南開山大等開發trRosettaRNA一種基于深度學習的自動化RNA3D結構預測方法
要點:
南開大學、山東大學以及北京理工大學聯合團隊研發了trRosettaRNA,一種基于深度學習的自動化RNA3D結構預測方法,通過Transformer網絡實現1D和2D幾何形狀預測,再通過能量最小化進行3D結構折疊。
在CAS15和RNA-Puzzles實驗的盲測中,trRosettaRNA自動預測的天然RNA與人類頂級預測競爭力強,性能優于傳統的自動化方法,特別在與其他深度學習方法相比的性能評估中表現更佳。
RNA3D結構預測領域仍存在挑戰,尤其在處理大RNA結構和新型RNA上。深度學習方法在RNA結構預測方面仍處于起步階段,但隨著發展,有望推進RNA結構預測的精度和效率。
站長之家11月27日 消息:近期,南開大學、山東大學以及北京理工大學的聯合團隊成功開發了一種基于深度學習的自動化RNA3D結構預測方法,命名為trRosettaRNA。該方法采用Transformer網絡,通過進行1D和2D幾何形狀預測,再通過能量最小化實現3D結構折疊。在CAS15和RNA-Puzzles實驗的盲測中,trRosettaRNA展現出與人類預測競爭力強的優越性能,尤其在與其他深度學習方法相比的評估中表現更佳。
然而,這一領域仍面臨挑戰。RNA3D結構的預測對于大RNA結構和新型RNA依然具有挑戰性。當前的RNA3D結構預測方法分為基于模板和從頭方法兩類,而從頭方法尤其在處理大RNA時存在困難。深度學習近年來在RNA3D結構預測中取得一些進展,但仍處于起步階段。盡管trRosettaRNA在內部基準測試中取得了令人鼓舞的準確性,但其在新型RNA上的性能仍受到限制。合成RNA的自動結構預測也仍然具有挑戰性。
對于該方法的展望,研究者希望深度學習能夠進一步推動RNA結構預測的準確性和效率。然而,文章也指出了一些局限性,包括性能受到預測二級結構質量的影響以及在新型RNA上的性能有限。綜合而言,trRosettaRNA的研發標志著深度學習在RNA結構預測領域的發展,同時也提醒我們仍需不斷努力以解決其中的挑戰。
在未來,我們期待著深度學習方法在RNA結構預測方面的進一步發展,為理解RNA分子的生物學功能提供更為準確的工具和方法。
- 免責聲明
- 本文所包含的觀點僅代表作者個人看法,不代表新火種的觀點。在新火種上獲取的所有信息均不應被視為投資建議。新火種對本文可能提及或鏈接的任何項目不表示認可。 交易和投資涉及高風險,讀者在采取與本文內容相關的任何行動之前,請務必進行充分的盡職調查。最終的決策應該基于您自己的獨立判斷。新火種不對因依賴本文觀點而產生的任何金錢損失負任何責任。