要点:

南开大学、山东大学以及北京理工大学联合团队研发了trRosettaRNA，一种基于深度学习的自动化RNA3D结构预测方法，通过Transformer网络实现1D和2D几何形状预测，再通过能量最小化进行3D结构折叠。

在CAS15和RNA-Puzzles实验的盲测中，trRosettaRNA自动预测的天然RNA与人类顶级预测竞争力强，性能优于传统的自动化方法，特别在与其他深度学习方法相比的性能评估中表现更佳。

RNA3D结构预测领域仍存在挑战，尤其在处理大RNA结构和新型RNA上。深度学习方法在RNA结构预测方面仍处于起步阶段，但随着发展，有望推进RNA结构预测的精度和效率。

站长之家11月27日 消息:近期，南开大学、山东大学以及北京理工大学的联合团队成功开发了一种基于深度学习的自动化RNA3D结构预测方法，命名为trRosettaRNA。该方法采用Transformer网络，通过进行1D和2D几何形状预测，再通过能量最小化实现3D结构折叠。在CAS15和RNA-Puzzles实验的盲测中，trRosettaRNA展现出与人类预测竞争力强的优越性能，尤其在与其他深度学习方法相比的评估中表现更佳。

然而，这一领域仍面临挑战。RNA3D结构的预测对于大RNA结构和新型RNA依然具有挑战性。当前的RNA3D结构预测方法分为基于模板和从头方法两类，而从头方法尤其在处理大RNA时存在困难。深度学习近年来在RNA3D结构预测中取得一些进展，但仍处于起步阶段。尽管trRosettaRNA在内部基准测试中取得了令人鼓舞的准确性，但其在新型RNA上的性能仍受到限制。合成RNA的自动结构预测也仍然具有挑战性。

对于该方法的展望，研究者希望深度学习能够进一步推动RNA结构预测的准确性和效率。然而，文章也指出了一些局限性，包括性能受到预测二级结构质量的影响以及在新型RNA上的性能有限。综合而言，trRosettaRNA的研发标志着深度学习在RNA结构预测领域的发展，同时也提醒我们仍需不断努力以解决其中的挑战。

在未来，我们期待着深度学习方法在RNA结构预测方面的进一步发展，为理解RNA分子的生物学功能提供更为准确的工具和方法。