Aug, 2014

完整 RNA 反折叠：功能性锤头状核糖酶的计算设计

PDF
TL;DR本文介绍了使用最新算法 RNAiFold 设计生成的十种手锤式核酸酶以及一种更大人工核酸结构的组装体，利用动力学分析显示出它们的裂解速率与靶位氨基酸比熵，集团缺陷，结构灵活性 / 刚性等有关。这是有史以来第一次完全计算设计和实验验证新型功能核酸酶。
nanotechnologysynthetic biologyribozymesrnaifoldcomputational design
发现论文，激发创造
  • SentRNA: 在计算 RNA 设计中，通过融入人类设计策略的先验知识进行改进

    通过将人类设计策略与机器学习相融合，我们提出了一种名为 SentRNA 的新型 RNA 设计算法，该算法使用全连接神经网络进行端到端训练，可以解决以前无法通过任何基于机器的方法解决的复杂问题，并在两个具有挑战性的测试集上实现了最新技术水平的性能。

    Mar, 2018

  • 基于三级结构生成的 RNA 设计

    通过细胞的 3D 生物大分子和人工智能技术的学习，RNA 的 Tertiary 结构建模是一个关键问题，该研究展示了该模型的有效性，有望在 RNA 的设计方面提供更大的帮助。

    Jan, 2023

  • 朝自动化设计类 Ribo 开关的方向

    利用计算方法设计筛选库，减少筛选候选物的数量，降低成本并提高效率，成功应用于茶碱核糖开关筛选，获得了 30% 更多的高质量候选物。

    Jul, 2023

  • RNAFlow: 通过逆向折叠流匹配的 RNA 结构和序列设计

    RNAFlow 是一种基于流动匹配模型的蛋白质条件下的 RNA 序列结构设计方法，通过集成 RNA 逆折叠模型和预训练的 RosettaFold2NA 网络生成 RNA 序列和结构，利用条件化的结构去噪网络简化了训练过程，并通过推断的构象集合对逆折叠模型进行增强，从而模拟动态的 RNA 构象。在蛋白质条件下的 RNA 结构和序列生成任务的评估中，证明了 RNAFlow 相对于现有 RNA 设计方法的优势。

    May, 2024

  • 学习设计 RNA

    提出了一种基于深度强化学习的 RNA 序列设计算法 ——LEARNA 和扩展版本 Meta-LEARNA。经实验证明，该方法在 RNA 设计方面具有新的最先进性能，且速度显著提高，同时具有较好的计算效率和普适性。

    Dec, 2018

  • 基于几何多图神经网络的多状态 RNA 设计

    本文提出了 gRNAde，这是一个几何 RNA 设计流程，它基于一组 3D RNA 主干结构操作，以显式考虑和反映 RNA 弯曲多样性来进行设计，可以改善多状态和结构多样的 RNAs 的生产。

    May, 2023

  • 使用基于 Transformer 的深度学习模型来进行 RNA 二级结构预测

    讨论了 RNA 和 RNA 的二级结构及其预测的基本概念，以及机器学习技术在预测生物大分子结构中的应用，并提出了基于 ResNet 的 RNA 三级结构预测算法和打分模型。

    Apr, 2024

  • 基于展开算法学习的 RNA 次级结构预测

    我们提出了一种端到端的深度学习模型 E2Efold，用于 RNA 二级结构预测，可以有效地考虑问题中的固有约束，并通过约束规划的未卷积算法作为深度结构的模板强制实施约束，全面实验表明，E2Efold 具有优越的性能：相对于之前的 SOTA，特别是对于伪结节数量结构的预测具有显著的改进，同时推断时间也不会慢于最快的算法。

    Feb, 2020

  • NLP 与 RNA 相遇：使用 Word2Vec 进行未监督的嵌入式学习，用于核糖酶

    本研究实现了 Word2Vec，一种自监督学习技术，用于学习核糖酶嵌入式，结果表明这种方法将有助于核糖酶的进一步研究和生物信息学领域的发展。

    Jul, 2023

  • rnaglib 中基于 3D 的 RNA 功能预测工具

    通过 rnaglib，我们使用 RNA 3D 结构数据集训练监督和无监督的机器学习模型来预测功能。

    Feb, 2024