科技日报北京6月30日电 （记者张佳欣）美国弗吉尼亚理工大学科学家团队开发出一种名为“RNAbpFlow”的AI模型，在RNA结构预测任务中的表现可媲美谷歌旗下“深度思维”公司开发的“阿尔法折叠3”，且无需依赖海量进化序列数据库，有望加速RNA靶向药物研发。相关研究发表于新一期《自然·方法》杂志。
RNA是mRNA疫苗等生物技术的核心分子，但其三维结构复杂且不断变化，比蛋白质更难预测。长期以来，由于RNA相关结构数据稀缺，科学家难以准确描绘其空间构象，这也成为RNA药物研发的一大瓶颈。
研究团队介绍，在一项国际通用基准的盲测中，RNAbpFlow成功预测了14个RNA目标中的12个正确结构，而“阿尔法折叠3”只预测了8个。更重要的是，RNAbpFlow无需依赖大多数主流工具所需的大规模进化序列数据库，仅利用RNA序列及碱基配对信息即可完成预测。
与“阿尔法折叠”等主要依靠进化信息推断结构的方法不同，RNAbpFlow采用近年来生成式AI领域广泛应用的流匹配技术，通过端到端方式直接生成RNA的全原子三维结构。模型从完全随机的噪声出发，在碱基配对信息引导下逐步折叠形成正确构象，并可一次生成多个不同结构，从而更好地反映RNA分子的动态变化。
该方法最大的优势在于对数据依赖较低。当前多数AI预测模型需要大量不同物种的相关RNA序列作为训练依据，而这类数据往往十分有限。RNAbpFlow无需这些数据库，因此特别适用于缺乏已知近缘序列的RNA分子。团队已利用该方法预测了新冠病毒基因组中的一个保守RNA结构元件以及实验室构建核酶等分子的结构。
不过，对于尺寸更大、结构更加复杂的RNA，依赖丰富进化信息的现有预测平台仍具有一定优势。RNAbpFlow则在数据稀缺的复杂场景中表现更为突出。
研究团队目前正开发升级版本，并计划参加今年夏季举行的CASP国际结构预测竞赛。
12月20日，由中国工程院院刊Engineering评选的 “2023全球十大工程成就”在京发布，期刊执行主编、中国工程院陈建峰院士发 为纪念中国航空仪表技术与惯性技术的奠基人、北京航空航天大学建校元老林士谔先生110周年诞辰暨北航仪器科学与光电工 12月19日，“复旦大学·绍兴周”系列活动在复旦大学开启，这也是“复旦大学·城市周”的首期活动。 本次 想象一下，在野外调查时，从森林或公园沿着小径行走时，需要走多远才能遇到一个新物种？从生态采样的角度来看，新种就是同一 当地时间1月1日早上，印度空间研究组织在安得拉邦发射PSLV-C58运载火箭，搭载了印度首颗用于研究黑洞的科学卫星XPoSat 关于发布“2023年度华夏建设科学技术奖”授奖项目的公示 华夏奖字〔2023〕第4号 各有关单位： 2023年度华夏建设科学技术 。本文链接：AI模型以更少数据精准预测RNA三维结构http://www.sushuapos.com/show-11-35954-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 太阳能反应器在户外将废塑料转化为燃料
下一篇： 机器学习筛选出两种新型超导材料