编辑 | 萝卜皮
RNA 3D 布局猜测是一个长期存在的挑衅。
受最近蛋白质布局猜测领域突破的启发，南开大学、山东大学以及北京理工大学的研究团队开发了 trRosettaRNA，这是一种鉴于深度进修的自动化 RNA 3D 布局猜测要领。
trRosettaRNA 流程包括两个主要步骤：通过transformer网络进行 1D 和 2D 多少形状猜测；以及通过能量最小化进行的 3D 布局折叠。基准测试表示 trRosettaRNA 优于传统的自动化要领。
在 CASP15 和 RNA-Puzzles 试验的盲测中，对天然 RNA 的自动 trRosettaRNA 猜测与人类的顶级猜测具有竞争力。当通过均方根偏差的 Z 分数进行测量时，trRosettaRNA 的性能也优于 CASP15 中其他鉴于深度进修的要领。
该研究以「trRosettaRNA: automated prediction of RNA 3D structure with transformer network」为题，于 2023 年 11 月 9 日发布在《Nature Communications》。
学界对 RNA 3D 布局猜测的需求与日俱增
核糖核酸（RNA）是活细胞中最重要的功能分子类型之一。它参与许多基本的生物和细胞过程，例如，作为遗传信息的转录本，发挥催化、支架和布局功能。过去几十年来，随着每年新型 ncRNA 的发现，人们对非编码 RNA (ncRNA），例如转移 RNA (tRNA) 和核糖体 RNA (rRNA)，布局和功能的兴趣与日俱增。
与蛋白质类似，ncRNA 分子的生物学功能通常由其 3D 布局决定。然而，由于灵活的主链和弱的长程三级相互作用引起的内在布局异质性，通过试验解决RNA的布局比蛋白质更具挑衅性。例如，蛋白质数据库 (PDB) 中仅存放了约 6000 个 RNA 布局，远少于存放的蛋白质布局的数量（约 190,000 个）。因此，迫切需要开发有效的算法来猜测 RNA 3D 布局。
当前 RNA 3D 布局猜测仍有巨大挑衅
目前的 RNA 3D布局猜测要领可以分为两类：鉴于模板的要领和从头要领。鉴于模板的要领使用 PDB 中的同源模板来猜测方向布局。例如，ModeRNA 和 MMB 等代表性要领通过减少同源布局的采样空间来工作。一般来说，当PDB中存在同源模板时，鉴于模板的要领猜测的布局模型是正确的。然而，由于已知RNA布局的数量有限以及RNA序列比对的困难，鉴于模板的要领进展缓慢。
相反，从头要领通过从头开始模拟折叠过程来构建 3D 构象。通过分子动力学模拟或片段组装，FARNA5、FARFAR、FARFAR2、SimRNA、iFoldRNA、RNAComposer 和 3dRNA 等要领对于某些小 RNA（<100 个核苷酸）效果良好。然而，由于不正确的力场参数和巨大的采样空间，很难为具有复杂拓扑的大RNA生成精确的3D布局。为了部分解决这个问题，通过直接耦合分析（DCA）猜测的核苷酸间接触已被用来指导布局模拟。
此外，考虑到 RNA 布局折叠的层次性质，一些要领从二级布局衍生出 3D 布局，例如 Vfold 和 MC-Fold。它们非常快，但建模精度很大程度上取决于输入二级布局的质量。RNA-Puzzles 试验表示，正确猜测具有复杂布局的大 RNA 的布局仍然是一个巨大的挑衅。
深度进修用于 RNA 3D 布局猜测
深度进修最近被用来改进从头 RNA 3D 布局猜测。残差卷积网络（ResNet）猜测的核苷酸间接触比 DCA 正确约两倍，在一定程度上改善了 3D 布局猜测。结果表示，通过从鉴于多少深度进修的评分系统 (ARES) 中选择模型，FARFAR2 协议在 RNA-Puzzles 试验的盲测中猜测了四个方向的最正确模型。受 AlphaFold2 成功的启发，科学家开发了一些新的鉴于深度进修的要领，例如 DeepFoldRNA、RoseTTAFoldNA 和 RhoFold。
在最新的工作中，南开大学、山东大学以及北京理工大学的研究团队开发了 trRosettaRNA，一种鉴于深度进修的自动化 RNA 3D 布局猜测要领。它的部分灵感来自于深度进修在蛋白质布局猜测中的成功应用，特别是在 AlphaFold2 和 trRosetta 中。基准测试和盲测表示 trRosettaRNA 有希望增强 RNA 布局猜测。
trRosettaRNA 的布局如图 1 所示。从 RNA 的核苷酸序列开始，首先分别通过程序 rMSA 和 SPOT-RNA 生成多重序列比对 (MSA) 和二级布局。然后将它们转换为 MSA 表示和配对表示，然后将其输入 transformer 网络（名为 RNAformer）以猜测 1D 和 2D 多少形状。与 trRosetta 类似，这些多少形状被转换为约束，以指导鉴于能量最小化的 3D 布局折叠的最后步骤。除非另有说明，下面提到的 RMSD 是通过使用 RNA-Puzzles 社区提供的评估工具包考虑所有原子来计算的。
图1：trRosettaRNA 的总体架构。（来源：论文）
研究人员使用两个独立的数据集和两个盲测对 trRosettaRNA 进行了严格评估。基准测试表示，trRosettaRNA 猜测的模型比其他自动化要领更正确。trRosettaRNA 在两个试验中进行了盲评估：RNA-Puzzles（3 个方向）和 CASP15（12 个方向）。RNA-Puzzles 试验表示，trRosettaRNA 的自动猜测与人类对三分之二方向的猜测具有竞争力。CASP15 试验表示，trRosettaRNA 在鉴于 RMSD 的累积 Z 分数方面优于其他鉴于深度进修的要领。该要领在 8 种天然 RNA 上达到了与顶级人类群体相当的正确性，尽管没有任何人为干预。
局限性与未来
然而，研究人员注意到 CASP15 盲测中天然 RNA 的平均 RMSD（第一个模型为 14.8 Å）高于两个基准数据集 RNA 的平均 RMSD （30 个独立 RNA 为 8.5 Å，之前 20 个 RNA-Puzzles 靶标为 10.5 Å）。
建模正确性的差异可以通过方向难度和新颖性来解释。
（1）方向难度。大多数CASP15 RNA表现出高度的灵活性，可以采用多种构象（R1116和R1117除外）。此外，还有两个二聚体（R1107、R1108）和两个具有许多单链区域的蛋白质结合RNA（R1189、R1190）。这些特征对 SPOT-RNA 猜测可信二级布局提出了挑衅。为了说明这一点，与 20 个 RNA-Puzzles 方向相比，来自 CASP15 的 8 个天然 RNA 的 SPOT-RNA 猜测二级布局的平均 F1 分数要低得多（分别为 0.62 和 0.72）。
（2）方向新颖。非冗余基准数据集中的很大一部分 RNA（三分之二，30 个中的 20 个）与之前已知的 RNA 表现出高度相似性 (TM-scoreRNA > 0.6)，这使得它们很容易通过数据驱动要领（如 trRosettaRNA）进行猜测。相反，CASP15 的 RNA 没有表现出如此程度的相似性。
这反映了与 trRosettaRNA 和该研究中采用的基准测试相关的局限性。首先，trRosettaRNA 的性能容易受到猜测二级布局质量的影响。其次，尽管 trRosettaRNA 在内部基准测试中实现了令人鼓舞的正确性，但其在新型 RNA 上的性能仍然有限。此外，合成 RNA 的自动布局猜测仍然具有挑衅性。
CASP15 试验中的盲测表示，RNA 布局猜测的深度进修要领仍处于起步阶段。然而，随着持续发展，深度进修应该有望推进 RNA 布局猜测。将鉴于物理的建模融入深度进修是未来改进的方向之一。
最直接的替代方案之一是将其与其他传统要领相结合，并针对未来那些代表性不足的 RNA 布局优化算法。例如，为了克服对已知 RNA 折叠的偏见，可以利用神经网络（例如鉴于物理的神经网络）来进修力场或识别/组装局部图案，而不是直接猜测全局 3D 布局。
源代码：https://yanglab.qd.sdu.edu.cn/trRosettaRNA
论文链接：https://www.nature.com/articles/s41467-023-42528-4