Nature | 利用AFM和深度神经网络解析RNA构象

文章预览

DRUG AI 人类基因组中大部分被转录为RNA，这些RNA中包含许多对其功能至关重要的结构元素。这类RNA分子，包括那些具有明确结构和良好折叠的分子，通常具有构象异质性和灵活性，这是其功能发挥的前提条件。然而，这种特性限制了核磁共振（NMR）、晶体学和冷冻电子显微镜等方法在结构解析中的应用。此外，由于缺乏大型RNA结构数据库，以及序列与结构之间没有明确的相关性，类似AlphaFold用于蛋白质结构预测的方法并不适用于RNA。因此，解析异质性RNA的结构仍是一项未解决的挑战。在此，研究人员报道了一种结合原子力显微镜、无监督机器学习和深度神经网络的整体RNA结构解析方法（HORNET）。该方法利用溶液中单个分子的原子力显微镜图像，解析RNA的三维拓扑结构。由于原子力显微镜具有高信噪比，这种方法特别适合捕获处于不同构象的大型RNA ………………………………