Nature Methods：廣州實驗室苗智超團隊發(fā)布系統(tǒng)化的RNA結(jié)構(gòu)預(yù)測評估研究成果

熱門推薦： RNA結(jié)構(gòu)預(yù)測 , AI , 蛋白質(zhì)結(jié)構(gòu) ,

來源：生物世界

2024-12-05

分子結(jié)構(gòu)預(yù)測是生物信息學的“圣杯”，2024年諾貝爾化學獎授予了AI蛋白質(zhì)結(jié)構(gòu)預(yù)測系統(tǒng)AlphaFold的兩位開發(fā)者，標志著人工智能（AI）預(yù)測方法能給生命科學研究帶來革命性推進。

分子結(jié)構(gòu)預(yù)測是生物信息學的“圣杯”，2024年諾貝爾化學獎授予了AI蛋白質(zhì)結(jié)構(gòu)預(yù)測系統(tǒng)AlphaFold的兩位開發(fā)者，標志著人工智能（AI）預(yù)測方法能給生命科學研究帶來革命性推進。然而，AlphaFold仍然未解決核酸結(jié)構(gòu)預(yù)測的問題，RNA三維結(jié)構(gòu)預(yù)測領(lǐng)域仍亟需明確其瓶頸和發(fā)展方向。

RNA-Puzzles是一個2012年開始的國際合作項目，致力于評估RNA三維結(jié)構(gòu)預(yù)測的最新進展。組織者在RNA三維結(jié)構(gòu)數(shù)據(jù)發(fā)表之前將需要預(yù)測的序列發(fā)給全球的結(jié)構(gòu)預(yù)測團隊，在預(yù)測結(jié)束后各個團隊反饋預(yù)測結(jié)果，等三維結(jié)構(gòu)數(shù)據(jù)發(fā)表以后將預(yù)測結(jié)構(gòu)與實驗測定的結(jié)構(gòu)進行比較。從而評估RNA三維結(jié)構(gòu)預(yù)測的準確性。 2024年12月2日，廣州國家實驗室、廣醫(yī)-廣州生物院聯(lián)合生科院苗智超教授團隊聯(lián)合中國科學院溫州醫(yī)學研究所 Eric Westhof 院士，在 Nature Methods 期刊發(fā)表了題為：RNA-Puzzles Round V:Blind predictions of 23 RNA structures 的論文，公布了RNA-Puzzles Round V 的結(jié)果，對來自全球18個團隊的預(yù)測進行了大規(guī)模評估，涉及23個RNA結(jié)構(gòu)，包括RNA元件、適配體、病毒元件、核酶和核開關(guān)等多種RNA類型。

RNA-Puzzles Round V:Blind predictions of 23 RNA structures

本輪比賽（Round V）的預(yù)測結(jié)果顯示，在RNA結(jié)構(gòu)建模方面，一些關(guān)鍵步驟仍需克服。特別是，堿基配對的識別：準確識別形成RNA螺旋的堿基對仍然是一個挑戰(zhàn)；non-Watson-Crick結(jié)構(gòu)模塊的識別：正確識別non-Watson-Crick堿基對和RNA結(jié)構(gòu)模塊對于精確建模至關(guān)重要；螺旋間的同軸堆積（coaxial）：避免螺旋間的打結(jié)，并實現(xiàn)正確的同軸堆積是提高預(yù)測準確性的關(guān)鍵。論文還討論了RNA結(jié)構(gòu)預(yù)測的難度取決于是否存在同源模板或者預(yù)測序列的長度，鏈數(shù)等因素。

為了對預(yù)測結(jié)果進行客觀評估，本輪比賽采用了多種評估指標，包括：均方根偏差（RMSD）：用于衡量預(yù)測結(jié)構(gòu)與實驗結(jié)構(gòu)之間的整體相似性，較低的RMSD值表示預(yù)測精度較高；相互作用網(wǎng)絡(luò)保真度（INF）：評估預(yù)測結(jié)構(gòu)中堿基配對和堿基堆積相互作用的準確性；變形指數(shù)（DI）：綜合考慮RMSD和INF值，更全面地反映預(yù)測結(jié)構(gòu)的質(zhì)量；IDDT分數(shù)和ARES分數(shù)：分別側(cè)重于局部和全局精度，以及RNA樣結(jié)構(gòu)特性的評估。這些算法工具和測評數(shù)據(jù)都已經(jīng)開源，發(fā)布在RNA-Puzzles官網(wǎng)（www.rnapuzzles.org）。

本輪比賽中，排名前四的團隊中有三個團隊也曾在CASP15蛋白質(zhì)結(jié)構(gòu)預(yù)測比賽的RNA賽道中名列前茅，這表明前幾名的預(yù)測方法具有較好的穩(wěn)定性。尤其是陳世杰教授和Rhiju Das團隊，陳世杰教授也在CASP16的比賽中獲得全球第一，但不同預(yù)測方法在具體表現(xiàn)上差異不大。未來RNA結(jié)構(gòu)預(yù)測領(lǐng)域有望借助人工智能結(jié)合經(jīng)典物理模擬方法和專家經(jīng)驗實現(xiàn)進一步突破。

論文詳細分析了不同功能類型RNA的預(yù)測結(jié)果，具體有——RNA元件：對一些簡單的RNA元件，預(yù)測結(jié)果較為理想；適配體：對與配體結(jié)合的適配體，預(yù)測精度相對較低，尤其是在識別配體結(jié)合位點方面；病毒元件：一些病毒RNA元件的預(yù)測結(jié)果較好，但也存在一些預(yù)測精度較低的情況，尤其是一些包含假結(jié)的結(jié)構(gòu)；核酶：對核酶的催化位點殘基的預(yù)測，準確性與RMSD值密切相關(guān)；核開關(guān)：對一些具有同源結(jié)構(gòu)的核開關(guān)，預(yù)測結(jié)果較好；而對于一些復(fù)雜的核開關(guān)，例如T-box核開關(guān)，預(yù)測精度仍然有待提高。

RNA元件