三到二十七个字母：一百太字节里捞出的微缩密码，对着 85% 没有答案的家庭

一段基因变异报告上写着"未发现明确致病变异"，对拿到它的家庭来说，这句话等于没有答案。自闭症谱系障碍的遗传学里，这样的报告占了大多数：目前已知与自闭症相关的基因组变异多达数百个，但把它们加起来，也只能为大约 15% 的患者给出明确的遗传诊断。剩下的 85%，报告翻来翻去只有一句话。

10 月 16 日，《自然》杂志发表了一项多机构合作的研究，合作方包括多伦多大学与斯隆凯特琳研究所，伦敦国王学院和弗朗西斯克里克研究所也在列。论文标题是《A microexon regulatory code reveals autism-linked genetic variation》。研究者把镜头对准了一类极短的基因片段：微外显子。它们的长度只有 3 到 27 个 DNA 字母，小到常年被当成基因组暗物质。这项工作给这堆暗物料理出了一份清单，还写下了一套解读它的密码。

🔬 小片段，大保守：微外显子是什么

要理解这项研究，得先知道基因表达里的一道工序：剪接。一段前体信使 RNA 生产出来后，要把不同的片段拼起来，才能生成制造蛋白质的模板。微外显子就是拼接时可选的一类特别短小的片段。它们有三个特征：短，只有 3 到 27 个碱基；保守，在脊椎动物演化历程中被高度保留；偏科，富集在神经系统里发挥关键作用的基因中。

此前的线索已经指向它们。自闭症患者的大脑里，微外显子的剪接常常失调；缺乏微外显子剪接能力的小鼠，会表现出多种类似自闭症的行为。关联不是新闻，新闻的是：微外显子的完整清单从未被系统摸清，遗传变异对它的影响也缺乏全基因组层面的考察。这项研究把这条线索从"已知相关"推进到了"系统性量化"。

🧮 一百太字节里打捞清单

研究的第一步是绘图。研究者开发了一个叫 MicroExonator 的计算工具，分析了超过 100TB 的公开 RNA 测序数据。100TB 是什么概念？大约相当于 2500 万张智能手机照片。打捞的结果是：1514 个此前未被记录的人类微外显子，加上 1115 个小鼠微外显子，其中近 300 个表现出大脑特异性剪接的模式。更关键的是，许多新发现的微外显子集中在与大脑关键过程相关的基因里，这支持了这些小片段对神经健康的重要性。

第二步是破译调控密码。研究者构建了一个机器学习模型，学习决定微外显子是否被剪接进信使 RNA 的序列特征。让团队意外的是，模型识别出的重要序列，与脊椎动物演化中高度保守的区间高度吻合。通常来说，物种之间高度一致的 DNA 序列承担着不可替代的功能，这等于从计算的角度反过来印证了这些序列确实要紧。

🧩 **变异的落点：那 85% 的家庭]

清单和密码齐了，第三个问题才有条件回答：自闭症个体中发现的 DNA 变异，是否更倾向于影响这些微外显子？研究者把模型应用到数千名自闭症患者及其神经典型同胞的全基因组测序数据上，分析自闭症相关变异对微外显子调控密码的预测影响。

结果是三层递进的。罕见遗传变异对神经元微外显子剪接的预测影响通常最大。模型进一步锁定了一个与自闭症相关的罕见变异子集。最关键的一层：这些被预测会影响微外显子剪接的变异，绝大多数出现在那 85% 此前找不到遗传解释的患者身上。它们集中落在突触相关基因和已知的自闭症关联基因上，也涉及一些此前从未与自闭症建立联系的基因。

对那 85% 的家庭来说，这份工作的意义是一份可用的资源。研究团队也明确划了边界：预测影响不等于确证因果，这些变异究竟如何改变蛋白质之间的相互作用，仍需后续实验验证。同一个机器学习模型还可以拿去刻画其他神经疾病里的新发现变异，比如精神分裂症和癫痫，微外显子在这两类疾病里也被认为扮演角色。

这张诊断现状的分布图，是理解这项工作分量的最好方式：

🎯 值得关注的三件事

其一，这是"暗物质"区域第一次被系统性量化。以往的基因筛查盯着编码区和已知调控元件，微外显子这类短片段因为太小被跳过；这次不仅补了清单，还配套了判断变异影响的模型，方法本身可以迁移。

其二，变异的落点比变异本身更有信息量。影响集中在调控层而非编码区，落在没有既往解释的 85% 群体里，指向突触基因，这三件事互相印证：自闭症的遗传缺口可能有一大块藏在剪接调控里，编码区那种一坏就病的图景要让出一块地盘。

其三，要给 AI 一个准确的定位。这项工作里人工智能的角色有两个具体形态：MicroExonator 负责从百太字节数据里打捞清单，机器学习模型负责学习调控密码。它只是工具，够不上发现病因的主角；把标题读成"AI 攻克自闭症"，会把功劳记错地方。共同一作 Guillermo Parada 在采访中也把惊喜点归给了模型与演化保守区的吻合，这是模型给出了人没想到的对照，结论仍然由人下。

信源与限定：论文《A microexon regulatory code reveals autism-linked genetic variation》发表于《自然》2026-10-16，DOI 10.1038/s41586-026-11119-w；本文数字来自 GEN News、生物谷与 BioBook Media 的报道转述，未核到论文原文；1514 与 1115 两个数字来自 TLDR Daily News 对论文的转述，其余报道只给出"1500 多个"；"近 300 个大脑特异"为报道措辞；机构与合作者信息中，Hannes Bretschneider（Katalyze AI）为共同一作的说法来自 TipRanks 转述的 LinkedIn 帖子，未经论文署名页核对；"预测影响需实验验证"为研究者自述。