来源：ScienceAI
本文约2000字，建议阅读5分钟




    
提出本文介绍一种基于 RNA 语言模型的深度学习方法 RhoFold+。

RNA 分子在分子生物学中心法则中起关键作用，RNA 结构如何影响基因调控和功能一直是研究的热门话题。准确预测 RNA 三维 (3D) 结构仍是一个难题。RNA 的结构灵活性导致实验确定的数据稀缺，从而使计算预测工作变得复杂。

在此，香港中文大学、复旦大学、哈佛大学、智峪生科（Zelixir）等多机构团队合作，提出一种基于 RNA 语言模型的深度学习方法 RhoFold+，用于准确、快速地进行从头预测 RNA 三维结构。

通过集成在约 2370 万个 RNA 序列上预训练的 RNA 语言模型，并利用技术解决数据稀缺问题，RhoFold+ 为 RNA 3D 结构预测提供了完全自动化的端到端流程。

RhoFold+ 在单链 RNA 建模方面表现出很高的准确性，在 RNA 家族和类型之间具有出色的泛化能力，同时还能够捕捉螺旋间夹角（IHA）和二级结构等局部特征。

对 RNA-Puzzles 和 CASP15 天然 RNA 靶标的回顾性评估表明，RhoFold+ 优于包括人类专家组在内的现有方法。

相关研究以「Accurate RNA 3D structure prediction using a language model-based deep learning approach」为题，于 11 月 21 日发布在《Nature Methods》上。

确定 RNA 3D 结构对于理解其功能，以及为 RNA 靶向药物开发和合成生物学设计提供信息至关重要。

RNA 分子的构象灵活性使得实验确定其 3D 结构具有挑战性。截至 2023 年 12 月，在蛋白质数据库（PDB）中约 214,000 个结构中，仅 RNA 结构占不到 1.0%，而含 RNA 复合物仅占 2.1%。

计算方法已经成为利用 RNA 序列数据进行 RNA 3D 结构预测的补充方法。主要分为两类：基于模板的建模，例如 ModeRNA 和 RNAbuilder，受模板库有限的限制；以及从头预测方法，包括 FARFAR2、3dRNA 和 SimRNA，这些方法更具预测性，但由于需要大规模采样，计算量很大。

用于 RNA 3D 结构预测的自动化端到端平台

RhoFold+ 用于准确、快速地从头预测 RNA 3D 结构。RhoFold+ 是其前身 RhoFold 的完全自动化和可区分的改进，利用改进的多序列比对（MSA）集成和其他功能来提高性能。研究的主要重点是确定与其他分子相互作用有限的单链 RNA 的结构。

RhoFold+ 的开发是由 RNA 特异性知识和现有 RNA 3D 结构数据的局限性指导的。

为了构建训练数据集，研究人员使用 BGSU 代表性 RNA 结构集（版本 2022-04-13）从 PDB 中整理了所有可用的 RNA 3D 结构。研究专注于单链 RNA，并通过在 80% 序列相似性阈值下使用 Cd-hit 对序列进行聚类来减少冗余，从而从 5,583 条 RNA 链中产生 782 个独特的序列簇。

然后通过管道 RhoFold+ 处理这些 RNA 序列。首先，使用大型 RNA 语言模型 RNA-FM 对序列进行转换，以提取进化和结构上知情的嵌入。同时，通过搜索广泛的序列数据库生成 MSA。然后将嵌入和 MSA 特征输入到其 transformer 网络 Rhoformer 中，并迭代优化十个周期。

在此之后，结构模块采用了几何感知注意机制和不变点注意力 (IPA) 模块来优化 RNA 主链中关键原子的局部框架坐标和扭转角。在重建全原子坐标后，应用了结构约束，例如二级结构和碱基配对。

准确、快速地从头预测 RNA 三维结构

在开发 RhoFold+ 之后，研究人员通过广泛的测试严格地对其性能进行了基准测试和评估。包括 RNA-Puzzles 靶标和 CASP15 天然 RNA 靶标，以及所有可用的实验确定的 RNA 3D 结构。

RhoFold+ 在 CASP15 天然 RNA 靶标上显示出最佳结果，并在 RNA-Puzzles 结构中实现了低于 4 Å 的平均均方根位移。RhoFold+ 效率高，只需 0.14 秒即可生成准确的预测，无需耗时的采样或依赖专家知识。它可以很好地推广到不同的数据集，包括新确定的 RNA 3D 结构，并在交叉折叠、跨家族和跨类型验证实验中表现出色，突出了其稳健性和多功能性。

RhoFold+ 的成功并非源于模仿训练数据；对序列相似性和 MSA profiles 的严格测试证实了它学习底层结构原理的能力。此外，RhoFold+ 超越了训练数据中最好的单个模板，进一步凸显了它的能力。RhoFold+ 还可以预测 RNA 二级结构和螺旋间角（IHA），使其成为辅助实验设计的潜在有用工具。

未来方向

这些发现对更广泛的 RNA 研究领域具有重要意义，特别是在加速对 RNA 结构的识别和功能理解方面。RhoFold+  作为一种快速准确的 RNA 3D 结构预测方法，可能会增强基于 RNA 的药物设计、合成生物学应用以及科学家对 RNA 在细胞过程中的作用的理解。此外，为 RhoFold+ 开发的 RNA 语言模型可以独立应用，从而协助其他下游 RNA 应用 。

RhoFold+ 与深度学习方法有几个共同的局限性。它依赖于 MSA，而 MSA 通常不适用于人工设计或 orphan RNA，从而限制了它的准确性。此外，由于相关数据稀缺，RhoFold+ 难以预测大型复杂的 RNA 结构，尤其是具有多个螺旋或假结的 RNA 结构。由于许多 RNA 采用多种构象，该模型在准确捕捉 RNA 分子的动态特性方面也面临挑战。

此外，RhoFold+ 难以模拟涉及配体或蛋白质的复合物中的 RNA 相互作用，而这对于理解 RNA 在生物系统中的功能作用至关重要。

下一步，将整合探测数据、分子动力学和能量函数方法等，以提高 RhoFold+ 的准确性。此外，增强 MSA 提取过程并探索预测 RNA-蛋白质和 RNA-配体相互作用的方法将进一步增强其能力。