一篇关于利用深度学习方法rhofold+精准预测rna三维结构的科研成果报道。

突破性RNA三维结构预测：RhoFold+深度学习方法问世

RNA三维结构预测一直是分子生物学领域的难题。近日，香港中文大学、复旦大学、哈佛大学和智峪生科等机构的研究人员合作，在《Nature Methods》期刊上发表论文，介绍了一种名为RhoFold+的全新深度学习方法，该方法能够快速、准确地进行从头预测RNA三维结构。

RhoFold+的核心在于整合了一个在约2370万个RNA序列上预训练的RNA语言模型。通过巧妙的技术手段克服了RNA结构数据稀缺的挑战，RhoFold+实现了完全自动化的端到端流程。该方法在单链RNA建模方面表现卓越，并具备优异的泛化能力，能够准确预测螺旋间夹角（IHA）和二级结构等局部特征。

在对RNA-Puzzles和CASP15天然RNA靶标的评估中，RhoFold+的表现超越了现有方法，甚至优于人类专家组。其预测速度极快，仅需0.14秒即可完成一次预测，无需耗时的采样或依赖专家经验。

RhoFold+的优势与局限性

RhoFold+的成功在于其对RNA结构基本原理的学习能力，而非简单地模仿训练数据。然而，该方法也存在一些局限性，例如依赖于多序列比对（MSA），难以预测大型复杂RNA结构以及RNA与其他分子的相互作用。

未来发展方向

研究团队计划通过整合探测数据、分子动力学和能量函数等方法来改进RhoFold+，并增强其预测大型复杂RNA结构和RNA-蛋白质/配体相互作用的能力。

影响与展望

RhoFold+的出现为RNA研究带来了新的突破，将加速对RNA结构和功能的理解，并推动基于RNA的药物设计和合成生物学的发展。 论文链接：https://www.php.cn/link/cfa932116e1a833196044a79151ccba3