RNA 3D 結構預測是一個長期存在的挑戰。

受最近蛋白質結構預測領域突破的啟發，南開大學、山東大學以及北京理工大學的研究團隊開發了 trRosettaRNA，這是一種基于深度學習的自動化 RNA 3D 結構預測方法。

trRosettaRNA 流程包括兩個主要步驟：通過transformer網絡進行 1D 和 2D 幾何形狀預測；以及通過能量最小化進行的 3D 結構折疊。基準測試表明 trRosettaRNA 優于傳統的自動化方法。

在 CASP15 和 RNA-Puzzles 實驗的盲測中，對天然 RNA 的自動 trRosettaRNA 預測與人類的頂級預測具有競爭力。當通過均方根偏差的 Z 分數進行測量時，trRosettaRNA 的性能也優于 CASP15 中其他基于深度學習的方法。

該研究以「trRosettaRNA: automated prediction of RNA 3D structure with transformer network」為題，于 2023 年 11 月 9 日發布在《Nature Communications》。

學界對 RNA 3D 結構預測的需求與日俱增

核糖核酸（RNA）是活細胞中最重要的功能分子類型之一。它參與許多基本的生物和細胞過程，例如，作為遺傳信息的轉錄本，發揮催化、支架和結構功能。過去幾十年來，隨著每年新型 ncRNA 的發現，人們對非編碼 RNA (ncRNA），例如轉移 RNA (tRNA) 和核糖體 RNA (rRNA)，結構和功能的興趣與日俱增。

與蛋白質類似，ncRNA 分子的生物學功能通常由其 3D 結構決定。然而，由于靈活的主鏈和弱的長程三級相互作用引起的內在結構異質性，通過實驗解決RNA的結構比蛋白質更具挑戰性。例如，蛋白質數據庫 (PDB) 中僅存放了約 6000 個 RNA 結構，遠少于存放的蛋白質結構的數量（約 190,000 個）。因此，迫切需要開發有效的算法來預測 RNA 3D 結構。

當前 RNA 3D 結構預測仍有巨大挑戰

目前的 RNA 3D結構預測方法可以分為兩類：基于模板的方法和從頭方法。基于模板的方法使用 PDB 中的同源模板來預測目標結構。例如，ModeRNA 和 MMB 等代表性方法通過減少同源結構的采樣空間來工作。一般來說，當PDB中存在同源模板時，基于模板的方法預測的結構模型是準確的。然而，由于已知RNA結構的數量有限以及RNA序列比對的困難，基于模板的方法進展緩慢。

相反，從頭方法通過從頭開始模擬折疊過程來構建 3D 構象。通過分子動力學模擬或片段組裝，FARNA5、FARFAR、FARFAR2、SimRNA、iFoldRNA、RNAComposer 和 3dRNA 等方法對于某些小 RNA（<100 個核苷酸）效果良好。然而，由于不準確的力場參數和巨大的采樣空間，很難為具有復雜拓撲的大RNA生成精確的3D結構。為了部分解決這個問題，通過直接耦合分析（DCA）預測的核苷酸間接觸已被用來指導結構模擬。

此外，考慮到 RNA 結構折疊的層次性質，一些方法從二級結構衍生出 3D 結構，例如 Vfold 和 MC-Fold。它們非常快，但建模精度很大程度上取決于輸入二級結構的質量。RNA-Puzzles 實驗表明，準確預測具有復雜結構的大 RNA 的結構仍然是一個巨大的挑戰。

深度學習用于 RNA 3D 結構預測

深度學習最近被用來改進從頭 RNA 3D 結構預測。殘差卷積網絡（ResNet）預測的核苷酸間接觸比 DCA 準確約兩倍，在一定程度上改善了 3D 結構預測。結果表明，通過從基于幾何深度學習的評分系統 (ARES) 中選擇模型，FARFAR2 協議在 RNA-Puzzles 實驗的盲測中預測了四個目標的最準確模型。受 AlphaFold2 成功的啟發，科學家開發了一些新的基于深度學習的方法，例如 DeepFoldRNA、RoseTTAFoldNA 和 RhoFold。

在最新的工作中，南開大學、山東大學以及北京理工大學的研究團隊開發了 trRosettaRNA，一種基于深度學習的自動化 RNA 3D 結構預測方法。它的部分靈感來自于深度學習在蛋白質結構預測中的成功應用，特別是在 AlphaFold2 和 trRosetta 中。基準測試和盲測表明 trRosettaRNA 有希望增強 RNA 結構預測。

trRosettaRNA 的結構如圖 1 所示。從 RNA 的核苷酸序列開始，首先分別通過程序 rMSA 和 SPOT-RNA 生成多重序列比對 (MSA) 和二級結構。然后將它們轉換為 MSA 表示和配對表示，然后將其輸入 transformer 網絡（名為 RNAformer）以預測 1D 和 2D 幾何形狀。與 trRosetta 類似，這些幾何形狀被轉換為約束，以指導基于能量最小化的 3D 結構折疊的最后步驟。除非另有說明，下面提到的 RMSD 是通過使用 RNA-Puzzles 社區提供的評估工具包考慮所有原子來計算的。

圖1：trRosettaRNA 的總體架構。（來源：論文）

研究人員使用兩個獨立的數據集和兩個盲測對 trRosettaRNA 進行了嚴格評估。基準測試表明，trRosettaRNA 預測的模型比其他自動化方法更準確。trRosettaRNA 在兩個實驗中進行了盲評估：RNA-Puzzles（3 個目標）和 CASP15（12 個目標）。RNA-Puzzles 實驗表明，trRosettaRNA 的自動預測與人類對三分之二目標的預測具有競爭力。CASP15 實驗表明，trRosettaRNA 在基于 RMSD 的累積 Z 分數方面優于其他基于深度學習的方法。該方法在 8 種天然 RNA 上達到了與頂級人類群體相當的準確性，盡管沒有任何人為干預。

局限性與未來

然而，研究人員注意到 CASP15 盲測中天然 RNA 的平均 RMSD（第一個模型為 14.8??）高于兩個基準數據集 RNA 的平均 RMSD （30 個獨立 RNA 為 8.5??，之前 20 個 RNA-Puzzles 靶標為 10.5??）。

建模準確性的差異可以通過目標難度和新穎性來解釋。

（1）目標難度。大多數CASP15 RNA表現出高度的靈活性，可以采用多種構象（R1116和R1117除外）。此外，還有兩個二聚體（R1107、R1108）和兩個具有許多單鏈區域的蛋白質結合RNA（R1189、R1190）。這些特征對 SPOT-RNA 預測可信二級結構提出了挑戰。為了說明這一點，與 20 個 RNA-Puzzles 目標相比，來自 CASP15 的 8 個天然 RNA 的 SPOT-RNA 預測二級結構的平均 F1 分數要低得多（分別為 0.62 和 0.72）。

（2）目標新穎。非冗余基準數據集中的很大一部分 RNA（三分之二，30 個中的 20 個）與之前已知的 RNA 表現出高度相似性 (TM-scoreRNA?>?0.6)，這使得它們很容易通過數據驅動方法（如 trRosettaRNA）進行預測。相反，CASP15 的 RNA 沒有表現出如此程度的相似性。

這反映了與 trRosettaRNA 和該研究中采用的基準測試相關的局限性。首先，trRosettaRNA 的性能容易受到預測二級結構質量的影響。其次，盡管 trRosettaRNA 在內部基準測試中實現了令人鼓舞的準確性，但其在新型 RNA 上的性能仍然有限。此外，合成 RNA 的自動結構預測仍然具有挑戰性。

CASP15 實驗中的盲測表明，RNA 結構預測的深度學習方法仍處于起步階段。然而，隨著持續發展，深度學習應該有望推進 RNA 結構預測。將基于物理的建模融入深度學習是未來改進的方向之一。

最直接的替代方案之一是將其與其他傳統方法相結合，并針對未來那些代表性不足的 RNA 結構優化算法。例如，為了克服對已知 RNA 折疊的偏見，可以利用神經網絡（例如基于物理的神經網絡）來學習力場或識別/組裝局部圖案，而不是直接預測全局 3D 結構。

源代碼：https://yanglab.qd.sdu.edu.cn/trRosettaRNA

論文鏈接：https://www.nature.com/articles/s41467-023-42528-4