不用序列数据也能预测RNA结构?这款新AI工具盲测超越AlphaFold 3
盲测基准上,弗吉尼亚理工大学团队开发的RNAbpFlow对14个RNA靶标预测正确12个,AlphaFold 3只对8个。该模型发表在6月30日的Nature Methods上,最大的特点是不需要大规模进化序列数据库,仅凭RNA序列和碱基配对信息就能生成全原子三维结构。1
RNAbpFlow的核心创新在于用流匹配技术替代进化信息推断结构。模型从完全随机的噪声出发,在碱基配对信息引导下逐步折叠成正确构象,同时还能一次生成多个不同结构。训练数据仅用了912个PDB实验结构加上2170个筛选后的AlphaFold 3预测结构做增强。平均最大TM-score达到0.59,AlphaFold 3是0.49。
这种方法对数据依赖极低。当前多数AI预测模型需要大量不同物种的相关RNA序列作为训练依据,而RNAbpFlow完全不需要这些数据。对于缺乏已知近缘序列的RNA分子——比如某些病毒RNA结构元件或实验室设计的核酶——这恰恰是最大的优势。
研究团队已开源全部代码和训练数据,计划参加今年夏季的CASP国际结构预测竞赛。不过研究者也指出,在更大、更复杂的RNA上,依赖丰富进化信息的现有平台仍有优势。
对相关从业者意味着什么?如果你在做RNA靶向药物研发或非编码RNA功能研究,RNAbpFlow提供了一个不依赖大量序列数据就能预测结构的工具,尤其适合那些近缘序列稀缺的RNA分子。任何AI预测结果仍需实验验证,但它是现有工具箱的有益补充。
当前文章无评论,是时候发表评论了