跳转至

Validating Interpretability in siRNA Efficacy Prediction: A Perturbation-Based, Dataset-Aware Protocol

会议: ICLR 2026
arXiv: 2602.10152
代码: https://github.com/shadi97kh/BioPrior
领域: 医学/生物 可解释AI
关键词: siRNA, 显著性图, 忠实性验证, 扰动测试, 生物信息正则化

一句话总结

提出一个标准化的扰动式显著性忠实性验证协议用于 siRNA 效能预测，作为"合成前关卡"检验显著性图是否可信；同时提出 BioPrior 生物信息正则化提升解释忠实性，发现 19/20 折instances 通过验证，但跨数据集迁移暴露两种失败模式。

研究背景与动机

领域现状：siRNA 药物（如 patisiran、givosiran）已获 FDA 批准。深度学习模型用于预测 siRNA 敲低效能，研究者会检查显著性图来推断哪些核苷酸位置"重要"，指导序列编辑。

现有痛点：显著性方法（梯度、积分梯度等）在 siRNA 领域被广泛使用但很少被验证。归因方法不保证反映真正的特征重要性，尤其在协议/分布偏移下可能悄然失效。

核心矛盾：模型可能在某个数据集上预测准确且显著性看起来合理，但当迁移到不同实验方案（如不同检测方法）时，显著性可能完全不可靠——而这种失败在部署前无法察觉。

本文目标：(a) 提供标准化的显著性忠实性测试协议；(b) 发现和分类跨数据集迁移的失败模式；(c) 用生物学先验正则化提升显著性忠实性。

切入角度：定义"反事实忠实性"——突变高显著性位置是否比对照引起更大的预测变化？用这种可操作的测试作为部署前的"合成前关卡"。

核心 idea：expected-effect 扰动操作符（对每个位置平均 3 种替代碱基的预测变化）+ 核苷酸组成匹配的随机基线对照 + 配对 Wilcoxon 检验 → pass/fail 判定。

方法详解

整体框架

这篇论文要解决的不是"怎么把 siRNA 效能预测得更准"，而是"研究者拿来指导序列编辑的那张显著性图，到底可不可信"。它的主干沿用 OligoFormer 风格：siRNA 19-nt 序列与 mRNA 上下文经 Conv→BiLSTM→Transformer 混合编码器、双向交叉注意力融合，再拼上 RNA-FM 嵌入与热力学描述子，由 MLP 预测头输出效能 \(\hat{y}\)；训练时由 BioPrior 可微生物正则化按调度 \(\lambda(t)\) 软性引导。真正的创新不在这套网络，而在训练完成后那道"合成前关卡"：对每个核苷酸位置算梯度显著性、挑出 top-\(k\) 高显著位置、扰动它们度量模型敏感度、再和组成匹配的随机对照做配对统计检验，给出一个干脆的 pass/fail；当模型跨实验方案迁移时，再把观测到的失败归入两种可诊断的类型。

%%{init: {'flowchart': {'rankSpacing': 24, 'nodeSpacing': 28, 'padding': 6, 'wrappingWidth': 400, 'subGraphTitleMargin': {'top': 8, 'bottom': 16}}}}%%
flowchart TD
    IN["siRNA 19-nt + mRNA 上下文<br/>+ RNA-FM/热力学描述子"] --> ENC["Conv→BiLSTM→Transformer 编码器<br/>+ 双向交叉注意力 + MLP 预测头"]
    BIO["BioPrior 生物信息正则化<br/>5 条可微设计规则"] -->|"按 λ(t) 软性约束训练"| ENC
    ENC --> YHAT["效能预测 ŷ"]
    YHAT --> SAL["梯度显著性 sᵢ<br/>→ 选 top-k 高显著位置"]
    subgraph GATE["反事实忠实性验证协议（合成前关卡）"]
        direction TB
        SAL --> PERT["expected-effect 扰动 Δ(T)<br/>每位置平均 3 种替代碱基"]
        PERT --> CMP{"配对 Wilcoxon<br/>vs 组成匹配随机基线"}
    end
    CMP -->|"显著优于基线"| PASS["pass：显著性可信，<br/>可用于序列编辑"]
    CMP -->|"跨数据集迁移时失效"| TAXO["迁移失败模式分类<br/>faithful-but-wrong / inverted saliency"]

关键设计

1. 反事实忠实性验证协议：把"显著性是否可信"变成一道可统计检验的关卡

显著性图在 siRNA 领域被大量用来推断"哪些位置重要"，却几乎从不被验证——一张看起来合理的图，可能根本反映不了模型真实的敏感度。本文的做法是定义一个 expected-effect 扰动算子：对位置 \(i\)，把它换成另外 3 种碱基，取预测变化的平均幅度 \(\Delta_i = \frac{1}{3}\sum_{b \neq x_i} |\hat{y}(\mathbf{X}) - \hat{y}(\mathbf{X}^{i \leftarrow b})|\)，并在每次替换后重算所有派生通道（种子区指示、GC 含量、热力学描述子），保证扰动捕捉的是核苷酸改动的真实因果效应而非梯度的线性近似。相比标准 ISM 只做单次突变，平均三种替代能消掉特定碱基的偶然效应。随后挑出 top-\(k\) 显著位置算其平均敏感度 \(\Delta(T)\)，并与一组核苷酸组成匹配的随机位置基线 \(\Delta(R)\) 对照——匹配组成是为了剔除"某些碱基天生更敏感"这一混淆，保证比较的是显著性挑位置的能力而非碱基偏好。最后用配对单边 Wilcoxon 符号秩检验在留出集上判定显著性是否系统性优于基线，从而把模糊的"图看着对"压成一条明确的部署前合格线。

2. BioPrior 生物信息正则化：用已知设计规则把模型往真实机制上拉

即便预测精度达标，模型也可能靠错误的统计捷径学到敏感度，导致显著性不忠实。BioPrior 把成熟的 siRNA 设计经验编码成一组可微惩罚项——热力学末端不对称性、种子区组成约束、全局 GC 含量启发式、免疫刺激基序回避、双链稳定性代理——汇总为 \(\mathcal{L}_{bio} = \sum_{c} \bar{\alpha}_c \mathcal{L}_c\)。这些约束作用在模型输出的逐位置软核苷酸概率 \(\mathbf{P}^{si}\) 上，使生物先验的梯度能回传进序列表示，让模型偏好与已知机制一致的特征；学到的敏感度因此落在生物上可解释的区域（实验中高显著位置确实聚集在种子区与 3' 端），从而间接抬高显著性的忠实性。

3. 迁移失败模式分类学：给"在新数据集上崩掉"的方式起名字

跨实验方案迁移是显著性悄悄失效的高发区，本文把观测到的失败归成两类可诊断的类型。一类是 faithful-but-wrong：忠实性测试通过，但预测本身失败——模型内部自洽，却学了一条错误的规则，显著性"如实"地反映了这条错规则。另一类是 inverted saliency：高显著性位置的敏感度反而低于随机对照（效应量 \(d_z < 0\)，如 Taka→Hu 迁移时 \(d_z = -1.25\)），相当于显著性图放了烟幕弹，把注意力引向了模型其实并不敏感的位置。有了这套命名，跨数据集诊断就从笼统的"性能下降"细化为可定位的失败机制——这也直接支撑了本文"显著性应作为部署时声明、在目标数据集上现验现用"的主张。

损失函数 / 训练策略

总目标为 \(\mathcal{L}_{total} = \mathcal{L}_{pred} + \lambda(t)\,\mathcal{L}_{bio} + \lambda_{aux}\,\mathcal{L}_{aux}\)。其中生物正则化权重 \(\lambda(t)\) 采用 warmup+ramp 调度：前 8 个 epoch 让模型先专注学预测特征，之后再把权重从 0.10 线性升到 0.30，逐步引入生物先验，避免一开始就用强约束干扰预测能力的形成。

实验关键数据

主实验

数据集 模型 AUC Pearson r 忠实性 win rate Cohen's \(d_z\)
Huesken (2431 siRNAs) +BioPrior ~0.78 ~0.65 85.2% 0.86
Huesken Baseline ~0.77 ~0.64 82% 0.77
Katoh (702 siRNAs) +BioPrior ~0.76 ~0.58 80%+ 0.82
Mix (581 siRNAs) +BioPrior ~0.77 ~0.62 83%+ 0.79

19/20 折-数据集组合通过忠实性测试。

消融实验

配置 忠实性 \(d_z\) AUC 变化 说明
+BioPrior（完整） 0.86 +0.01 忠实性提升
Baseline（无BioPrior） 0.77 基线
随机权重 -0.45~0.03 N/A 负控制，确认失败
打乱标签 <0.03 N/A 负控制
底部-k（低显著性） 失败 N/A 反向控制

关键发现

  • 跨数据集迁移揭示关键问题：Katoh（荧光素酶报告基因）数据集与其他三个数据集（mRNA 水平测定）之间迁移失败——模型在一种实验方案上学到的显著性在另一种上可能完全无效
  • 两种失败模式：faithful-but-wrong（预测失败但显著性通过）和 inverted saliency（Taka→Hu 时 \(d_z = -1.25\)）
  • BioPrior 提升忠实性但预测改善有限：+0.01 AUC，但忠实性 \(d_z\) 从 0.77 提升到 0.86
  • 高显著性位置聚集在功能区域：种子区（5'端）和 3'端——与生物学先验一致

亮点与洞察

  • "合成前关卡"概念的实用价值：在实验室-AI 循环中，显著性验证应该是标准操作流程，类似于统计检验的显著性阈值
  • 迁移失败的预警价值：协议/实验方案偏移可能悄然无效化部署——即使域内性能看起来很好
  • 负控制设计严谨：随机权重、打乱标签、打乱显著性、底部-k 四种负控制都失败，确认测试有区分力

局限与展望

  • 仅验证了模型敏感度忠实性，不等于生物因果性（需要湿实验验证）
  • RNA-FM 嵌入在扰动时保持固定（出于计算考虑），可能引入误差
  • BioPrior 的规则是手动编码的，更多规则或数据驱动的先验可能更好
  • 4 个数据集规模有限

相关工作与启发

  • vs ISM（体外突变扫描）：ISM 是解释输出，本文协议是统计接受测试——目的不同
  • vs OligoFormer：共享架构基础，但本文增加了 BioPrior 和忠实性验证
  • 与 physics-informed ML 的联系：BioPrior 类似 PINN 中的物理约束，但生物系统的先验更不确定

评分

  • 新颖性: ⭐⭐⭐⭐ 组合了已知组件但在 siRNA 领域的应用新颖，失败模式分类学有价值
  • 实验充分度: ⭐⭐⭐⭐⭐ 4 数据集、5 折 CV、跨数据集迁移、多种负控制、消融，非常全面
  • 写作质量: ⭐⭐⭐⭐ 结构清晰，协议描述详细可复现
  • 价值: ⭐⭐⭐⭐ 对生物序列模型的可解释性验证有实际指导意义

相关论文