電信號水平變化進行修飾差異比較，難以實現對RNA修飾圖譜及其互作模式的全景檢測，極大限製了RNA修飾研究的深入開展。

2026年1月14日，必威精装版app西汉姆联 趙方慶團隊在Nature Communications在線發表題為“Comprehensive mapping of RNA modification dynamics and crosstalk via deep learning and nanopore direct RNA-sequencing”的研究論文，提出了基於納米孔RNA直接測序技術與深度學習策略的RNA修飾圖譜解析算法ORCA。該算法通過對RNA修飾位點的整體識別及基於RNA修飾位點數據庫的遷移學習注釋，實現了多種RNA修飾類型的係統鑒定；同時利用納米孔測序的單分子關聯信息，精準解析RNA中臨近修飾位點之間的複雜互作關係，提示了RNA修飾與剪接加工過程之間的潛在協同調控模式。

ORCA通過創新的信號多態性特征提取與域對抗學習策略，克服了RNA修飾檢測對特定修飾類型訓練集的依賴問題。該方法利用RNA修飾在轉錄本上的“不完全性”，提取修飾與未修飾RNA分子在同個堿基上產生的信號多態性特征，並結合域對抗學習策略，使得模型能夠選擇性學習不同修飾類型間的共性特征。基於該策略，ORCA僅需使用6種體外轉錄合成的RNA修飾數據集進行訓練，即可在mRNA及核糖體RNA中對超過15種修飾類型的係統識別及化學計量比預測，大幅拓展了現有DRS數據中可解析的RNA修飾類型範圍。

在此基礎上，研究團隊進一步建立了基於遷移學習的RNA修飾類型注釋方法。該方法綜合利用同類修飾位點間的電信號擾動相似性及序列基序偏好性，結合現有研究積累的大量RNA修飾數據資源，對識別到的修飾位點進行係統注釋及標簽遷移訓練，從而實現多種已知RNA修飾類型的可靠注釋。同時，通過對背景修飾位點的隨機采樣作為負樣本訓練，有效避免了對未知新型修飾類型的錯誤分類。在保證結果可靠性的同時，顯著擴充了目前已知RNA修飾位點的數量。

研究團隊進一步利用SGNex項目中多個人類細胞係的RNA直接測序數據，構建了跨細胞類型的RNA修飾全景圖譜，發現RNA修飾位點在轉錄本上呈現係統的成簇分布。並利用納米孔測序獨特的單分子支持信息，進一步建立了修飾簇互作識別模型，在單分子水平上對鄰近修飾位點間的協同或互斥發生進行係統鑒定，發現轉錄本異構體特異的修飾位點附近存在剪接調控因子及修飾相關RNA結合蛋白結合位點的顯著富集，提示RNA修飾與剪接加工過程之間存在係統性的功能關聯，為深入研究轉錄組的表觀修飾多樣性及其複雜的調控機製提供了重要的研究思路。

ORCA方法通過納米孔RNA直接測序技術與人工智能算法的深度融合，實現了RNA修飾檢測種類與數量的顯著提升。該研究進一步揭示了RNA修飾位點的係統性鄰近分布及其協同調控模式，為解碼RNA修飾的動態互作及其在不同生物學背景下的調控機製提供了具有高度通用的計算生物學工具。

必威精装版app西汉姆联 張金陽副研究員、趙方慶研究員、李幸研究員為該研究的通訊作者。必威精装版app西汉姆联 -雲南大學聯合培養博士生董涵為該研究的第一作者。該研究得到了國家重點研發計劃項目、國家傑出青年科學基金、國家優秀青年科學基金和浙江省“尖兵”項目等資助。

文章鏈接：https://www.nature.com/articles/s41467-026-68419-y

圖1 基於深度學習的RNA修飾係統識別與注釋模型