验证了
预测RNA(核糖核酸)结构可能有助于加速新药物的发现和开发，以治疗疾病和失调。斯坦福大学的一项新研究发表在科学使用人工智能(AI)机器学习以最先进的性能结果预测RNA结构。
斯坦福大学的科学家们写道:“我们所知道的RNA结构很少，用计算方法预测它们已被证明具有挑战性。”“我们引入了一种机器学习方法，可以在不假设其定义特征的情况下识别准确的结构模型，尽管只使用18种已知的RNA结构进行训练。”
在分子生物学中，RNA(核糖核酸)参与许多重要的细胞功能。RNA有几种类型，但大多数可分为三类——信使RNA (mRNA)、核糖体RNA (rRNA)或转移RNA (tRNA)。RNA分子折叠和扭曲成复杂的三维(3D)结构，这对它们的功能至关重要。
RNA分子的生物化学由一条由核糖和磷酸基交替组成的主链组成。核糖是一种单糖，是一种有机化合物的重要组成部分，为活细胞提供能量，称为ATP(三磷酸腺苷)。RNA中的每一个糖都有四种可能的碱基之一——鸟嘌呤(G)、胞嘧啶(C)、腺嘌呤(A)或尿嘧啶(U)。
转录的第一步基因表达，是一个基因的DNA(脱氧核糖核酸)序列被转录(复制)以产生RNA分子的生命所必需的过程。在DNA中有两条链，其主干由交替的脱氧核糖(一种单糖)和磷酸基组成。DNA中的每个糖都有四种碱基之一——腺嘌呤(A)、胞嘧啶(C)、鸟嘌呤(G)或胸腺嘧啶(T)。在转录之前，DNA的双螺旋在将要转录的基因附近展开，形成一个称为转录泡的开放区域。在转录过程中，其中一条DNA链将被用作模板链，另一条将被用作编码链。主要的转录酶叫做RNA聚合酶。
在蛋白质合成过程中，信使rna将DNA的遗传密码从细胞核携带到制造蛋白质的核糖体。核糖体利用mRNA中携带的信息来创造蛋白质的过程是翻译。在翻译过程中，tRNA携带一种氨基酸到核糖体，从而作为mRNA和蛋白质氨基酸序列之间的链接。核糖体读取信使rna传递的编码，构建细胞将在体内表达的蛋白质。rRNA帮助将mRNA中的信息翻译成蛋白质。
对于他们的人工智能机器学习解决方案，斯坦福大学的研究人员创建了一个深度神经网络由15层可学习参数和5层固定参数组成。他们用14个RNA模型训练了网络参数，然后评估了另外4个RNA结构的损失，总共使用了18个结构模型。
科学家们报告说:“因为它只使用原子坐标作为输入，不包含特定于rna的信息，所以这种方法适用于结构生物学、化学、材料科学等领域的各种问题。”
研究人员用三种主要的评分函数(Rosetta, RASP, 3dRNAscore)测试了他们的解决方案，并报告说，他们的系统在识别准确的RNA结构模型方面优于其他系统。
科学家们写道:“由此产生的评分函数，即原子旋转等变记分器(ARES)，大大优于以前的方法，并在全社区盲RNA结构预测挑战中始终产生最佳结果。”“通过从少量数据中有效学习，我们的方法克服了标准深度神经网络的一个主要限制。”
此外，根据研究人员的说法，他们的ARES解决方案的成本效益内存计算需求与RNA中核苷酸的数量成线性关系。例如，ARES在单个NVIDIA Titan X Pascal GPU上对87,000个结构模型进行评分只花了不到3.5小时。
科学家们总结道:“尽管ARES只使用了少量的结构进行训练，但它能够超越之前的技术水平，这表明类似的神经网络可以在涉及3D分子结构的其他领域取得重大进展，这些领域的数据通常是有限的，收集成本也很高。”“除了结构预测，例子可能包括分子设计(既适用于蛋白质或核酸等大分子，也适用于小分子药物)，估计纳米粒子半导体的电磁特性，以及预测合金和其他材料的机械性能。”
版权所有©2021 Cami Rosso版权所有。
