一篇关于利用深度%ignore_a_1%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《NJ G W R )ature Methods》期刊上发表论文，介绍了一种名为RhoFold+的全新j T w o ~深度学习方法，该E z M方法能够快速、准确地进行从头预测RN2 0 o }A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! M n i巧妙的技术手段克服了RNA结构数据稀缺的挑战，RhoFo* x j I k u N {ld+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L + , Y u / x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
RhoFolK z b O T e 1 5d+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. 8 2 D而，该方法也存在一些局限性，例如依赖于多序列比对（MSA），y = f t a G 8 @ y难以预( ` H p测大型复杂RNA结构以及RNA与其他分子的K S N 8 k 2 ?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~ 8 | a + 0 e H :响与展望
RhoFold+L N B c i *的出现为6 ] 1 # j \ ?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:/, v N h Y T f q/www.php.cn/link/cfa932116e1a833196044a79151ccba3
以上就是准确、快速地从头预测RNA 3D结构，港中大、复旦B O H等深度学习方法RhoFold+登z ^ P ` c ` * & xNature子刊的详细内容！
原创文章，作者:【好易之】如转载请注明出处：https://www.zhengjiaxi.com/zxwd/itzx/119680.html
如有侵权，请邮件联系 aoduoye@qq.com 删除。
本站发布的文章及附件仅限用于学习和研究目的;不得将上述内容用于商业或非法用途，否则后果请用户自负。
本站信息来自网络，版权争议与本站无关。您必须在下载后的24个小时之内，从您的电脑中彻底删除上述内容。
如果您喜欢该程序，请支持正版软件，购买注册，得到更好的正版服务。如有侵权请邮件与我们联系处理。
微信扫一扫 
