作為生命活動的核心元素，RNA具有復雜的三維結(jié)構(gòu)與動態(tài)性特征，直接調(diào)控著基因表達、病毒復制等關鍵生物過程，然而RNA結(jié)構(gòu)研究長期存在技術瓶頸成為科學界的一大難題。

　　3月14日，復旦大學與四川大學華西醫(yī)院團隊的合作研究成果以“Cryo-EM reveals mechanismsof natural RNA multivalency”為題發(fā)表在《科學》(Science)雜志上，作為復旦AI4S(AI for Science)的又一碩果，該研究創(chuàng)新性地將深度學習技術與冷凍電鏡技術相結(jié)合，為RNA生物學研究開辟了全新的技術路徑，不僅顯著提升RNA結(jié)構(gòu)解析的效率，更為新藥研發(fā)提供了重要技術支撐和理論指導。

　　突破RNA結(jié)構(gòu)研究的“盲盒”困境

　　傳統(tǒng)的RNA結(jié)構(gòu)解析方法面臨實驗成本高昂、預測精度不足等難題。冷凍電鏡雖然能夠解析高分辨率結(jié)構(gòu)，但要篩選出能夠形成穩(wěn)定構(gòu)象的RNA序列，仍然需要耗費大量資源。此外，現(xiàn)有算法還依賴于Rfam數(shù)據(jù)庫等二級結(jié)構(gòu)信息。

　　“RNA有很多家族，此前在解析RNA結(jié)構(gòu)時，科研人員往往不確定應該選擇哪些序列進行解析?！睆偷┐髮W智能復雜體系實驗室研究員、文章共同通訊作者孫思琦解釋道，“這就像開‘盲盒’，我們只能猜測哪些家族的序列可能具有穩(wěn)定的結(jié)構(gòu)?！?/p>

　　面對這一困境，團隊決定引入人工智能技術。孫思琦本科畢業(yè)于復旦大學數(shù)學科學學院，博士期間在美國攻讀計算機專業(yè)，研究方向為計算生物學，畢業(yè)后在美國微軟研究院開展大語言模型相關的研究。回國后，他和團隊開始嘗試用AI大模型解決生物問題，RNA結(jié)構(gòu)研究是他們持續(xù)關注的方向之一。復旦大學智能復雜體系實驗室博士生吳浩、許晟為本文共同第一作者。

　　孫思琦團隊與合作團隊共同突破三大技術：提出高速高靈敏度的蛋白質(zhì)同源物檢測方法，實現(xiàn)遠程同源物的快速識別;開發(fā)高精度端到端RNA三維結(jié)構(gòu)預測方法，建立全鏈條結(jié)構(gòu)解析框架;設計基于非自回歸神經(jīng)網(wǎng)絡的蛋白質(zhì)譜快速解析算法，攻克質(zhì)譜數(shù)據(jù)高效解碼難題。通過融合大語言模型與對比學習技術，該系列成果在蛋白質(zhì)檢測、RNA結(jié)構(gòu)預測、蛋白質(zhì)測序等方向同步提升AI算法的速度與精度。相關研究成果于近期發(fā)表于《自然》(Nature)子刊，為本工作奠定了基礎。

　　在這項最新研究中，復旦大學與華西醫(yī)院團隊緊密合作。復旦大學團隊負責AI算法的開發(fā)，而四川大學華西醫(yī)院則負責使用冷凍電鏡對RNA結(jié)構(gòu)進行解析。

　　“通過將AI與實驗相結(jié)合，我們可以精確預測出哪些RNA序列具有穩(wěn)定的結(jié)構(gòu)?！睂O思琦表示?；贏I的分析結(jié)果，實驗人員在解析這些結(jié)構(gòu)時，只需關注那些被推薦的序列，科研效率得到了大幅提升。

　　自主研發(fā)RNA序列大模型

　　此前，在RNA結(jié)構(gòu)預測領域，傳統(tǒng)AI方法往往局限于已知結(jié)構(gòu)的簡單解析。聯(lián)合團隊創(chuàng)新性地將深度學習與冷凍電鏡結(jié)合，研發(fā)出CRAFTS智能篩選系統(tǒng)，實現(xiàn)對多聚體RNA復雜構(gòu)象的高效預測，為解析動態(tài)RNA結(jié)構(gòu)提供了“AI導航儀”。

　　團隊研發(fā)的CRAFTS模型(Contrastive RNA learning For sTructure Screening)，利用深度學習技術，能夠從海量RNA序列中挖掘潛在的折疊規(guī)律，為冷凍電鏡實驗提供精準的篩選工具，從而顯著提高效率并降低實驗成本。

圖2：CRAFTS的性能評估，分析RNA家族結(jié)構(gòu)特征。A. 對比學習用于確定輸入對是否屬于同一RNA家族。 B. 微調(diào)模型以從每個RNA家族的序列中提取結(jié)構(gòu)特征。 C基準數(shù)據(jù)性能表現(xiàn)：平均ROC曲線及標準差(基于5折交叉驗證)。D. 對5S rRNA、I類內(nèi)含子、CP II類內(nèi)含子等家族分析。通過實驗結(jié)構(gòu)測定驗證的序列以橙色標注。

　　在技術架構(gòu)和創(chuàng)新應用上，CRAFTS模型展現(xiàn)了顯著的突破性進展?；赗NAcentral、NCBI等權(quán)威數(shù)據(jù)庫的10億多條非冗余RNA序列，模型通過自監(jiān)督學習提取RNA序列的語義特征，生成深度表征。

　　基于該模型，團隊構(gòu)建了超過900萬對RNA序列，最大化同一RNA家族內(nèi)序列的相似性，最小化不同RNA家族序列之間的相似性，從而精準提取家族特異的結(jié)構(gòu)特征。

　　團隊利用Rfam數(shù)據(jù)庫中4038個RNA家族的數(shù)據(jù)進行訓練，整合了未解析的RNA種子序列作為偽負類，顯著擴展了訓練數(shù)據(jù)的范圍。這種數(shù)據(jù)增強策略大幅提升了模型的泛化能力，尤其是在數(shù)據(jù)稀缺的場景下，模型表現(xiàn)尤為突出。在僅有364個正樣本的訓練集中，CRAFTS通過5折交叉驗證展現(xiàn)了高魯棒性，測試結(jié)果的標準差低于0.03。

圖3：冷凍電鏡結(jié)構(gòu)。A. ARRPOF 二聚體雙構(gòu)象冷凍電鏡結(jié)構(gòu)。B. OLE 二聚體冷凍電鏡結(jié)構(gòu)。C. ROOL 六聚體和八聚體冷凍電鏡結(jié)構(gòu)。D. GOLLD 十二聚體冷凍電鏡結(jié)構(gòu)。

　　實際應用中，CRAFTS模型不僅在經(jīng)典RNA家族(如5S rRNA、I型內(nèi)含子和II型內(nèi)含子)中表現(xiàn)優(yōu)異，還成功應用于ARRPOF、OLE、ROOL和GOLLD等新RNA家族的結(jié)構(gòu)篩選。

　　CRAFTS模型與冷凍電鏡技術的深度協(xié)同，成功突破了RNA結(jié)構(gòu)篩選中的“盲盒”困境，為RNA結(jié)構(gòu)生物學研究提供了全新的工具。這一研究成果不僅提升了RNA三級結(jié)構(gòu)解析的效率，還為探索RNA多態(tài)性在生命活動中的潛在功能開辟了新的可能性。

　　“RNA的結(jié)構(gòu)預測，其實還遠遠沒有被完全解決。”孫思琦表示，通過進一步優(yōu)化模型，可以提升其在不同RNA家族中的預測能力。“目前RNA相關的高質(zhì)量數(shù)據(jù)非常有限，AI賦能的科研方法將在未來發(fā)揮更大的優(yōu)勢?！?/p>

　　基于RNA結(jié)構(gòu)分析和篩選，科研人員能夠更有效地判斷哪些分子可以與RNA結(jié)合，從而加速RNA小分子藥物的研發(fā)。這一突破不僅顯著提升了RNA結(jié)構(gòu)解析的精度和效率，更為新藥研發(fā)提供了重要的技術支撐和理論指導。