新加坡研究团队成功地利用人工智能和深度学习技术,从初级RNA序列中模拟原子级RNA 3D结构。
与传统方法相比,这种基于人工智能的新型方法称为 DRfold,可将 RNA 模型的准确性提高 70% 以上。
据估计,与传统的蛋白质靶向药物发现相比,用小分子靶向RNA将成倍地扩大药物设计前景。因此,RNA生物学及其在开发新疗法中的应用是一个关键的新兴领域,在全球范围内获得了大量的学术和工业投资。
展望未来,该团队设想将他们的人工智能策略扩展到包括蛋白质-RNA相互作用,在这个领域,目前缺乏可靠的人工智能方法来预测高质量的蛋白质-RNA复合物结构。这些工具与RNA功能注释和RNA药物发现高度相关。
此外,该团队希望进一步提高DRfold在单链RNA结构预测中的准确性。固有的障碍之一源于实验性 RNA 结构的有限可用性,这会影响深度学习模型的准确性,尤其是对于大型 RNA。需要新的策略和思路来突破高精度RNA结构预测的瓶颈,研究人员目前正在研究它,并取得了令人鼓舞的进展。