近日，复旦大学与四川大学华西医院团队合作在国际权威期刊《科学》杂志上发表了一项突破性研究。这项研究将深度学习技术与冷冻电镜（Cryo-EM）技术结合，通过筛选具有折叠潜力的RNA序列，成功解析了天然RNA多态性组装的分子机制。这一成果不仅初步解决了长期困扰RNA结构研究的技术瓶颈，也为RNA生物学研究开辟了新的方向。复旦大学智能复杂体系基础理论与关键技术实验室博士生吴浩、许晟为共同第一作者，孙思琦为共同通讯作者。
RNA结构研究的挑战与机遇
RNA作为生命活动的核心分子，其复杂的三维结构与动态多态性直接调控基因表达、病毒复制等关键过程。然而，传统RNA结构解析面临两大难题：
1. 实验成本高昂：冷冻电镜虽能解析高分辨率结构，但需耗费大量资源筛选可形成稳定构象的RNA序列。
2. 预测精度不足：现有算法依赖保守二级结构（如Rfam数据库），但同一家族内仅少数序列能形成刚性三级结构。
在此背景下，团队研发了CRAFTS模型（Contrastive RNA learning For sTructure Screening）。通过深度学习技术，该模型能够从海量RNA序列中挖掘潜在的折叠规律，为冷冻电镜实验提供精准的筛选工具，从而显著提高效率并降低实验成本。
CRAFTS模型：技术突破与创新亮点
图2 CRAFTS的性能评估，分析RNA家族结构特征。A. 对比学习用于确定输入对是否属于同一RNA家族。B. 微调模型以从每个RNA家族的序列中提取结构特征。C. 基准数据性能表现：平均ROC曲线及标准差（基于5折交叉验证）。D. 对5S rRNA、I类内含子、CP II类内含子等家族分析。通过实验结构测定验证的序列以橙色标注。
CRAFTS模型在技术架构和创新应用上展现了显著的突破性进展。模型基于超过10亿条非冗余RNA序列，这些数据来源于RNAcentral、NCBI等权威数据库，通过自监督学习提取RNA序列的语义特征，生成深度表征。在训练策略中，CRAFTS模型采用了对比学习的方法，通过构建超过900万对RNA序列，最大化同一RNA家族内序列的相似性，同时最小化不同RNA家族序列之间的相似性，从而精准提取家族特异的结构特征（见图2A）。此外，模型利用Rfam数据库中4,038个RNA家族的数据进行训练，并整合了未解析的RNA种子序列作为伪负类，显著扩展了训练数据的范围（图2B）。这种数据增强策略大幅提升了模型的泛化能力，尤其是在数据稀缺的场景下，模型表现尤为突出。例如，在仅有364个正样本的训练集中，CRAFTS通过5折交叉验证展现了高鲁棒性，测试结果的标准差低于0.03（见图2C）。
图3 冷冻电镜结构。A.ARRPOF 二聚体双构象冷冻电镜结构。B.OLE 二聚体冷冻电镜结构。C.ROOL 六聚体和八聚体冷冻电镜结构。D.GOLLD 十二聚体冷冻电镜结构。
在实际应用中，CRAFTS模型不仅在经典RNA家族（如5S rRNA、I型内含子和II型内含子）中表现优异，还成功应用于ARRPOF、OLE、ROOL和GOLLD等新RNA家族的结构筛选（见图2D）。研究团队通过冷冻电镜技术解析了这些RNA家族的结构，发现ARRPOF和OLE可以形成二聚体，而ROOL和GOLLD则分别能够形成六聚体、八聚体和十二聚体的纳米结构（图3）。
总结与展望
CRAFTS模型与冷冻电镜技术的深度协同，成功突破了RNA结构筛选中的“盲盒”困境，为RNA结构生物学研究提供了全新的工具。这一研究成果不仅提升了RNA三级结构解析的效率，还为探索RNA多态性在生命活动中的潜在功能开辟了新的可能性。
尽管研究取得了重要进展，但仍面临一定局限性。研究表明，CRAFTS能够有效提取ARRPOF RNA家族中与三级结构形成相关的特征（如P4和P6的变异，以及P10额外核苷酸可能导致的空间位阻和结构破坏），但在OLE、ROOL和GOLLD等RNA家族中，序列一致性变异的相关性尚不明确。这表明CRAFTS模型对RNA家族间的广泛泛化能力仍有待提升。其主要限制因素在于目前蛋白质数据库（PDB）中RNA结构数据的稀缺性。这种数据不足制约了模型的训练和验证，未来需要通过进一步优化模型和增加高质量数据来提升其在不同RNA家族中的预测能力。
论文标题：Cryo-EM reveals mechanisms of natural RNA multivalency
论文链接：https://www.science.org/doi/10.1126/science.adv3451
