基于深度卷积神经网络的RNA三维结构打分函数

摘要：

非编码RNA的三维结构对于人们理解和干预其生物功能具有重要的意义,从计算的角度发展RNA结构预测方法可以加速结构获取过程,对三维结构进行评分是进行结构预测的关键步骤.近年来,基于机器学习的方法,如AlphaFold2,已在分子结构预测领域取得了革命性的进展.基于深度卷积神经网络,建立了一个对RNA三维结构进行评估的方法.为了训练这一网络,建立了一个非冗余的含有422个RNA以及126600个decoys结构的数据集.训练得到的模型在RNA-Puzzles数据集上进行了测试,结果表明,在28个RNA中,网络从众多decoys中挑选出实验结构的正确率约为71.4％,这一结果比之前有所提高.另外,还对网络的工作机制进行了分析,发现神经网络对结构评分的倾向性和已知的物理化学知识相一致.

关键词：RNA结构预测、打分函数、卷积神经网络、深度学习、机器学习

所属期刊栏目：58

分类号：Q615(理论生物物理学)

资助基金：国家自然科学基金;国家自然科学基金;国家自然科学基金

在线出版日期：2022-09-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：369-376