Advances in RNA secondary structure prediction and RNA modifications: Methods, data, and applications
本文综述RNA二级结构计算预测与RNA修饰识别方法、数据资源及二者相互作用，分析挑战与机遇，以促进新方法开发和治疗应用。
2025-01-07 q-bio.BM
Asymptotic connectivity for the network of RNA secondary structures
给定一个RNA序列a，考虑网络G =（V; E），其中节点集V由a的所有二级结构组成，其边集E由连接两个碱基对距离为1的二级结构的所有边组成。定义网络连通度，或期望网络度，作为与G的顶点关联的边的平均数。利用代数组合方法，我们证明了长度为n的同聚序列的渐近连通性为0：473418？n.这就提出了一个问题，即RNA二级结构网络的其他网络特性是什么。Python、C和Mathematica的程序可在网站www.example.com RNAexpNumNbors上获得。
2015-08-16 q-bio.BM
CoFold: thermodynamic RNA structure prediction with a kinetic twist
现有的采用单个RNA序列并预测相应RNA二级结构的最先进方法是热力学方法。这些预测了最稳定的RNA结构，但没有考虑结构形成的过程。然而，到目前为止，我们已经有了充足的实验和理论证据，证明序列在体内转录时会折叠，而且结构形成的过程很重要。我们在这里提出了一个概念上的新方法来预测RNA的二级结构，称为CoFold，结合热力学与动力学的考虑。我们的方法在预测准确性方面显着提高了最先进的水平，特别是对于长度超过一千个核苷酸的长序列，如核糖体RNA。
2012-07-25 q-bio.BM q-bio.QM
CHSalign: A Web Server That Builds upon Junction-Explorer and RNAJAG for Pairwise Alignment of RNA Secondary Structures with Coaxial Helical Stacking
RNA连接是RNA分子的重要结构元件。当三个或更多的螺旋在三维空间中聚集在一起时，它们就形成了。最近的研究集中在注释和预测的同轴螺旋堆积（CHS）图案内的连接。在这里，我们利用这样的预测，开发一个有效的比对工具来处理RNA二级结构与CHS基序。具体来说，我们建立在我们的连接，资源管理器软件预测同轴堆叠和RNAJAG建模连接拓扑结构的树形图，将约束树匹配和动态规划算法到一个新的方法，称为CHSalign，对齐的二级结构的RNA分子含有CHS基序。因此，CHSalign旨在成为包含相似连接的RNA的有效比对工具。基于数千次比对的实验结果表明，CHSalign可以比其他RNA二级结构比对工具更准确地比对含有CHS基序的两个RNA二级结构。当比对具有相似CHS基序或螺旋排列模式的两个RNA二级结构时，CHSalign产生高分，否则产生低分。这种新方法已经在Web服务器中实现，该程序也可以在http://bioinformatics.njit.edu/CHSalign/上免费获得。
2016-09-05 cs.CE q-bio.BM
Cotranscriptional kinetic folding of RNA secondary structures including pseudoknots
RNA结构的计算预测是计算结构生物学中的一个重要问题。RNA结构形成的研究通常假设该过程从完全合成的序列开始。然而，实验证据表明，RNA折叠与其延伸同时进行。我们研究RNA二级结构的形成，包括假结，考虑到共转录的影响。我们提出了一个单核苷酸分辨率的RNA分子的折叠过程的动力学模型，其中聚合酶驱动的延伸的RNA链的一个新的核苷酸被包括作为一个原始的操作，连同随机模拟方法，实现这种折叠同时与转录合成。数值案例研究表明，我们的共转录RNA折叠模型可以预测的构象，有利于在实际的生物系统的形成。因此，我们的新计算工具可以提供定量预测，并提供有用的见解RNA折叠的动力学。
2021-03-17 q-bio.BM
On a barrier height problem for RNA branching
RNA分子的分支是一个重要的结构特征，但很难正确预测，特别是对于较长的序列。使用平面树作为RNA折叠的组合模型，我们考虑了热力学成本，称为势垒高度，分支配置之间的过渡。使用分支偏斜作为粗略的能量近似，我们描述了离散配置景观中的各种类型的路径。特别是，我们给出了充分条件的路径，有最小的长度和最小的分支偏斜。这些证据提供了一些生物学见解，特别是发夹稳定性和结构域结构对更高分辨率RNA势垒高度分析的潜在重要性。
2023-03-21 math.CO q-bio.BM
An infinite class of unsaturated rooted trees corresponding to designable RNA secondary structures
RNA二级结构是可设计的，如果有一个RNA序列，可以达到其最大数量的碱基对，只有通过采用该结构。组合RNA设计问题是由Haleland等人在2016年提出的，目的是确定给定的RNA二级结构是否可设计。Haleland等人通过参考其相应的有根树来鉴定某些类别的可设计和不可设计的二级结构。我们引入了一个无限类的有根树含有不成对的核苷酸在最大的深度，并建设性地证明，其相应的二级结构是可设计的。这补充了以前的结果的组合RNA设计问题。
2020-05-08 cs.DS math.CO q-bio.BM
Quantitative DMS mapping for automated RNA secondary structure inference
几十年来，硫酸二甲酯（DMS）映射已经告知体外和体内RNA结构的手动建模。在这里，我们将DMS数据纳入自动二级结构推断使用伪能量框架开发的2'-OH酰化（SHAPE）映射。在具有晶体学模型的六个非编码RNA上，DMS引导的建模实现了9.5%和11.6%的总体假阴性和假发现率，与SHAPE引导的建模相当或更好;并且非参数自举提供了直接的置信度估计。整合DMS/SHAPE数据并包括CMCT反应性，可提供小的额外改进。这些结果建立DMS映射-一个已经常规的技术-作为无偏RNA结构建模的定量工具。
2012-07-05 q-bio.BM
RNA as a Permutation
RNA二级结构预测和分类是RNA生物学领域的两个重要问题。在这里，我们提出了一个新的置换为基础的方法来创建一个单一的类或类型的不同的二级结构的逻辑非不相交的集群。RNA二级结构数据的分类方法有很多种，但没有一种方法使用基于排列的方法，这种方法非常简单但功能强大。我们编写了一个小的JAVA程序来生成排列，将我们的算法应用于这些排列，并分析数据，创建不同的逻辑簇。我们相信这些簇可以用来解开RNA二级结构的谜团，并分析未知RNA的发育模式。
2014-03-20 q-bio.BM
Geometric combinatorics and computational molecular biology: branching polytopes for RNA sequences
计算分子生物学中的问题产生了各种离散的优化问题，如DNA序列比对和RNA二级结构预测。然而，最优解从根本上取决于目标函数中使用的参数。参数分析的目的是阐明这种依赖关系，特别是当它们与最优解的准确性和鲁棒性有关时。几何组合学的技术，包括多面体和他们的正常球迷，以前已经被用来给DNA序列比对和RNA分支配置的简单模型的参数分析。在这里，我们提出了一个新的计算框架，和证明的原则的结果，这给出了第一个完整的参数分析的分支部分的最近邻热力学模型的二级结构预测真实的RNA序列。
2016-06-16 q-bio.BM
Small-world networks and RNA secondary structures
设Sn表示长度为n的所有RNA二级结构的网络，其中结构s、t之间存在无向边，使得t通过添加、移除或移位单个碱基对从s获得。利用上下文无关文法、生成函数和复分析，我们证明了其渐近平均度为O（n），渐近聚簇系数为O（1/n），由此得出：Sn，n = 1，2，3，…二级结构网络不是小世界。
2018-07-11 q-bio.BM
Expected degree for RNA secondary structure networks
考虑给定RNA序列的所有二级结构的网络，其中当相应结构的碱基对距离为1时，节点连接。网络的期望度是邻居的平均数，其中平均值可以相对于均匀概率或玻尔兹曼概率来计算。在这里，我们描述第一个算法，RNAexpNumNbors，它可以计算输入序列的预期邻居数或预期网络度。对于来自Rfam数据库的RNA序列，预期度显著小于CMFE结构，CMFE结构被定义为在与Rfam共有结构一致的所有结构上具有最小自由能。结构RNA（如嘌呤核糖开关）的预期程度似乎比随机RNA的预期程度小，但MFE结构的程度与预期程度之间的差异却比随机RNA的差异大。预期度似乎与RNA的标准结构多样性度量无关，例如位置熵、整体缺陷等。程序{ \tt RNAexpNumNbors}用C编写，在立方时间和二次空间中运行，可在http://bioinformatics.bc.edu/clotelab/RNAexpNumNbors上公开获得。
2014-11-01 q-bio.BM
Improving RNA secondary structure prediction via state inference with deep recurrent neural networks
本文提出基于深度双向LSTM的RNA状态推断方法，将状态预测转化为合成SHAPE数据并用于指导NNTM，在16S rRNA测试集上使二级结构预测准确率平均提升25个百分点。
2020-02-23 q-bio.BM
Designing RNA Secondary Structures is Hard
一个RNA序列是一个单词在一个字母表上的四个元素$\{A,C,G,U\}$称为碱基。RNA序列折叠成二级结构，其中一些碱基彼此匹配，而另一些则保持不配对。无假结的二级结构可以表示为带有附加点的适当括号的表达式，其中成对的匹配括号表示配对的碱基，而点表示未配对的碱基。RNA算法中的两个基本问题是预测序列如何在某种能量模型内折叠以及设计将折叠成目标二级结构的碱基序列。自80年代以来，已知预测给定的RNA序列如何折叠成无假结的二级结构在立方时间内是可解的，并且根据Bringmann等人的最新结果，在真正的亚立方时间内是可解的（FOCS 2016）。与此形成鲜明对比的是，设计一个给定的RNA二级结构是否是一项容易处理的任务尚不清楚;这是Anne Condon提出的一个具有挑战性的开放性问题（ICALP 2003）。由于RNA二级结构在药物研究和生物化学等许多领域的重要性，目前有数十种专门用于RNA二级结构设计的方法学和软件库。因此，令人惊讶的是，生物信息学中这个中心问题的计算复杂性几十年来一直没有得到解决。在本文中，我们表明，在最简单的能量模型，这是沃森-克里克模型的二级结构的设计是NP-完全的，如果一个添加的形式的自然约束：索引$i$的序列必须由基地$b$标记。这个负结果表明，对于更现实的能量模型，同样的下限也成立。值得注意的是，这些额外的限制绝不是人为的：它们是由所有RNA设计软件提供…
2018-03-25 cs.DS math.CO q-bio.BM
Review of Machine-Learning Methods for RNA Secondary Structure Prediction
Northeastern University（东北大学）；Dalian Maritime University（大连海事大学）；Dalian University of Technology（大连理工大学）；China Medical University（中国医科大学）；Liaoning University（辽宁大学）；Stevens Institute of Technology（斯蒂文斯理工学院）
二级结构在决定非编码RNA的功能方面起着重要作用。因此，RNA二级结构的鉴定具有重要的研究价值。计算预测是预测RNA二级结构的主流方法。不幸的是，尽管在过去的40年中提出了新的方法，但计算预测方法的性能在过去十年中停滞不前。最近，随着RNA结构数据的可用性越来越高，基于机器学习技术的新方法，特别是深度学习，已经缓解了这个问题。本文综述了基于机器学习技术的RNA二级结构预测方法，并以表格形式总结了这一领域中最重要的方法。最后，对RNA二级结构预测领域目前存在的问题和未来的发展趋势进行了讨论。
2020-09-01 cs.LG q-bio.BM stat.ML
Scaling properties of RNA as a randomly branching polymer
本文利用随机分支聚合物理论，通过将RNA二级结构映射为平面树，确定了两个标度指数，发现其标度行为类似三维自回避树，并建立了分析固定长度RNA分支性质的框架。
2023-05-17 cond-mat.soft physics.bio-ph q-bio.BM
A growth model for RNA secondary structures
本文提出了一个RNA二级结构平面拱结构生长的层次模型，并证明其等价于树生长模型。这两种模型都可以解析求解，从而获得大分子的缩放函数，并通过高达6500个碱基的数值模拟来检查缩放的校正。这两个模型的等价性有助于理解更一般的树木生长过程。
2007-11-21 cond-mat.stat-mech q-bio.BM
Glassy transition in a disordered model for the RNA secondary structure
我们数值研究了RNA二级结构的无序模型，我们发现它经历了一个相变，在低温区域（如自旋玻璃）的副本对称性的破坏。我们的结果是基于精确的评估的配分函数。
2000-12-06 cond-mat.dis-nn cond-mat.stat-mech q-bio.BM
On the structure of RNA branching polytopes
RNA二级结构预测的常用方法是基于最近邻热力学模型（NNTM）的自由能最小化方法。模型中最不发达的部分之一是分配给多分支回路的能量函数。可以进行参数分析，以阐明预测对NNTM中使用的分支参数的依赖性。由于目标函数是线性的，这归结为分析分支多面体的正常风扇。在这里，我们表明，由于在NNTM下的多分支循环的评分方式，某些分支模式是可能的所有序列。我们这样做，通过表征的参数空间的主要部分，通过查看正常风扇的相关部分获得;因此，我们得出结论，通常在自然界中发现的结构是获得一个相对较小的参数集。
2017-08-18 q-bio.BM
LinearCoFold and LinearCoPartition: Linear-Time Algorithms for Secondary Structure Prediction of Interacting RNA molecules
许多ncRNA通过RNA-RNA相互作用发挥作用。考虑到RNA-RNA相互作用的快速可靠的RNA结构预测是有用的。一些现有的工具由于忽略了分子间和分子内碱基对的竞争而不太准确，或者更专注于预测结合区域而不是预测两个相互作用链的完整二级结构。Vienna RNAcofold通过连接两条链将问题简化为经典的单序列折叠，以立方时间对组合序列长度进行缩放，并且对于长序列来说很慢。为了解决这些问题，我们提出了LinearCoFold（预测线性运行时两条链的完整最小自由能结构）和LinearCoPartition（计算线性运行时的共折叠配分函数和碱基配对概率）。LinearCoFold和LinearCoPartition遵循RNAcofold的级联策略，但比RNAcofold快几个数量级。例如，在组合长度为26，190 nt的序列对上，LinearCoFold比RNAcofold MFE模式快86.8倍（0.6分钟对52.1分钟），LinearCoPartition比RNAcofold分配函数模式快642.3倍（1.8分钟对1156.2分钟）。与局部算法不同，LinearCoFold和LinearCoPartition是不受碱基长度限制的全局共折叠算法。令人惊讶的是，LinearCoFold和LinearCoPartition的预测具有更高的PPV和分子间碱基对的灵敏度。此外，我们应用Line…
2022-10-26 cs.DS physics.bio-ph q-bio.BM
Comprehensive benchmarking of large language models for RNA secondary structure prediction
Research Institute for Signals, Systems and Computational Intelligence（信号、系统与计算智能研究所）
本研究在统一深度学习框架下对多种预训练RNA-LLM进行综合基准测试，发现两个模型在RNA二级结构预测任务中表现更优，并揭示了低同源场景下泛化的重大挑战。
2025-01-31 cs.AI cs.LG q-bio.BM
Scalable Deep Learning for RNA Secondary Structure Prediction
University of Freiburg（弗莱堡大学）
本研究提出采用轴向注意力与隐空间循环机制的轻量化深度学习模型RNAformer，通过直接在隐空间建模邻接矩阵并扩模，在TS0基准上达SOTA且优于用外部信息的方法，还能学习RNA折叠的生物物理模型。
2023-07-14 cs.LG q-bio.BM
Glass transition in secondary structures formed by random RNA sequences
RNA二级结构的形成是生物聚合物中普遍存在的序列结构问题的一个例子。最近的一个理论问题是随机RNA序列是否经历有限温度的玻璃化转变。我们肯定地回答这个问题，首先通过两个副本计算建立的高温相的微扰稳定性。随后，我们表明，这一阶段不能持续到零温度考虑由于罕见的区域的互补双折射充满活力的贡献。
2001-06-04 cond-mat.soft cond-mat.stat-mech physics.bio-ph
TT2NE: A novel algorithm to predict RNA secondary structures with pseudoknots
我们提出了TT2NE，一个新的算法来预测RNA二级结构的伪结。该方法是基于RNA结构的分类，根据其拓扑属。TT2NE保证找到最小自由能结构，而与伪结拓扑无关。这种独特的熟练程度是以可以处理的最大序列长度为代价获得的，但与最先进的算法相比，TT2NE在其限制范围内是一个非常强大的工具。对TT2NE错误预测的分析揭示了研究空间约束如何限制由给定序列形成的假结结构范围的必要性。公共服务器上的TT2NE实现可以在http://ipht.cea.fr/rna/tt2ne.php上找到。
2010-10-21 cond-mat.soft q-bio.BM
Model for Folding and Aggregation in RNA Secondary Structures
我们研究了RNA二级结构的统计力学，该二级结构被设计成具有两种不同类型的结构之间的吸引力，作为杂聚物聚集的模型系统。二级结构的分支熵和通过配对获得的能量之间的竞争驱动RNA经历从熔融相到聚集相的“温度无关的”二级相变“。由此获得的聚集相在不同RNA之间具有宏观上大量的接触。该相的配分函数标度指数为θ~ 1/2，相变的交叉指数为ν~ 5/3。这些计算的生物分子的聚集的相关性进行了讨论。
2006-01-12 cond-mat.stat-mech physics.bio-ph q-bio.BM
ThreshKnot: Thresholded ProbKnot for Improved RNA Secondary Structure Prediction
RNA结构预测是一个具有挑战性的问题，特别是在伪结的情况下。最近，已经从经典的基于最小自由能的方法（MFE）转移到基于配分函数的方法，该方法使用碱基配对概率组装结构。后一组的两个例子是流行的最大预期精度（MEA）方法和ProbKnot方法。ProbKnot是一种快速的启发式算法，它可以将最有可能配对的核苷酸配对，并且与MEA不同，它还可以预测具有假结的结构。然而，ProbKnot的全部潜力在很大程度上被忽视了。特别是，当引入时，它没有可以在阳性预测值（PPV）和灵敏度之间平衡的MEA样超参数。我们表明，一个简单的阈值版本的ProbKnot，我们称之为ThreshKnot，导致更准确的整体预测，过滤掉不太可能的对，其概率低于给定的阈值。我们还表明，在三个广泛使用的折叠引擎（RNAstructure，Vienna RNAfold和Difold）上，ThreshKnot总是优于涉及更多的MEA算法，（1）其更高的结构预测精度，（2）其预测伪结的能力，（3）其更快的运行时间和更容易的实现。这表明ThreshKnot应该取代MEA作为默认的基于配分函数的结构预测算法。ThreshKnot已经在广泛使用的RNAstructure软件包版本6.2（2019年11月27日发布）中提供：https://rna.urmc.rochester.edu/RNAstructure.html
2020-01-09 physics.bio-ph q-bio.BM q-bio.QM
Kirigami: large convolutional kernels improve deep learning-based RNA secondary structure prediction
Dana-Farber Cancer Institute（达纳-法伯癌症研究所）；University of Michigan（密歇根大学）
本文提出名为Kirigami的全卷积神经网络，利用11像素大卷积核提升RNA二级结构预测性能，在标准测试集上MCC显著超越现有方法，尤其在假结预测上提升58-400%。
2024-06-06 cs.AI q-bio.BM
Enumerating secondary structures and structural moieties for circular RNAs
分子序列和结构之间关系的定量表征对于提高我们对功能如何出现的理解至关重要。这种特殊的基因型-表型图谱经常在RNA序列的背景下进行研究，其中折叠构型代表表型。在这里，我们计数的二级结构的环状RNA的长度$n$和计算的渐近分布的不同结构部分，如茎或发夹环，通过符号组合学。环状RNA在本质上不同于它们的线性对应物。从数学的角度来看，相应的二级结构的枚举需要使用组合技术，除了用于线性RNA。环状RNA的二级结构的渐近数随着$a^nn^{-5/2}$而增长，a取决于应用于二级结构的特定约束。任何结构部分的丰度在极限$n\to\infty$内呈正态分布，平均值和方差随$n$线性增加。
2017-02-20 physics.bio-ph q-bio.BM q-bio.MN
Reply to the Comment on `Glassy Transition in a Disordered Model for the RNA Secondary Structure'
我们回答哈特曼（cond-mat/9908132）对我们的论文物理评论快报的评论。84（2000）2026（也称为cond-mat/9907125）。
2000-12-06 cond-mat.dis-nn cond-mat.stat-mech q-bio.BM
RNA secondary structures: from ab initio prediction to better compression, and back
在本文中，我们将生物领域知识结合到随机模型中用于从头RNA二级结构预测，以改进RNA序列和结构数据的联合压缩的现有技术（Liu等人，BMC Bioinformatics，2008）。此外，我们表明，相反，压缩比可以作为比较不同随机模型预测质量的廉价且强大的代理，这可能有助于指导寻找更好的RNA结构预测模型。我们的研究结果建立在RNA二级结构的专家随机上下文无关语法模型（Dowell & Eddy，BMC Bioinformatics，2004; Nebel & Scheid，Theory in Biosciences，2011）上，并结合了不同的（静态和自适应）规则概率和算术编码模型。我们提供了一个原型实现和广泛的实证评估，我们说明了语法功能和概率模型如何影响压缩比。
2023-02-22 cs.IT math.IT q-bio.BM
Fair splits flip the leaderboard: CHANRG reveals limited generalization in RNA secondary-structure prediction
CHANRG通过170,083个非冗余RNA结构评估，揭示了深度学习在RNA二级结构预测中的泛化能力限制，指出基础模型方法在分布外鲁棒性上存在不足。
2026-03-20 cs.LG q-bio.BM
Rethinking Performance Measures of RNA Secondary Structure Problems
University of Freiburg（弗莱堡大学）
本文针对传统度量难以评估RNA复杂结构的问题，提出用Weisfeiler-Lehman图核作为替代评估指标，并通过RNA设计实验证明其能提供更公平准确的评价和有效指导。
2023-12-04 cs.LG q-bio.BM
RNA secondary structure formation: a solvable model of heteropolymer folding
在RNA二级结构的背景下研究了杂聚物结构形成的统计力学。设计的RNA序列偏向于一个特定的天然结构（发夹）被用来研究天然和熔融相的RNA之间的转变作为温度的函数。该转变是由从聚合物与天然结构的重叠获得的能量与形成随机接触的熵增益之间的竞争驱动的。提出了一种简化的类围棋模型并精确求解。预测的临界行为验证通过精确的数值枚举一个大的合奏类似设计的序列。
1999-03-05 cond-mat.soft cond-mat.stat-mech physics.bio-ph
Methods for Analyzing RNA Pseudoknots via Chord Diagrams and Intersection Graphs
本文提出通过弦图和交集图结合距离度量$τ$的方法，用于系统分析RNA伪结结构，揭示其复杂度的量化特征。
2025-12-23 math.CO q-bio.BM q-bio.QM
Parametrized Stochastic Grammars for RNA Secondary Structure Prediction
我们提出了一个两级随机上下文无关文法（SCFG）的结构参数化随机建模的一个家庭的RNA序列，包括其二级结构。这种类型的随机模型可用于最大后验估计的二级结构的任何新的序列在家庭中。所提出的SCFG架构将包括成对碱基的RNA序列建模为随机加权的Dyck语言单词，即，作为加权的平衡括号表达式。不成对碱基的每一次运行的长度，形成一个环或一个凸起，被认为具有相型分布：在有限状态马尔可夫链中的命中时间。在不失一般性的情况下，每个这样的马尔可夫链可以被认为具有有限的复杂性。该计划产生一个整体的家庭SCFG与可管理的参数数量。
2007-01-24 math.PR q-bio.BM
RNA folding kinetics using Monte Carlo and Gillespie algorithms?
RNA二级结构折叠动力学对于某些过程的生物学功能是重要的，例如大肠杆菌中的hok/sok系统。杆菌虽然线性代数提供了一个精确的计算解决方案的二级结构折叠动力学相对于特纳能量模型的微小（~ 20 nt）的RNA序列，折叠动力学的较大的序列，只能近似通过分箱结构到宏观状态的粗粒度模型，或通过重复模拟二级结构折叠的蒙特卡洛算法或吉莱斯皮算法。在这里，我们调查的Monte Carlo算法和Gillespie算法之间的关系。我们证明了，渐近地，期望的时间为一个K步轨迹的Monte Carlo算法是等于<N>倍的Gillespie算法，其中<N>表示玻尔兹曼期望网络度。如果网络是规则的（即每个节点都有相同的度），那么由蒙特卡罗算法计算的平均首次通过时间（MFPT）等于由吉莱斯皮算法计算的MFPT乘以<N>;然而，这对于非规则网络是不正确的。特别地，RNA二级结构折叠动力学，如通过Monte Carlo算法计算的，不等于折叠动力学，如通过Gillespie算法计算的，尽管平均第一次通过时间大致相关。根据Monte Carlo和Gille spie算法的RNA二级结构折叠的模拟软件是公开可得的，正如我们计算给定RNA序列的二级结构的网络的预期程度的软件（参见http://bioinformatics.bc.edu/clote/ RNAexpNumNbors.
2017-07-12 q-bio.BM
Cold denaturation of RNA secondary structures with loop entropy and quenched disorder
利用约束退火方法研究了具有猝灭序列随机性的RNA二级结构的折叠。热力学相变诱导包括环结构的构象重量。除了预期的高温熔融外，还出现了冷熔融转变。我们的研究结果表明，实验发现的RNA冷变性，实际上是一个连续的相变猝灭的顺序无序触发。我们计算了热熔融和冷熔融的临界温度之间的有利和不利的碱基对的竞争能量的情况下，并提出了一个相图作为循环指数和温度的函数。
2018-10-05 cond-mat.soft physics.bio-ph q-bio.BM
The rainbow-spectrum of RNA secondary structures
本文分析了RNA二级结构中彩虹的长度谱。二级结构中的彩虹是关于嵌套诱导的偏序的最大弧。我们发现，在这个长度谱有一个显着的差距。我们将证明渐近地几乎必然存在一个长度至少为$n-O(n^{1/2})$的唯一最长彩虹，并且以很高的概率，任何其他彩虹都有有限的长度。我们表明，最长的彩虹的长度的分布收敛到一个离散的极限法律，并为有限的$k$，彩虹的长度分布$k$，成为大$n$一个负二项分布。然后，我们把本文的结果的背景下，比较分析结果与RNA最小自由能结构，生物RNA结构中观察到的，并与我们的研究结果的稀疏折叠算法。
2018-06-08 math.CO math.PR q-bio.BM
Improved RNA pseudoknots prediction and classification using a new topological invariant
基于两个拓扑不变量，提出了一种新的具有伪结的RNA二级结构的拓扑刻画。从RNA二级结构的经典弧表示出发，我们考虑了一个模型，它耦合了I）图的拓扑亏格和II）对应的本原图的交叉弧的数目。我们增加了一个长期的比例，这些拓扑不变量的RNA分子的标准自由能，从而获得一种新的自由能参数化，考虑到丰富的拓扑结构的RNA pseudoknots中观察到的RNA数据库。
2016-05-16 q-bio.BM
MERGE-RNA: a physics-based model to predict RNA secondary structure ensembles with chemical probing
Université de Strasbourg（斯特拉斯堡大学）
本研究提出MERGE-RNA模型，通过物理建模方法预测RNA二级结构集，克服了传统方法在解析化学探针数据方面的局限，实现了对RNA结构集的更准确和可解释的预测。
2026-08-12 physics.bio-ph q-bio.BM
Asymptotic distribution of motifs in a stochastic context-free grammar model of RNA folding
我们分析了预测程序Pfold中使用的Knudsen-Hein随机上下文无关文法给出的RNA二级结构的分布。我们证明了在这个概率模型中，RNA二级结构中的碱基对、螺旋和各种类型的环的分布是渐近高斯的，对于语法概率的一般选择。我们的证明是基于概率生成函数的奇异性分析。最后，我们使用我们的结果来讨论这个模型如何反映一些已知的核糖体二级结构的属性。
2012-04-16 math.CO q-bio.BM
Neural representation and generation for RNA secondary structures
McGill University（麦吉尔大学）；Mila（米拉）
我们的工作涉及RNA的生成和靶向设计，RNA是一种遗传大分子，可以采用影响其细胞活性和功能的复杂结构。大规模和复杂的生物结构的设计刺激了专用的基于图的深度生成建模技术，这代表了计算药物发现的关键但未被充分认识的方面。在这项工作中，我们研究了代表和生成不同RNA结构模式背后的原理，并提出了一个灵活的框架，以联合嵌入和生成这些分子结构及其序列在一个有意义的潜在空间。凭借对RNA分子结构的深刻理解，我们最先进的编码和解码方法在分子图以及连接树层次上操作，整合了关于RNA结构规律性和折叠机制的强诱导偏差，从而实现了生成的RNA的高结构有效性，稳定性和多样性。此外，我们试图充分组织RNA分子嵌入与蛋白质相互作用的潜在空间，并使用有针对性的优化来在这个潜在空间中导航，以寻找所需的新型RNA分子。
2021-02-01 cs.LG q-bio.BM
Nature of the glassy phase of RNA secondary structure
我们通过确定涉及l个碱基的激发的典型能量标度E（l）来表征RNA二级结构的简单模型的低温相。在零温度下，我们发现了一个标度律E（1）\sim 1 ^θ，θ \approx为0.23，并且在足够低的温度下，同样的标度也成立。在临界温度以上，存在不同的相，其特征在于类似于标度指数θ=1的均聚物的相对平坦的自由能景观。这些结果加强了有利于在低温下存在玻璃相的证据。
2002-03-04 cond-mat.dis-nn cond-mat.stat-mech q-bio.BM
Direct-Coupling Analysis of nucleotide coevolution facilitates RNA secondary and tertiary structure prediction
尽管非编码RNA具有生物学重要性，但其结构表征仍然具有挑战性。利用快速增长的序列数据库，我们分析核苷酸的同源序列之间的协同进化，通过直接耦合分析，以检测核苷酸-核苷酸接触。对于一组有代表性的核糖开关，我们表明，直接耦合分析的结果与广义Nussinov算法相结合，系统地提高了RNA二级结构预测的结果，超越了传统的协方差方法的基础上的互信息。更重要的是，我们表明，直接耦合分析的结果是丰富的三级结构接触。通过将这些预测整合到分子建模工具中，与单独使用二级结构信息相比，可以获得系统改进的三级结构预测。
2015-10-12 physics.bio-ph q-bio.BM
Combinatorics of locally optimal RNA secondary structures
RNA二级结构的渐近数为$1.104366 \cdot n^{-3/2} \cdot 2.618034^n$是Stein和Waterman的经典结果。出于动力学的RNA二级结构的形成，我们有兴趣在确定的渐近数量的二级结构是局部最优的，相对于一个特定的能量模型。在Nussinov能量模型中，每个碱基对结构的能量贡献为-1，局部最优结构恰好是饱和结构，我们之前已经证明，对于长度为$n$的序列，渐近地存在$1.07427\cdot n^{-3/2} \cdot 2.35467^n$许多饱和结构。在本文中，我们考虑的基础堆叠能量模型，Nussinov模型的一个温和的变种，其中每个堆叠的碱基对有助于-1对结构的能量。相对于碱基堆积能量模型的局部最优结构正是那些茎不能延伸的二级结构。这种结构首先由Evers和Giegerich考虑，他们描述了一种动态规划算法来枚举所有局部最优结构。在本文中，我们应用枚举组合学的方法来计算这种结构的渐近数。此外，我们认为类似的组合问题的二级结构与注释的单链，堆叠核苷酸（悬垂）。
2012-12-30 math.CO q-bio.BM
Effects of RNA branching on the electrostatic stabilization of viruses
许多单链（ss）RNA病毒从衣壳蛋白亚基和核酸自组装以形成感染性病毒体。据信，带负电荷的RNA和带正电荷的病毒衣壳蛋白之间的静电相互作用驱动了包装，尽管越来越多的证据表明病毒RNA的序列也在包装中起作用。特别地，该序列将决定ssRNA在溶液中可能采用的二级结构。在这项工作中，我们使用平均场论来研究如何结合静电相互作用的RNA的二级结构影响组装的效率和组装的病毒粒子的稳定性。我们表明，RNA的二级结构可能会导致负渗透压，而线性聚合物在相同的条件下会导致正渗透压。这可能表明，分支结构使RNA更有效地包装和病毒粒子更稳定。
2016-08-09 cond-mat.soft physics.bio-ph q-bio.BM
McGenus: A Monte Carlo algorithm to predict RNA secondary structures with pseudoknots
我们提出了McGenus，一个算法来预测RNA二级结构的伪结。该方法是基于RNA结构的分类，根据其拓扑属。McGenus可以处理多达1000个碱基的序列，并对它们的最小自由能结构进行高级随机搜索，允许非平凡的伪结拓扑。具体而言，McGenus采用了多马尔可夫链计划，用于最小化一般评分函数，其中不仅包括自由能对堆叠的贡献，循环罚款等，但也是一个现象学的惩罚的属的配对图。随机搜索策略的良好性能针对TT2NE被成功地验证，TT2NE使用相同的自由能参数化并执行穷举或部分穷举结构搜索，尽管对于短得多的序列（高达200个碱基）。接下来，将该方法应用于其他RNA集，包括广泛的tmRNA数据库，产生与现有算法竞争的结果。最后，它表明，McGenus强调可能的限制，在自由能评分功能。该算法可在http://ipht.cea.fr/rna/mcgenus.php作为网络服务器获得。
2013-02-14 cond-mat.soft q-bio.BM
RNA Secondary Structures: Complex Statics and Glassy Dynamics
没有伪结的RNA二级结构（折叠RNA的拓扑结构）模型是具有低于临界温度的复杂状态空间的无序系统。因此，当执行蒙特卡罗模拟时，可以预期复杂的动力学（玻璃态）行为。有趣的是，与大多数其他复杂系统相比，基态和态密度可以用转移矩阵方法在多项式时间内精确计算。因此，RNA二级结构是研究算法的静态/热力学性质与动力学之间关系的理想模型。它们也构成了新的Monte Carlo方法的理想基准系统。在这里，我们考虑了三种不同的最新蒙特卡罗方法：使用平坦直方图的熵采样，优化权重集成和ParQ，它从转移矩阵估计状态密度。这些方法进行了检查，通过比较得到的态密度与精确的结果。通过研究隧穿时间、采样误差、亚稳态量和有限温度下超度量度之间的相关性，我们将蒙特卡罗算法的动态复杂性与相空间的静态性质联系起来。
2008-02-02 cond-mat.dis-nn cond-mat.stat-mech q-bio.BM
On the behavior of random RNA secondary structures near the glass transition
RNA通过分子内碱基配对形成精细的二级结构。这些结构在每个细胞内执行关键的生物功能。由于可用多项式算法来计算这些结构上的配分函数，它们也是无序系统的统计物理学的合适系统。在这个模型中，低于变性温度，随机RNA二级结构存在于两个阶段之一：一个强烈无序，低温玻璃相，和一个弱无序，高温熔融相。两个碱基配对的概率随它们的距离以指数3/2衰减，在熔融相中约为4/3。从玻璃化转变分离的两相的重整化场理论以前的结果的启发，我们数值研究这种转变。我们引入不同的顺序参数为每个阶段，都消失在临界点。最后，我们探讨了这种转变背后的驱动机制。
2019-01-15 cond-mat.dis-nn cond-mat.stat-mech q-bio.BM
RNA Secondary Structure Prediction Using Transformer-Based Deep Learning Models
Johns Hopkins University（约翰霍普金斯大学）；Columbia University（哥伦比亚大学）；Northeastern University（东北大学）
该研究围绕RNA结构预测展开，介绍相关基础概念与机器学习应用，提出基于ResNet的RNA三级结构评分模型及预测算法，同时指出该领域现存的开放性挑战。
2024-04-14 cs.AI cs.LG q-bio.BM
Fast, approximate kinetics of RNA folding
在本文中，我们介绍的软件套件，Hermes，它提供了快速，新颖的算法RNA二级结构动力学。使用快速傅里叶变换来有效地计算给定RNA序列的二级结构S具有碱基对距离X [resp. y]从参考结构A [resp. B]，Hermes在这个粗粒度模型中计算从A到B的折叠的精确动力学。特别地，Hermes通过使用矩阵求逆从转移概率矩阵计算平均首次通过时间，并且还通过使用谱分解从速率矩阵计算平衡时间。由于模型的粒度和Hermes的速度，它能够确定大RNA序列的二级结构重折叠动力学，超出了其他方法的范围。Hermes与其他方法的比较基准表明，Hermes提供了适用于RNA的计算设计的准确性的重折叠动力学，这是合成生物学的一个重要领域。Hermes的源代码和文档可在http：//bioinformatics上获得。bc.edu/clotelab/Hermes/.
2015-01-19 q-bio.BM
α-HMM: A Graphical Model for RNA Folding
University of Georgia（佐治亚大学）；North Oconee High School（北奥科尼高中）
提出α-HMM图模型，通过灵活限制随机过程中的事件影响关系，高效预测含假结的RNA二级结构。
2024-01-07 cs.LG q-bio.BM
An Efficient Algorithm for Exploring RNA Branching Conformations under the Nearest-Neighbor Thermodynamic Model
提出一种高效划分参数空间的新算法，能以最少计算量识别RNA序列的所有分支构象，在Archive II数据集上验证了重新参数化多环模型可显著提升预测准确率，为长序列和大尺度数据集的结构探索提供了可行方案。
2025-10-14 q-bio.BM
Parametric analysis of RNA folding
我们将最近的参数序列比对方法扩展到参数空间，用于对RNA折叠进行评分。这涉及RNA多表位的构建。该多面体的顶点对应于具有共同分支的RNA二级结构。我们使用这个多面体和它的正常风扇研究的影响，不同的三个参数的自由能模型，没有实验确定。我们的研究结果表明，这些特定的参数的变化并没有显着的影响，由自由能模型预测的结构。我们还将已知的RNA二级结构的集合映射到RNA多表位。
2009-04-23 math.CO q-bio.BM
