今天为大家介绍的是2023年在《Nature Communications》发表的题为《Integrating end-to-end learning with deep geometrical potentials for ab initio RNA structure prediction》的文章，通讯作者是新加坡国立大学张阳教授。团队研究方向为人工智能与蛋白质和RNA结构预测。
RNA分子在细胞中扮演着多种关键角色，包括基因转录、基因表达调控和催化活动。RNA功能很大程度上依赖于其特定的三级结构。因此，确定RNA的三维结构对于促进基于RNA的功能注释和药物发现至关重要。
传统的RNA结构预测方法包括基于同源建模的方法和/或基于物理的模拟。然而，这些方法在处理序列差异较大或具有新颖拓扑结构的RNA目标时，性能通常不尽如人意。此外，尽管生物物理实验（如X射线晶体学、冷冻电镜和核磁共振光谱学）能够解析RNA结构，但这些方法成本高昂且耗时。
因此，迫切需要快速且准确的计算方法来进行基于序列的RNA结构预测。受深度学习技术在三维蛋白质结构预测中成功的启发，作者提出了DRfold这一不同的深度学习流程，通过端到端学习和深度几何势的整合，以及基于梯度的优化，显著提高了RNA结构模型的准确性。这种方法不仅在理论上具有创新性，而且在实际应用中也显示出了巨大的潜力，尤其是在药物设计和RNA生物学研究领域。
DRfold首先预测输入序列的二级结构特征，然后将这些特征与序列一起嵌入到深度学习模型中。接着，48个RNA Transformer块处理这些数据，自动学习序列特征和长程依赖性。结构模块进一步预测每个核苷酸的旋转和平移信息，而另一组神经网络则预测核苷酸间的几何结构。这些信息被综合成一个复合势能，描述了RNA分子的稳定性和可能的构象。最后，通过梯度优化算法寻找最低能量状态的稳定结构，得出最终的预测模型。整个过程融合了深度学习和分子生物学原理，为RNA三级结构从头预测提供了一个高效且准确的计算框架，DRfold模型如图1。
为了将 DRfold 的性能与已报道的方法进行对比，作者选择了两种代表性的片段组装方法包括 RNAComposer4 和 3dRNA5 以及三种代表性的RNA 结构从头预测方法包括 RNA-BRiQ8、SimRNA6 和 FARFAR27，比较了预测结构和目标结构的均方根偏差 （RMSD）。DRfold的平均 RMSD 值 （14.45 Å）显著低于 3dRNA（20.54 Å）、FARFAR2 （22.48 Å）、RNAComposer （20.80 Å）、BRiQ （22.88 Å） 和 SimRNA （23.88 Å）（图2A）。DRfold 的中位 RMSD 为 9.38 Å，而通过对照方法 获得的最低中位 RMSD 为 19.04 Å（RNAComposer）。在 40 个测试靶标中，以P 原子（或全原子）进行RMSD 评估，发现 6 个（2 个）靶标通过 DRfold 以高精度成功折叠，RMSD <2.5 Å。图 2B 中列出了 RMSD 值低于 2.5 Å 至 15.0 Å 阈值的结构的累积分数，其中 DRfold 在所有 RMSD 临界值中产生的结构明显多于对照方法。例如，47.5% 的 DRfold 模型的 RMSD 小于 7.5 Å，远高于3dRNA 方法获得的馏分 （20.0%）。
由于局部误差可能导致高 RMSD，因此 RMSD 值可能不适合评估高 RMSD 范围内 RNA 模型的质量。作者进一步评价了TM 分数结果，该指数对 RNA 结构的整体折叠更敏感。TM 分数范围为0至1，值越高表示结构越相似，其中 TM 分数高于 0.45 表示 RNA 结构的正确折叠与序列长度无关。如图 3C 所示，DRfold 模型的平均 TM 评分 （0.435） 比次优方法 3dRNA 获得的平均 TM 评分 0.251 高 73.3%。此外，45% （=18/40） 的 DRfold 模型具有正确的折叠，TM 评分>为 0.45，而次优方法仅达到 12.5% 的成功率。因此，DRfold 为大部分目标获得在整体上高质量模型的能力是显而易见的。
图3展示了 DRfold 与控制方法之间 TMscore 和 RMSD 的详细头对头比较，其中在所有框中都观察到 DRfold 优于控制方法的明显优势。例如，DRfold 实现比对照方法更低的 RMSD 的测试靶标比例分别为 80.0%（对 3dRNA）、82.5% （FARFAR2）、72.5% （RNAComposer）、75.0% （RNA-BRiQ） 和 80.0% （SimRNA），如图 3A-E 所示。作者训练了六个独立的端到端模型，其使用不同的参数初始化。这六个模型的单独训练结果都显著优于所有对比方法，这说明端到端模型已经为RNA结构预测带来了巨大提升。在端到端模型之外，作者还加入了几何势能，结果虽然小但是正向，也是在RNA预测上起到了积极的作用，实验结果如图3E。
为了进一步检查端到端电位对 DRfold 的重要性，作者在图 4A 中绘制了完整版 DRfold 生成的模型与在 DRfold 中没有 FAPE 势能生成的模型的 TM 分数比较，其中后者表明结构仅通过几何电位进行了优化。在不考虑原子级细化的情况下，原始 DRfold 的平均 TM 分数从 0.439 下降到 0.413，表明性能损失具有统计学意义。在图 4C-E 中，作者展示了来自 Cas9 核酸内切酶中 sgRNA（PDB ID：7OX9 链 A）的一个例子。使用几何势构建的模型具有合理的折叠，但主要在5'-和3'-末端区域以及中心环 （26-41 NTs） 存在显着的局部误差，这导致总体 TM 分数 = 0.369 和 RMSD = 6.52 Å。如图 5E 所示，端到端结构模型在 5' 和 3' 末端区域的质量各不相同，而在环路区域的误差始终较低。对端到端和几何势能进行基于共识的优化，使模型得到显著改进，TM 分数 = 0.749 和 RMSD = 2.00 Å（参见图4D和图 4E 的底部）。
DRfold通过其创新的深度学习模型，在RNA结构预测领域取得了显著的进展。这一方法利用端到端学习框架直接从RNA序列预测三维结构，并通过整合几何约束进一步提升了预测的准确性。此外，模型还受益于物理学指导的二级结构特征，这有助于更准确地预测碱基配对和局部结构。尽管与蛋白质结构预测相比，RNA结构预测的精度还有待提高，部分原因是可用的RNA结构数据相对较少，但DRfold在单序列训练方面已显示出潜力。未来，通过引入多序列比对、结构模板和RNA物理知识等信息，有望进一步提升其预测性能。
撰稿：林宏烨
校对：郭沛
编辑：侯佳宁
