La familia E3 TRIM juega un papel clave en el cáncer, pero identificar con qué proteínas interactúan es costoso y desafiante. Los métodos de predicción actuales tienen dificultades porque se basan en datos incompletos o pasan por alto cómo estas interacciones cambian en enfermedades como el cáncer. Para resolver este problema, estudiamos la subfamilia TRIM más grande (CIV), recopilando cientos de sus interacciones conocidas de experimentos anteriores. Observamos que las proteínas CIV se correlacionan consistentemente con los DEGs en los cánceres, a diferencia de otros miembros de TRIM. Usando este patrón, junto con características estructurales y datos específicos del cáncer, construimos una herramienta computacional llamada TRIMCIVtargeter para predecir nuevos objetivos CIV. Notablemente, nuestro enfoque evita suposiciones artificiales y tiene en cuenta el contexto de la enfermedad. Esta herramienta proporciona a los investigadores una forma más rápida y precisa de descubrir los mecanismos relacionados con TRIM en el cáncer, acelerando potencialmente el descubrimiento de nuevos objetivos terapéuticos. Al centrarse en tendencias biológicas del mundo real, TRIMCIVtargeter avanza nuestra comprensión de cómo estas proteínas contribuyen al cáncer y ofrece un marco para estudiar otras familias de proteínas en enfermedades.