90后斯坦福博士登Science封面！AI算法準確預測RNA三維結構

　　半個世紀以來，確定RNA三維結構一直困惑著科學家，也成為生物學的重大挑戰之一。而現在，90后斯坦福大學博士和團隊通過新型AI算法——ARES準確預測出RNA三維結構，堪比AlphaFold，是生物界「海嘯級」存在！

我們對大部分RNA的結構幾乎一無所知

　　半個世紀以來，確定生物分子的三維結構一直困惑著科學家，也是生物學的重大挑戰之一。難就難在，RNA折疊成復雜三維結構的形狀很難通過實驗或計算來確定。

　　而現在，美國斯坦福大學通過新型AI算法準確預測出RNA三維結構，可謂意義重大！

　　今天，Science 封面刊登了這項研究的最新成果，由斯坦福大學在讀博士生 Stephan Eismann 和 Raphael Townshend，以及計算機副教授 Ron Dror共同完成。

　　他們利用目前先進的神經網絡技術，成功開發出了一種全新 RNA 三維結構預測模型——ARES。

　　從原子入手，機器學習算法預測RNA結構！

　　RNA 分子和蛋白質一樣，會折疊成三維 (3D) 結構，來執行一系列功能，如催化反應、基因表達、調節先天免疫和感知小分子。

　　RNA的三維結構十分重要，有助于理解RNA發揮作用的機制、設計合成 RNA 和發現 RNA 靶向藥物。

　　人類基因組轉錄成 RNA 的部分是蛋白質編碼的 30 倍左右，然而，我們對RNA結構的認知還遠遠不夠，已知的RNA結構只是蛋白質結構的不到1%。

　　本文的創新之處在于引入了一種新的機器學習方法，開發出一個人工智能模型ARES（Atomic Rotationally Equivariant Scorer）來預測RNA結構，準確率極高！

　　而且，研究人員僅用了 18 個已知的 RNA 結構進行訓練。

　　更厲害的是，ARES無需對RNA的顯著特征進行假設，也就是說，它沒有關于雙螺旋、堿基對、核苷酸或氫鍵的先入為主的概念。

　　這就使ARES可以適用于任何類型的分子系統！

　　ARES包括一組已知 RNA 結構的基序和這些結構的替代（錯誤）變體。

　　通過調整參數，ARES可以了解每個原子的功能和幾何排列，和不同原子間的相對位置。這也是與其他模型不同的一點。

　　然后，神經網絡各層可以計算不同粗細尺度的特征，來識別堿基對、RNA螺旋的最佳幾何形狀、三維空間結構。

　　具體來看，ARES網絡的初始層旨在識別結構基序（生物大分子中的保守序列），也就是說，基序的特點是在訓練過程中學習的，而不是預先設定的。

　　然后，根據前一層的特征和周圍原子的幾何排列，計算出每一個原子的特征。

　　第一層的唯一輸入是每個原子的 3D 坐標和化學元素種類。

　　這些初始網絡層的架構認識到，給定的結構基序彼此間通常有不同的定位，而且，較粗尺度的基序（如螺旋）通常包括更細尺度的基序（如堿基對）的特定排列。

　　另外，每一層都是旋轉和平移等變的，也就是說，輸入的旋轉或平移在輸出時有相應的變換。

　　以上特點可確保將已識別基序的方向和位置傳遞到ARES網絡的下一層，下一層則使用此信息來識別較粗尺度的基序。

　　ARES 還可以預測全局屬性，同時詳細捕獲局部結構基序和原子間相互作用。因為它的初始層在本地收集信息，而其余層則匯總所有原子的信息。

　　測試得出，ARES可以準確識別結構模型，對RNA結構做出準確預測。

　　作者介紹

　　文章一作是Rapha?l Townshend，1993年生于加拿大蒙特利爾，是斯坦福大學計算機科學博士，目前創辦了一家設計新分子和藥物的人工智能公司，并擔任CEO。

個人主頁：https://raphael.tc.com/

　　2010-2014年，他曾在加州大學伯克利分校獲得電子工程與計算機科學學士學位。

　　Townshend對機器學習、結構生物學、高性能計算、計算機視覺這些領域的研究感興趣。他曾做過表情識別的一個CV項目，將呈現在受試者臉部的灰度圖像中的6種表情分類 (喜悅、悲傷、厭惡、憤怒、驚訝、恐懼)

　　他利用 Gabor 濾波器對輸入圖像進行一對多線性支持向量機訓練。

　　并使用了現有的標準數據集，比如，Cohn-Kanade 和 JAFFE，以及自己收集的47個主題的數據集。

　　參考資料：

　　http://science.sciencemag.org/content/373/6558/1047

　　http://science.sciencemag.org/content/373/6558/964

　　https://news.stanford.edu/2021/08/26/ai-algorithm-solves-structural-biology-challenges/

　　https://twitter.com/raphaeljlt/with_replies