1. <bdo id="wdoda"><b id="wdoda"></b></bdo>
      <nav id="wdoda"></nav>
    2. 生命學院薛毅課題組利用SHAPE數據特征提高了RNA二級結構預測的準確度

      2021-04-18 14:04:13

      RNA分子通過錯綜復雜的堿基配對模式折疊成二級結構,這些二級結構是RNA行使催化、配體結合和支架等功能的基礎。準確地測定RNA的二級結構對于理解其生物學功能以及調控機制至關重要。近年來,化學小分子探針被廣泛應用于RNA二級結構的探測,其中,selective 2′-hydroxyl acylation analyzed by primer extension(SHAPE)技術利用親電試劑對不同狀態堿基(配對或未配對)的修飾活性的差異來實現對RNA二級結構的探測。在SHAPE數據的分析中,如何合理地將SHAPE數據整合進結構預測算法是一個關鍵的問題。常用的工具,如RNAstructure,通常將SHAPE值轉化成每個配對核苷酸各自的偽自由能約束,進而整合進熱力學預測模型中預測出最終的結構。這類整合方法雖然顯著地提升了RNA二級結構預測的準確度,但提升程度仍不能滿足研究者的需求,尤其是對長RNA的結構預測和對結構動態變化的捕捉。

      清華大學生命科學學院薛毅課題組致力于開發新的計算及實驗方法來研究生物大分子的結構與動態。在本項研究中,他們通過統計分析發現,對于同一類型(發卡環、內環和凸環)和長度的環結構元件而言,其通常具有某種特征性的SHAPE模式,即在某些核苷酸位置之間存在保守的SHAPE值高低趨勢。通過對環元件的三級結構分析,他們發現上述特征性SHAPE模式可以反映出核苷酸對糖環構象的偏好性。為了利用這種特征性SHAPE模式來提升RNA二級結構預測的準確度,他們提出了SHAPELoop方法。該方法通過“評估-替換”的策略對傳統能量模型預測出的結構(稱為“指導結構”)進行改進,以達到SHAPELoop預測出的結構比指導結構更加符合特征性SHAPE模式的目的(圖1)。

      利用上述策略,SHAPELoop在預測的準確度上超過了傳統的偽自由能預測模型(RNAstructure和RME)以及“采樣-選擇”模型(SeqFold)。此外,他們也發現特征性SHAPE模式可以幫助鑒定假結結構以及RNA二級結構的動態變化。


      圖1. SHAPELoop方法框架

      該研究工作于2021年4月13日在《核酸研究》(Nucleic Acids Research)雜志上發表,題為“環結構元件的特征性化學探測數據模式及其對RNA二級結構預測準確度的改善”(Characteristic chemical probing patterns of loop motifs improve prediction accuracy of RNA secondary structures),原文鏈接為:https://academic.oup.com/nar/advance-article/doi/10.1093/nar/gkab250/6225227。清華大學生命學院薛毅研究員為本文通訊作者,清華大學生命學院博士生曹靜怡為本文第一作者。本研究得到了清華-北大生命科學聯合中心和北京市結構生物學高精尖創新中心的經費支持。


      牛牛稳赢公式