概述

RNA 结构预测根据 RNA 分子的核苷酸序列确定其二维和三维构象。随着 RNA 的功能不断扩展，涵盖催化、基因调控和支架，了解 RNA 结构对于理解机制至关重要。 RNA 折叠是分层的：在热力学稳定性的驱动下，二级结构（典型的 Watson-Crick 碱基对和 G-U 摆动）首先形成，三级接触随后巩固了三维折叠。计算方法利用这种层次结构来预测结构，并提高准确性。

方法

二级结构预测使用基于最近邻热力学模型的动态规划算法，其中将每个碱基对堆栈的自由能相加以找到最小自由能（MFE）结构。 Zuker算法及其在RNAfold和Mfold等工具中的实现被广泛使用。 分配函数方法（例如，RNAfold -p）计算热力学平衡时的碱基配对概率。 比较序列分析 通过识别同源序列之间的共变位置来提高预测准确性。对于三级结构，片段组装方法（例如 SimRNA、FARFAR2）和深度学习模型（例如 DRfold）构建由二级结构约束引导的三维模型。

应用程序

RNA 结构预测是小干扰 RNA、反义寡核苷酸和 CRISPR 引导 RNA 设计的基础。它能够注释非编码 RNA 并研究核糖开关机制，其中配体诱导的构象变化调节基因表达。这些预测与[RNA 结构和类型](/guides/rna-struct-and-types.html) 一起解释，以对新发现的转录物进行分类，并与转录和 RNA 处理 相关，以了解共转录折叠。该方法还通过模拟非翻译区域中的结构元素如何控制翻译效率，对基因调控和表观遗传学做出了贡献。