Nature Methods | RNA结构预测迎来新路线：RNAbpFlow如何用碱基配对撬...

来源：生物探索

如果说蛋白质结构预测已经被AlphaFold推到了一个新的时代，那么RNA三维结构预测仍像一块更难啃的骨头。原因并不神秘：RNA分子柔性强、构象状态多，许多RNA并不是稳定地停留在一个单一结构里，而是在不同构象之间转换。更麻烦的是，RNA可用的同源序列、多序列比对（multiple sequence alignment, MSA）和结构模板远少于蛋白质，这使得许多在蛋白质建模中奏效的策略，到了RNA这里并不总是灵验。

6月30日，《Nature Methods》的研究报道“RNAbpFlow: base pair-augmented SE(3) flow matching for conditional RNA 3D structure generation”，提出了一个名为RNAbpFlow的新模型。它试图回答一个很关键的问题：如果不依赖MSA，不借助结构模板，只给模型RNA序列和碱基配对（base pairing）信息，它能否生成足够可靠的RNA三维结构集合？

这项研究的答案是：可以，而且在多个基准测试中，效果相当值得关注。

为什么RNA结构预测比蛋白质更“难伺候”？

RNA不是蛋白质的简化版。它的结构由核苷酸序列决定，但又高度依赖Watson–Crick碱基配对、非经典碱基配对（non-Watson–Crick base pairs）、碱基堆叠（base stacking）、伪结（pseudoknot）和长程相互作用。很多时候，RNA的二维结构信息已经暗含了大量三维折叠线索。

传统RNA三维结构预测方法大致有两类。一类依赖模板，例如ModeRNA、RNAbuilder；另一类依赖物理能量函数或知识库片段，例如FARFAR2、3dRNA、RNAComposer、Vfold3D。这些方法在某些任务上有效，但受限于RNA结构数据稀缺，也常常计算成本较高。

深度学习方法近年快速进入这个领域，例如DRfold、trRosettaRNA、trRosettaRNA2、RoseTTAFoldNA、RhoFold+和NuFold。但问题是，许多方法仍依赖显式或隐式的进化信息。对于RNA来说，可靠MSA并不总是容易获得，因为RNA碱基配对具有等构性（isosteric nature），不同序列可以维持相似结构，这会让序列比对变得棘手。

RNAbpFlow的切入点很明确：与其过度追逐同源信息，不如直接把RNA结构中最核心的约束之一：碱基配对，作为模型条件。

RNAbpFlow真正新在哪里？

RNAbpFlow是一个基于SE(3)等变流匹配（SE(3)-equivariant flow matching）的RNA三维结构生成模型。SE(3)指三维空间中的旋转和平移对称性。对分子结构建模而言，这是一个重要约束：无论把分子整体旋转或平移，模型对结构关系的理解不应改变。

它的输入主要包括两部分：RNA核苷酸序列，以及碱基配对图。研究人员使用RNAView、MC-Annotate和DSSR三种工具从实验三维结构中提取碱基配对注释，把它们作为三个二维通道输入模型。这样做的理由并不是为了简单投票，而是因为不同工具对碱基相互作用的几何判定标准不同，三者能捕捉互补信息，尤其是经典和非经典配对。

模型的输出不是粗粒度骨架，而是端到端生成全原子RNA三维结构（all-atom RNA 3D structure）。这点很重要。许多方法需要先预测骨架，再通过后处理补全原子或优化几何。RNAbpFlow采用核碱基中心表示（nucleobase center representation），并预测9个可旋转键相关的扭转角（torsion angles），从而直接重建包括糖环构象在内的全原子结构。

换句话说，它不只是画出RNA的大致轮廓，而是试图把核糖、磷酸骨架和碱基的空间位置一起放到三维世界中。

第一个信号：在12个RNA采样任务中，它比RNAJP更会“找折叠”

研究人员首先把RNAbpFlow与RNAJP进行比较。RNAJP是一种基于粗粒度分子动力学（molecular dynamics, MD）的RNA三维结构采样方法，也会显式考虑碱基配对、非经典相互作用、碱基堆叠和长程环-环相互作用。

在包含12个三向连接（three-way junction）RNA靶标的测试集中，每个靶标生成1000个三维结构样本。结果显示，RNAbpFlow在全局拓扑和局部结构指标上都优于RNAJP。

在平均lDDT方面，RNAbpFlow达到0.66，RNAJP为0.59；在平均TM-score方面，RNAbpFlow为0.38，RNAJP为0.32。

最大值指标也有提升：RNAbpFlow的最大TM-score平均为0.51，RNAJP为0.45；最大lDDT平均为0.71，RNAJP为0.65。

更值得注意的是“是否能在结构集合里找到至少一个正确折叠”。如果以TM-score > 0.45作为正确全局折叠的阈值，RNAbpFlow在66.67%的RNA靶标中找到了正确折叠，而RNAJP为41.67%。如果以lDDT > 0.75作为局部结构正确性的阈值，RNAbpFlow达到25%，RNAJP为0。

这说明RNAbpFlow的优势不只是平均分略高，而是在大规模采样中更有机会生成可用结构。在12000个RNAbpFlow生成的decoy结构中，13.4%的结构TM-score超过0.45，9.6%的结构lDDT超过0.75；RNAJP对应比例分别只有1.73%和0。

这组数据带来的启发是：对RNA来说，生成一个结构可能不够，生成一个结构集合（structural ensemble）更接近真实问题。因为RNA本来就可能存在多个构象状态，而高质量采样能力，可能比单点预测更有生物学价值。

碱基配对越准，三维结构越接近答案

RNAbpFlow最核心的假设是：碱基配对信息是RNA三维结构生成的关键条件。CASP15测试很好地验证了这一点。

在6个天然RNA靶标上，当RNAbpFlow使用准确的实验碱基配对作为输入时，平均TM-score达到0.48，全原子RMSD为7.77 Å，非Watson–Crick碱基配对的相互作用网络保真度（interaction network fidelity for non-Watson–Crick base pairs, INF-NWC）为0.62。

如果改用预测得到的碱基配对，性能下降为TM-score 0.40、RMSD 10.70 Å、INF-NWC 0.48。换算后，准确碱基配对带来20%的TM-score提升、27.4%的RMSD降低，以及29.2%的INF-NWC提升。

这组结果很关键。它说明RNAbpFlow不是“凭空变魔术”，而是高度依赖输入约束的质量。模型越能获得正确的二维配对约束，越可能恢复合理的三维构象。反过来，如果输入配对本身有噪声，模型也可能忠实执行错误指令。

研究人员进一步发现，当提供实验碱基配对时，RNAbpFlow输出结构与输入配对的一致性平均INF达到0.93；即便输入的是有噪声的预测配对，模型仍能以0.84的平均INF重现这些输入。

这既是优点，也是风险。优点是模型服从条件约束；风险是输入错误会被模型认真落实。

这对实际应用很有提醒意义：未来RNA三维结构预测的瓶颈，可能不只在三维生成模型本身，也在二维碱基配对预测的准确性，尤其是长RNA和复杂伪结结构。

与CASP15方法相比：RNAbpFlow在非经典相互作用上更有优势

在CASP15天然RNA测试中，RNAbpFlow与多种方法进行了比较。使用预测碱基配对时，RNAbpFlow的TM-score为0.40、lDDT为0.68、RMSD为10.70 Å、INF-All为0.85、INF-WC为1.00、INF-NWC为0.48、INF-Stack为0.83。

相比之下，DRfold的TM-score为0.33，NuFold为0.33，trRosettaRNA为0.32，RhoFold+为0.29。更重要的是，在非经典配对恢复上，RNAbpFlow的INF-NWC为0.48，而DRfold、NuFold、trRosettaRNA和RhoFold+分别为0.32、0.27、0.16和0.07。

这并不意味着RNAbpFlow已经解决了RNA结构预测。它仍存在立体化学质量方面的不足。研究中提到，物理或知识驱动的方法往往报告更少的原子碰撞、键长和键角违规。原因可能是RNAbpFlow默认流程中没有加入预测后几何优化。

不过，研究人员也显示，额外使用PyRosetta松弛优化可以明显改善立体化学正确性，并且对整体和局部准确性指标影响较小。

因此，一个更谨慎的判断是：RNAbpFlow在折叠拓扑和碱基相互作用恢复方面表现突出，但在作为最终可用于分子设计或药物筛选的原子模型之前，仍可能需要后处理优化和实验约束整合。

CASP16盲测：没有MSA，它仍能追上甚至超过强模型

CASP16是更接近真实挑战的盲测场景。研究人员使用CASP16中28个已有实验结构的RNA靶标，并重点分析其中14个长度不超过200个核苷酸的靶标。RNAbpFlow在推理时使用的是预测碱基配对，而不是实验配对，也没有使用MSA或模板信息。

在这14个较短靶标上，RNAbpFlow的平均最大TM-score为0.61，平均最大lDDT为0.72。

与CASP16中表现靠前的自动服务器相比，Yang-Server为0.54和0.68，AF3-server为0.49和0.70。与本地运行且不使用MSA的模型相比，AlphaFold 3为0.53和0.71，trRosettaRNA2为0.51和0.63，DRfold2为0.49和0.66，NuFold为0.38和0.57。

还有一个更直观的数据：在14个较短CASP16靶标中，RNAbpFlow在12个靶标的生成结构集合中至少找到了一个TM-score > 0.45的正确折叠，比例为85.71%；AlphaFold 3为8个，比例为57.13%。

这组结果的意义不在于宣称某个模型全面超越AlphaFold 3，而在于指出一个重要方向：当RNA缺乏深MSA或可靠模板时，碱基配对条件可能提供另一条有效路线。研究中也提到，在14个较短靶标中，只有4个具有足够深的MSA，即Neff > 130。对于RNA而言，这种情况并不少见。

长RNA仍是难题：输入配对一变差，模型也会受影响

RNAbpFlow并不是全能模型。研究对长度超过200个核苷酸的CASP16靶标也做了分析，结果显示RNAbpFlow仍优于NuFold、trRosettaRNA2和DRfold2，但略落后于AlphaFold 3。

问题主要来自输入碱基配对质量下降。对于较长RNA，三个预测输入配对图的平均一致性INF为0.51；而较短RNA为0.84，相对下降39%。当把较长RNA的输入从预测配对换成准确实验配对后，RNAbpFlow的平均最大TM-score从0.32提升到0.42，平均最大lDDT从0.47提升到0.58。

这再次说明，RNAbpFlow的“上限”并不低，但实际表现受到输入二维结构质量限制。长RNA有更多长程相互作用、更多可能的误配对、更多构象自由度，也更容易积累局部错误。

研究还指出，在CASP16的14个大RNA靶标中，有10个靶标没有任何人类组或服务器提交结果达到RMSD低于15 Å。这不是某一个模型的问题，而是当前整个领域都尚未跨过的难关。

消融实验揭示：三张碱基配对图合在一起最有用

为了验证碱基配对条件的贡献，研究人员在RNA3DB非冗余测试集的48个靶标上做了消融实验。每个靶标生成1000个三维结构样本，并计算TM-score和lDDT。

如果同时使用RNAView、MC-Annotate和DSSR三种碱基配对图，RNAbpFlow平均最大TM-score为0.51，平均最大lDDT为0.71。若完全不使用碱基配对图，仅依赖序列，平均最大TM-score降至0.36，平均最大lDDT降至0.46。也就是说，引入三种碱基配对条件后，TM-score平均提升41.7%，lDDT平均提升54.3%。

单独使用某一种配对图也有帮助，但都不如三者结合。只用MC-Annotate时，平均最大TM-score为0.49、lDDT为0.70；只用RNAView时为0.46和0.67；只用DSSR时为0.43和0.64。三者结合不仅平均水平最高，结构质量分布也更稳定。

此外，在48个测试靶标中，RNAbpFlow使用完整三图输入时，有31个靶标至少生成一个TM-score超过0.45的结构，正确折叠比例为64.6%。这说明碱基配对不是模型的装饰性输入，而是决定生成质量的核心条件。

这项研究值得关注的，不只是一个新模型

RNAbpFlow的价值不应只被理解为“又一个RNA结构预测模型”。它更像是在提醒我们：RNA三维结构预测可能需要一种不同于蛋白质的路线。蛋白质领域的成功高度依赖进化共变和海量序列信息，但RNA的结构保守性常常不完全体现在序列相似性上，而更体现在碱基配对和结构模块上。

这也让人产生一个值得继续思考的问题：未来RNA结构预测的核心输入，究竟应该是什么？是序列？是MSA？是二维结构？是化学探针数据，例如SHAPE或DMS？还是多种实验约束和生成模型的组合？

RNAbpFlow给出的答案是：至少在当前阶段，碱基配对信息非常关键。模型可以从噪声出发，通过条件流匹配逐步生成RNA三维构象；但它生成得好不好，很大程度上取决于二维约束是否可靠。对于小型或中等长度RNA，这条路线已经展现出较强竞争力；对于大型RNA，二维结构预测和长程约束仍是瓶颈。

更实际地说，RNAbpFlow可能特别适合用于生成RNA构象集合，而不只是输出单个结构。对于RNA药物设计、核酸适配体（aptamer）工程、核酶（ribozyme）设计、RNA小分子靶向研究而言，结构集合有时比单一“最佳模型”更接近真实生物学问题。

但同样也需要保持谨慎。当前结果主要来自公开基准数据集和CASP测试，很多真实应用场景还会面对修饰核苷酸、多链复合体、RNA-蛋白互作、RNA-小分子结合、细胞环境约束等更复杂问题。RNAbpFlow目前聚焦单链RNA单体结构生成，还不能直接等同于完整RNA药物发现平台。

不过，这项研究的方向是清晰的：当AI不再只是从序列中寻找答案，而是开始显式利用RNA自己的结构语言：碱基配对、非经典相互作用、伪结和堆叠关系，RNA三维结构预测可能会进入一个更有生物学解释力的阶段。真正的问题也许不再是“AI能不能预测RNA结构”，而是我们能否给它足够准确、足够贴近真实生物物理约束的输入。

参考文献

Tarafder, S., Bhattacharya, D. RNAbpFlow: base pair-augmented SE(3) flow matching for conditional RNA 3D structure generation. Nat Methods (2026). https://doi.org/10.1038/s41592-026-03128-4

声明：本文仅用于分享，不代表平台立场，如涉及版权等问题，请尽快联系我们，我们第一时间更正，谢谢！