Visión General

La predicción de estructura de ARN determina la conformación bidimensional y tridimensional de moléculas de ARN a partir de sus secuencias de nucleótidos. A medida que el repertorio funcional del ARN continúa expandiéndose, abarcando catálisis, regulación génica y andamiaje, conocer la estructura del ARN es esencial para comprender el mecanismo. El plegamiento del ARN es jerárquico: la estructura secundaria (pares de bases canónicos Watson-Crick y pares G-U) se forma primero, impulsada por la estabilidad termodinámica, y los contactos terciarios consolidan posteriormente el pliegue tridimensional. Los métodos computacionales explotan esta jerarquía para predecir estructuras con precisión creciente.

Métodos

La predicción de estructura secundaria utiliza algoritmos de programación dinámica basados en el modelo termodinámico de vecinos más cercanos, donde la energía libre de cada apilamiento de pares de bases se suma para encontrar la estructura de energía libre mínima (MFE). El algoritmo de Zuker y su implementación en herramientas como RNAfold y Mfold son ampliamente utilizados. Los enfoques de función de partición (ej., RNAfold -p) calculan las probabilidades de apareamiento de bases en equilibrio termodinámico. El análisis comparativo de secuencias mejora la precisión de la predicción identificando posiciones covariantes en secuencias homólogas. Para la estructura terciaria, los métodos de ensamblaje de fragmentos (ej., SimRNA, FARFAR2) y los modelos de aprendizaje profundo (ej., DRfold) construyen modelos tridimensionales guiados por restricciones de estructura secundaria.

Aplicaciones

La predicción de estructura de ARN sustenta el diseño de ARN pequeños de interferencia, oligonucleótidos antisentido y ARN guía CRISPR. Permite la anotación de ARN no codificantes y el estudio de mecanismos de ribointerruptores, donde los cambios conformacionales inducidos por ligando regulan la expresión génica. Estas predicciones se interpretan junto con la estructura y tipos de ARN para clasificar transcripciones recién descubiertas y en relación con la transcripción y procesamiento del ARN para comprender el plegamiento cotranscripcional. El enfoque también contribuye a la regulación génica y epigenética modelando cómo los elementos estructurales en regiones no traducidas controlan la eficiencia de la traducción.