Visão Geral
A predição de estrutura de RNA determina a conformação bidimensional e tridimensional de moléculas de RNA a partir de suas sequências de nucleotídeos. À medida que o repertório funcional do RNA continua a se expandir, abrangendo catálise, regulação gênica e arcabouço, conhecer a estrutura do RNA é essencial para entender o mecanismo. O dobramento do RNA é hierárquico: a estrutura secundária (pares de bases canônicos Watson-Crick e pares G-U) se forma primeiro, impulsionada pela estabilidade termodinâmica, e os contatos terciários subsequentemente consolidam o dobramento tridimensional. Métodos computacionais exploram essa hierarquia para prever estruturas com precisão crescente.
Métodos
A predição de estrutura secundária usa algoritmos de programação dinâmica baseados no modelo termodinâmico de vizinho mais próximo, no qual a energia livre de cada empilhamento de pares de bases é somada para encontrar a estrutura de energia livre mínima (MFE). O algoritmo de Zuker e sua implementação em ferramentas como RNAfold e Mfold são amplamente utilizados. Abordagens de função de partição (ex., RNAfold -p) calculam probabilidades de pareamento de bases no equilíbrio termodinâmico. A análise comparativa de sequências melhora a precisão da predição identificando posições covariantes em sequências homólogas. Para a estrutura terciária, métodos de montagem de fragmentos (ex., SimRNA, FARFAR2) e modelos de aprendizado profundo (ex., DRfold) constroem modelos tridimensionais guiados por restrições de estrutura secundária.
Aplicações
A predição de estrutura de RNA sustenta o design de pequenos RNAs interferentes, oligonucleotídeos antissenso e RNAs guia CRISPR. Permite a anotação de RNAs não codificantes e o estudo de mecanismos de riboswitches, onde mudanças conformacionais induzidas por ligante regulam a expressão gênica. Essas predições são interpretadas juntamente com a estrutura e tipos de RNA para classificar transcrições recém-descobertas e em relação à transcrição e processamento de RNA para entender o dobramento co-transcricional. A abordagem também contribui para a regulação gênica e epigenética modelando como elementos estruturais em regiões não traduzidas controlam a eficiência da tradução.
