Automated RNA structure prediction uncovers a missing link in double glycine riboswitches
功能性RNA分子的三级结构仍然难以破译。新一代的自动化RNA结构预测方法可能有助于解决这些挑战，但尚未得到实验验证。在这里，我们应用四个预测工具，一个显着的一类双甘氨酸核糖开关，表现出配体结合的协同性。一种新的方法（BPPalign），RMdetect，JAR 3D和Rosetta 3D建模给出了一致的预测一个新的茎P0和扭结转基序。这些元件构成RNA的双适体之间的接头。F.具有SHAPE、DMS和CMCT探测的核质核糖开关、突变和图谱研究以及突变/拯救实验都为结构化接头提供了强有力的证据。在分离两个甘氨酸结合转变的溶液条件下，破坏这种螺旋-连接-螺旋结构会使两个转变的结合常数降低120倍和6至30倍，对应于4.3 \pm 0.5 kcal/mol的总体能量影响。由于RNA的过度截短，来自几个实验室的先前生物化学和晶体学研究不包括这个关键元素。我们认为，几个进一步未被发现的元素可能存在于这个和其他RNA开关的侧翼区域，自动预测工具现在可以在它们的检测和解剖中发挥强大的作用。
2011-10-04 q-bio.BM q-bio.QM
LAMP-PRo: Label-aware Attention for Multi-label Prediction of DNA- and RNA-binding Proteins using Protein Language Models
Department of Computer Science and Engineering, Shiv Nadar University Chennai, Tamil Nadu, India（计算机科学与工程系，Shiv Nadar大学 Chennai，印度 Tamil Nadu）
本文提出LAMP-PRo框架，融合ESM-2蛋白质语言模型、CNN、多头自注意力、标签感知与跨标签注意力，以多标签方式准确区分DBP、RBP及DRBP。
2025-10-21 cs.AI cs.LG q-bio.QM
Predicting COVID-19 Prevalence Using Wastewater RNA Surveillance: A Semi-Supervised Learning Approach with Temporal Feature Trust
Mount Holyoke College（马修斯学院）；Groton School（格罗顿学校）；University of Massachusetts Amherst（马萨诸塞大学阿默斯特分校）
本文提出一种半监督学习方法，利用污水RNA监控数据预测新冠流行病，解决时间特征可靠性问题。
2025-11-27 cs.LG q-bio.QM stat.AP
Molecular dynamics simulations with grand-canonical reweighting suggest cooperativity effects in RNA structure probing experiments
本研究使用全原子分子动力学模拟，在巨正则系综下开发了一种计算分子亲和力的通用技术，揭示了RNA与SHAPE试剂结合时的协同效应会导致浓度依赖性反应性，并通过新实验进行了定性验证。
2022-09-26 physics.app-ph physics.bio-ph physics.chem-ph
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
CloudPred: Predicting Patient Phenotypes From Single-cell RNA-seq
Stanford University（斯坦福大学）；California Institute of Technology（加州理工学院）；University of California, San Francisco（加州大学旧金山分校）；Chan-Zuckerberg Biohub（陈·扎克翰生物中心）
单细胞RNA测序（scRNA-seq）有可能提供强大的高分辨率特征，为疾病预后和精准医疗提供信息。本文通过开发一种可解释的机器学习算法CloudPred，从scRNA-seq数据中预测个体的疾病表型，朝着这一目标迈出了重要的第一步。从scRNA-seq预测表型对于标准机器学习方法来说是具有挑战性的-测量的细胞数量可以在个体之间变化几个数量级，并且细胞群体也是高度异质的。典型的分析会产生伪批量样品，这些样品偏向于先前的注释，并且也会失去单细胞分辨率。CloudPred通过一种新型的端到端可微分学习算法来解决这些挑战，该算法与生物学上知情的细胞类型混合模型相结合。CloudPred自动推断对表型显著的细胞亚群，而无需预先注释。我们开发了一个系统的仿真平台来评估CloudPred的性能和我们提出的几种替代方法，并发现CloudPred在几种设置中优于替代方法。我们进一步在142名狼疮患者和对照组的真实scRNA-seq数据集上验证了CloudPred。CloudPred达到0.98的AUROC，同时鉴定出一种特异性的CD 4 T细胞亚群，其存在高度指示狼疮。CloudPred是一个强大的新框架，可以从scRNA-seq数据中预测临床表型并识别相关细胞。
2021-10-13 cs.LG q-bio.QM
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
OnionNet-2: A Convolutional Neural Network Model for Predicting Protein-Ligand Binding Affinity based on Residue-Atom Contacting Shells
虚拟筛选中的一个关键任务是准确预测蛋白质-配体复合物的结合亲和力（$\triangle$ $G$）。最近，由于深度学习（DL）从原始数据中提取有用特征的非凡能力，它显著提高了评分函数的预测准确性。然而，为了提高预测精度和降低计算成本，在许多方面还需要付出更多的努力。在这项研究中，我们提出了一个简单的评分函数（称为OnionNet-2）基于卷积神经网络预测$\triangle$ $G$。蛋白质与配体相互作用的特征在于蛋白质残基与配体原子在多个距离壳层中的接触数量。与已发布的模型相比，OnionNet-2的功效被证明是两个广泛使用的数据集CASF-2016和CASF-2013基准的最佳。OnionNet-2模型通过对接计划的非实验诱饵结构和CSAR NRC-HiQ数据集（CSAR提供的高质量数据集）进行了进一步验证，取得了很大的成功。因此，我们的研究提供了一个简单而有效的评分函数预测蛋白质-配体结合自由能。
2021-03-22 q-bio.QM
Predicting Hydroxyl Mediated Nucleophilic Degradation and Molecular Stability of RNA Sequences through the Application of Deep Learning Methods
International School Basel（巴塞尔国际学校）
合成和有效实施mRNA链已被证明具有广泛的用途，特别是最近在COVID疫苗的开发中。然而，由于核糖中存在2 '-羟基，mRNA的内在化学稳定性提出了挑战。骨架结构中的-OH基团能够通过去质子化的羟基对相邻的磷进行碱催化的亲核攻击，并随后使磷酸二酯键自水解。正如在线水解裂解反应所预期的那样，mRNA链的化学稳定性高度依赖于外部环境因素，例如pH值、温度、氧化剂等。使用计算模型预测这种化学不稳定性将减少合成序列的数量，并通过鉴定最有希望的候选物进行测试，从而有助于mRNA相关疗法的开发。本文提出并评估了三种深度学习模型（长短期记忆、门控递归单元和图卷积网络），作为预测mRNA序列降解反应性和风险的方法。本研究中使用了6034个mRNA序列的斯坦福开放疫苗数据集。训练集由3029个这些序列（长度为107个核苷酸碱基）组成，而测试数据集由3005个序列（长度为130个核苷酸碱基）组成，以结构化（最低熵碱基对概率矩阵）和非结构化（节点和边缘）形式。准确地生成mRNA链的稳定性，其中图卷积网络是反应性的最佳预测器（$RMSE = 0.249$），而门控递归单元网络在预测降解风险（$RMSE = 0.266$）方面是最佳的。结合所有目标变量，GRU表现最好，准确率为76%。结果表明，这些模型可以应用于理解和预测mRNA的化学稳定性在不久的将来。
2021-09-26 cs.LG q-bio.QM
Predicting Molecular Phenotypes with Single Cell RNA Sequencing Data: an Assessment of Unsupervised Machine Learning Models
West High School（西高中）；University of Utah（犹他大学）
根据美国国家癌症研究所的数据，2018年有950万人死于癌症。改善治疗的一个挑战是遗传不稳定细胞的耐药性。本研究的目的是通过使用管道和评估指标分析单细胞RNA测序（scRNAseq）数据，评估无监督机器学习对异质性肿瘤中治疗耐药表型的分类。scRNAseq定量细胞中的mRNA并表征细胞表型。分析了一个scRNAseq数据集（不同分子亚型的肿瘤/非肿瘤细胞和患者鉴定）。该管道包括数据过滤，主成分分析降维，均匀流形近似和投影投影，九种方法（Ward，BIRCH，高斯混合模型，DBSCAN，光谱，亲和传播，凝聚聚类，均值漂移和K均值）的聚类，以及评估。7个模型划分肿瘤与非肿瘤细胞和分子亚型，6个模型分类不同的患者身份（其中13个在数据集中列出）; K-Means、Ward和BIRCH通常排名最高，肿瘤与非肿瘤任务的准确率约为80%，分子亚型和患者ID的准确率约为60%。和BIRCH模型被评估为最有效的用于进一步分析。在目前没有scRNAseq分析标准方案的临床研究中，从该管道生成的簇可用于了解癌症细胞行为和恶性生长，直接影响治疗的成功。
2021-08-11 cs.LG q-bio.CB q-bio.GN
Deep Learning Framework for RNA Inverse Folding with Geometric Structure Potentials
Annabelle Yao
本文提出基于几何结构势的RNA逆折叠深度学习框架，通过整合GVP层与Transformer架构，实现了端到端的RNA设计，取得了优于现有方法的性能。
2025-12-31 cs.LG q-bio.QM
Combinatorial analysis of interacting RNA molecules
近年来，一些最小自由能折叠算法被提出来用于预测两个相互作用的RNA分子的连接结构。它们的折叠目标是相互作用结构，其可以表示为具有两个在彼此顶部水平绘制的主链的图，使得（1）分子内和分子间键是非交叉的，并且（2）没有“之字形”构型。本文研究了弧长至少为4且内外叠层长度至少为2（无孤立弧）的节理结构。本文的核心思想是考虑一种新的形状，基于这种形状，可以通过符号枚举来导出关节结构。我们的研究结果意味着简单的渐近公式的联合结构的数量惊人的小指数增长性率。它们在设计RNA-RNA相互作用的预测算法的上下文中是感兴趣的。
2010-06-21 math.CO q-bio.BM q-bio.QM
TripHLApan: predicting HLA molecules binding peptides based on triple coding matrix and transfer learning
Central South University（中南大学）；Old Dominion University（奥多明尼昂大学）
人类白细胞抗原（Human leukocyte antigen，HLA）是人体免疫领域的重要分子家族，它识别外来威胁并通过向T细胞提呈肽来触发免疫反应。近年来，合成肿瘤疫苗以诱导特异性免疫反应已成为肿瘤治疗的前沿。通过计算机模拟肽与HLA之间的结合模式可以大大加快肿瘤疫苗的开发。然而，大多数预测方法的性能非常有限，它们不能充分利用现有的生物学知识作为建模的基础。在本文中，我们提出了TripHLApan，一种新的泛特异性预测模型，HLA分子肽结合预测。TripHLApan通过集成三重编码矩阵，BiGRU + Attention模型和迁移学习策略，具有强大的预测能力。综合评价证明了TripHLApan在不同测试环境中预测HLA-I和HLA-II肽结合的有效性。HLA-I的预测能力在最新的数据集中得到了进一步证明。此外，我们表明TripHLApan在黑色素瘤患者的样品中具有很强的结合重建能力。结论：TripHLApan是预测HLA-I和HLA-II分子肽结合的有力工具，可用于肿瘤疫苗的合成。
2022-08-06 cs.LG q-bio.QM
Predicting the Binding of SARS-CoV-2 Peptides to the Major Histocompatibility Complex with Recurrent Neural Networks
Fraunhofer Heinrich Hertz Institute（弗劳恩霍夫海因里希·赫兹研究所）
用机器学习预测病毒肽与主要组织相容性复合体的结合可能会扩展疫苗开发的计算免疫学工具包，并作为对抗大流行病的关键组成部分。在这项工作中，我们适应和扩展USMPep，最近提出的，概念上简单的预测算法的基础上循环神经网络。最值得注意的是，我们结合回归（结合亲和力数据）和分类器（质谱数据）从定性不同的数据源，以获得更全面的预测工具。我们在最近发布的SARS-CoV-2数据集上评估了结合稳定性测量的性能。USMPep不仅为选定的单个等位基因设定了新的基准，而且一直是性能最好的方法之一，或者对于某些指标，甚至是这项任务的整体性能最好的方法。
2021-04-16 cs.LG q-bio.QM
ResDTA: Predicting Drug-Target Binding Affinity Using Residual Skip Connections
Bangladesh University of Engineering and Technology（孟加拉国工程技术大学）
新的药物靶点（DT）相互作用的发现是药物开发过程中的重要一步。大多数用于预测DT相互作用的计算机技术都集中在二元分类上，其目标是确定DT对是否相互作用。另一方面，蛋白质配体相互作用假设结合强度值（也称为结合亲和力）的连续范围，并且预测该值仍然是困难的。随着DT知识库中亲和性数据量的增长，高级学习技术如深度学习架构可用于预测结合亲和性。在本文中，我们提出了一种基于深度学习的方法，仅使用来自靶标和药物的测序信息来预测DT结合亲和力。结果表明，所提出的基于深度学习的模型使用靶标和药物的1D表示是用于药物靶标结合亲和力预测的有效方法，并且它不需要额外的化学领域知识来工作。通过CNN构建药物和靶标的高级表示的模型使用剩余跳过连接，并且还使用额外的流来创建药物-靶标对的高级组合表示，在最大的基准数据集中实现了最佳的一致性指数（CI）性能，优于最近的最先进的方法AttentionDTA和许多其他机器学习和深度学习，用于DT结合亲和力预测的基于学习的基线方法，其使用靶标和药物的1D表示。
2023-03-20 cs.LG q-bio.QM
Assessing the accuracy of direct-coupling analysis for RNA contact prediction
已知许多非编码RNA在细胞中发挥与其结构直接相关的作用。然而，基于单一序列的结构预测是一项具有挑战性的任务。另一方面，由于测序技术的低成本，对于许多RNA家族来说，非常大量的同源序列变得可用。在蛋白质领域，近十年来出现了利用家族内突变的协方差来预测蛋白质结构的直接耦合分析（DCA）方法。到目前为止，DCA在RNA系统中的应用还很有限。我们在这里进行评估的DCA方法对17个核糖开关家庭，比较它与常用的互信息分析和最先进的R-scape协方差方法。我们还比较了不同口味的DCA，包括平均场，伪似然，并提出了一个随机过程（玻尔兹曼学习）精确地解决DCA逆问题。玻尔兹曼学习在预测高分辨率晶体结构中观察到的接触方面优于其他方法。
2019-11-29 cond-mat.stat-mech physics.bio-ph q-bio.QM
tcrLM: a lightweight protein language model for predicting T cell receptor and epitope binding specificity
本研究针对TCR多样性导致抗原-TCR结合预测困难的问题，提出轻量级掩码语言模型tcrLM，通过掩码训练、虚拟对抗训练及基于超1亿条序列的预训练，在多测试集上性能优于现有方法和主流蛋白语言模型，还可指示免疫治疗反应与临床结果。
2025-11-08 cs.AI q-bio.QM
Predicting the Directional Transport of Multivalent Cargo from Position Dependent Binding and Unbinding Rates
多价货物可以通过多个相互作用位点与底物相互作用，尽管在不同的系统中以不同的长度尺度发现，但表现出共同的特征。在这里，已经开发了一个通用的分析模型，可以描述多价货物的运动作为响应的位置依赖性的结合和解结合率的相互作用位点。货物表现出有效的扩散率和速度，它的作用方向是增加货物-基板的结合率和降低货物-基板的解结合率。该模型可以重现先前发表的实验结果，仅使用货物相互作用位点的结合和解结合速率分布，而无需任何进一步的参数拟合。扩展的货物绑定模型的两个维度揭示了一个有效的速度与相同的属性推导出的$1$ D的情况下。
2021-11-13 physics.bio-ph q-bio.QM q-bio.SC
Attention-aware contrastive learning for predicting T cell receptor-antigen binding specificity
Nanjing Tech University（南京工业大学）
已经证实，只有一小部分由细胞表面上的MHC I类分子呈递的新抗原可以引发T细胞。这种限制可归因于T细胞受体（TCR）对肽-MHC复合物（pMHC）的结合特异性。T细胞与新抗原结合的计算预测是一项具有挑战性且尚未解决的任务。在本文中，我们提出了一个注意掩模对比学习模型，ATMTCR，推断TCR抗原结合特异性。对于每个输入TCR序列，我们使用Transformer编码器将其转换为潜在表示，然后根据注意力权重屏蔽一定比例的残差以生成其对比视图。在大规模TCR CDR 3序列上进行预训练，我们验证了对比学习显著提高了TCR与肽-MHC复合物（pMHC）结合的预测性能。除了检测重要的氨基酸及其在TCR序列中的位置，我们的模型还可以提取底层的TCR-抗原结合特异性的高阶语义信息。在两个独立的数据集上进行了对比实验，结果表明，该方法的性能优于现有算法。此外，我们有效地确定了重要的氨基酸和他们的位置偏好，通过注意力权重，这表明我们提出的模型的可解释性。
2022-05-17 cs.LG q-bio.QM
AbAffinity: A Large Language Model for Predicting Antibody Binding Affinity against SARS-CoV-2
Department of Computer Science and Engineering,University of California, Riverside（加州大学河滨分校计算机科学与工程系）；Riggs School of Applied Life Sciences, Keck Graduate Institute, Claremont（克劳斯研究生院应用生命科学学院）
AbAffinity是一种通过大语言模型预测抗SARS-CoV-2病毒抗体结合亲和力的新型方法。
2026-03-04 cs.LG q-bio.QM
Pretata: predicting TATA binding proteins with novel features and dimensionality reduction strategy
Xiamen University（厦门大学）
背景：从新的蛋白质一级序列中发现蛋白质的功能是必要的。湿实验室实验不仅耗时，而且成本高，因此仅基于氨基酸序列可靠地预测蛋白质结构和功能具有重要价值。TATA结合蛋白（TBP）是一类DNA结合蛋白，在转录调控中起着关键作用。我们的研究提出了一个自动化的方法来识别TATA结合蛋白的高效，准确，方便。该方法为计算智能策略识别特定蛋白质提供了指导。结果如下：首先，我们提出了基于伪氨基酸组成、理化性质和二级结构的TBP指纹特征。其次，采用层次特征降维策略进一步提高性能。目前，Pretata实现了92.92%的TATA结合蛋白预测准确率，优于所有其他现有方法。结论：实验结果表明，该方法可以大大提高预测精度和速度，从而使大规模NGS数据预测实用化。开发了一个网络服务器，以方便其他研究人员，可以在http://server.malab.cn/preTata/上访问。
2017-03-07 cs.LG q-bio.BM q-bio.QM
Predicting mutational effects on protein-protein binding via a side-chain diffusion probabilistic model
Institute of Computing Technology, Chinese Academy of Sciences（中国科学院计算技术研究所）；University of Chinese Academy of Sciences（中国科学院大学）；Central China Research Institute for Artificial Intelligence Technologies（中原人工智能产业技术研究院）
本文提出SidechainDiff，利用未标注蛋白质结构和黎曼扩散模型学习侧链构象生成及突变结构上下文表示，在预测突变对蛋白质-蛋白质结合影响上达到最先进性能，并成为首个面向侧链的扩散生成模型。
2023-10-30 cs.LG q-bio.BM q-bio.QM
AptaTRACE: Elucidating Sequence-Structure Binding Motifs by Uncovering Selection Trends in HT-SELEX Experiments
适体是合成的短RNA/DNA分子，以高亲和力和特异性结合特异性靶标，在越来越多的生物医学应用中被利用。通过指数富集配体系统进化（SELEX）方案在体外鉴定适体。SELEX通过一个迭代过程选择结合剂，该过程从随机ssDNA/RNA序列池开始，通过一系列选择循环扩增靶-仿射物质。HT-SELEX将SELEX与高通量测序相结合，最近改变了适体的开发，并为更多的应用开辟了领域。HT-SELEX能够生成超过5亿个数据点，挑战计算科学家识别适体属性的任务，例如确定结合的序列结构基序。虽然目前可用的基序发现方法建议部分解决这个问题，没有一个具有HT-SELEX数据所需的通用性或可扩展性，并且它们没有利用实验过程的重要特性。我们提出了AptaTRACE，一种新的方法用于鉴定HT-SELEX衍生的适体中的序列结构结合基序。我们的方法利用了SELEX协议的实验设计，并确定了显示选择签名的序列结构基序。由于其独特的方法，AptaTRACE可以发现基序，即使这些基序只存在于池的一小部分。由于这些特征，我们的方法可以帮助减少产生具有所需特性的适体所需的选择循环的数量，从而减少这种相当昂贵的程序的成本和时间。模拟和真实数据的方法的性能表明，AptaTRACE可以检测序列结构基序，即使在高度挑战性的数据。
2016-04-05 cs.CE q-bio.QM
GDGRU-DTA: Predicting Drug-Target Binding Affinity Based on GNN and Double GRU
Hunan Normal University（湖南师范大学）
预测药物和靶点亲和力（DTA）的工作对于药物开发和再利用至关重要。在这项工作中，我们提出了一种称为GDGRU-DTA的新方法来预测药物与靶标之间的结合亲和力，该方法基于GraphDTA，但我们认为蛋白质序列是长序列，因此简单的CNN不能很好地捕获蛋白质序列中的上下文依赖性。因此，我们通过将蛋白质序列解释为时间序列并使用门递归单元（GRU）和双向门递归单元（BiGRU）提取其特征来改进它。对于药物，我们的处理方法与GraphDTA类似，但使用了两种不同的图形卷积方法。随后，药物和蛋白质的表示被连接起来用于最终预测。我们在两个基准数据集上评估了所提出的模型。我们的模型优于一些最先进的深度学习方法，结果证明了我们模型的可行性和出色的特征捕获能力。
2022-04-25 cs.AI cs.LG q-bio.QM
Deep Graph Convolutional Network and LSTM based approach for predicting drug-target binding affinity
Indian Association for the Cultivation of Science（印度科学培育协会）
开发新药是一个昂贵而耗时的过程。由于SARS-CoV-2在全球范围内的爆发，必须尽快开发针对SARS-CoV-2的新药。药物再利用技术可以通过探测现有FDA批准的药物及其特性来减少开发新药所需的时间跨度，以将其重新用于对抗新疾病。我们提出了一种新的架构DeepGLSTM，这是一种基于图卷积网络和LSTM的方法，可以预测FDA批准的药物与SARS-CoV-2病毒蛋白之间的结合亲和力值。我们提出的模型已经在Davis，KIBA（激酶抑制剂生物活性），DTC（药物靶点共享），Metz，ToxCast和STITCH数据集上进行了训练。我们使用我们的新架构来预测2，304种FDA批准的药物对5种病毒蛋白的综合评分（使用Davis和KIBA评分计算）。根据综合评分，我们列出了对SARS-CoV-2中存在的5种病毒蛋白具有最高结合亲和力的前18种药物。随后，该清单可用于创造新的有用药物。
2022-01-18 cs.LG q-bio.QM
LinearAlifold: Linear-Time Consensus Structure Prediction for RNA Alignments
本文提出LinearAlifold，将RNA比对共识结构预测降至随序列长度与数量线性扩展，支持多种能量模型和预测模式，并在SARS-CoV-2数据上实现约36倍加速与更高准确率。
2024-07-05 cs.DS physics.bio-ph 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
LinearFold: linear-time approximate RNA folding by 5'-to-3' dynamic programming and beam search
动机：预测RNA序列的二级结构在许多应用中是有用的。现有的算法（基于动态编程）有一个主要的局限性：它们的运行时间与RNA长度成立方关系，这种缓慢限制了它们在全基因组应用中的使用。结果如下：我们提出了一种新的替代$O(n^3)$ -时间动态规划算法的RNA折叠，是服从于化学，使其运行在$O(n)$时间和$O(n)$空间，同时产生一个高品质的近似最优解。受计算语言学中上下文无关语法的增量解析的启发，我们的替代动态编程算法以从左到右（5 '到3'）的方向而不是以自下而上的方式扫描序列，这使我们能够采用有效的波束修剪启发式。我们的工作，虽然不精确，是第一个RNA折叠算法，以实现线性运行时间（和线性空间），而不施加限制的输出结构。令人惊讶的是，我们的近似搜索结果在具有已知结构的序列的不同数据库上具有更高的整体准确性。更有趣的是，它导致对该数据库中最长序列家族（16 S和23 S核糖体RNA）的预测更加准确，并且提高了长距离碱基对（相隔500多个核苷酸）的准确性，这两个都是众所周知的对当前模型的挑战。可用性：我们的源代码可以在https：//github.com/LinearFold/LinearFold获得，我们的Web服务器位于http://linearfold.org（序列限制：100，000 nt）。
2019-12-22 cs.DS math.CO physics.bio-ph
