Nat. Methods | RNAbpFlow: 碱基配对增强RNA三维结构生成

深度学习虽然让生物分子建模向前跨了一大步，但RNA分子实在太“滑”了——高度柔性、进化序列稀缺、同源结构信息有限，这些都导致准确预测它的三维结构始终是个硬骨头。最近，研究人员拿出了一个叫 RNAbpFlow 的方案：一个基于 SE(3) 等变 Flow Matching 的生成模型，同时把 RNA 序列和碱基配对信息作为条件输入，用来直接生成 RNA 的三维结构构象集合。这个方法采用了核碱基中心表示，能端到端地输出全原子 RNA 结构，既不需要显式或隐式地依赖进化信息，也不用什么同源结构模板。实验结果表明，加入了碱基配对条件之后，RNAbpFlow 在 RNA 拓扑采样和大规模预测建模的基准测试中，性能提升幅度更广、也更稳健。

RNA 三维结构解析已经成了结构生物学绕不开的话题，尤其是随着 RNA 药物和 RNA 靶向小分子治疗的发展，想要设计出功能明确的 RNA 分子，或者加速 RNA 介导的药物发现，都必须先搞清楚它在三维空间里到底长什么样。但麻烦在于，RNA 天然就“坐不住”，构象太灵活，这让 X 射线晶体学、核磁共振、冷冻电镜这些实验方法经常碰壁。所以，计算 RNA 结构预测逐渐成了填补结构空白、理解其构象动态的重要工具。

传统方法有基于模板的，也有依赖物理势能、知识势能或片段库来构建模型的。可惜的是，蛋白质数据库里 RNA 结构本来就少，计算成本又高，尤其不适合那些大型、拓扑复杂的 RNA 做快速预测。最近几年，受 AlphaFold2 在蛋白质结构预测领域的成功启发，基于深度学习的 RNA 结构预测方法如雨后春笋般冒出来。但不少方法还是离不开多序列比对或者生物语言模型隐式学到的同源信息，而可靠的 RNA 多序列比对本身就不容易拿。更关键的是，很多现有方法并没有把 RNA 的二维碱基配对信息用充分，尤其是那些非经典碱基配对和复杂拓扑里的关键相互作用。另外，RNA 通常不是一个静态结构，而是一堆构象状态的分布，所以很需要一种能从序列和碱基配对条件出发，直接生成全原子 RNA 三维构象集合的新方法。

方法

研究人员提出的 RNAbpFlow，本质上是一个基于 SE(3) 等变 Flow Matching 的条件生成模型，专门用来为单链 RNA 单体生成全原子三维结构。模型以 RNA 序列和碱基配对图作为条件输入，其中碱基配对信息来自三种互补的注释方法，覆盖了经典和非经典碱基配对相互作用。RNAbpFlow 采用核碱基中心表示，把每个核苷酸看作一个刚体框架，然后通过预测旋转、平移和可旋转键的角度，端到端地重建全原子 RNA 结构。这种设计直接省掉了后处理几何优化模块，让大规模结构采样效率更高。训练时，研究人员还加了一个以碱基配对为中心的辅助损失，帮助模型更好地实现输入的经典和非经典碱基配对约束。

图1｜RNAbpFlow 方法框架。

结果

RNAbpFlow 框架概述

RNAbpFlow 是在 FrameFlow 的基础上搭建的。它将 RNA 序列中的每个核苷酸表示为由平移和旋转定义的刚体框架。模型从一个由高斯噪声初始化的核苷酸框架出发，在 RNA 序列特征和碱基配对图的引导下，通过迭代采样逐步生成 RNA 三维结构。它不仅生成骨架原子，还通过预测多个扭转角恢复核糖、磷酸骨架和碱基的全原子坐标。这样一来，RNAbpFlow 就能端到端地生成全原子 RNA 三维结构，同时显式地对核碱基的方向和柔性进行建模。

RNA 结构集合生成性能

研究人员首先拿 RNAbpFlow 和 RNAJP 做了对比。RNAJP 是一种基于粗粒度分子动力学模拟的 RNA 三维结构采样方法，显式考虑了碱基配对、碱基堆叠和长程环—环相互作用。在一个包含三路连接结构的 12 个 RNA 靶标基准集上，RNAbpFlow 对每个靶标生成了 1000 个三维结构样本，结果在 TM-score 和 lDDT 两项指标上都优于 RNAJP。RNAbpFlow 的平均 lDDT 是 0.66，RNAJP 是 0.59；平均 TM-score 是 0.38，RNAJP 是 0.32。更值得一提的是，RNAbpFlow 生成正确折叠结构的比例更高，这说明它不仅能找到更好的最优结构，还能更高效地采样全局拓扑和局部构象。

图2｜RNAbpFlow 与 RNAJP 的采样性能比较。

CASP15 靶标上的性能

在 CASP15 的 RNA 靶标上，研究人员把 RNAbpFlow 和多种基于物理、知识以及深度学习的 RNA 三维结构预测方法放在一起比了比。当输入准确的天然碱基配对信息时，RNAbpFlow 的平均 TM-score 达到 0.48，全原子 RMSD 是 7.77，非 Watson–Crick 碱基配对保真度是 0.62，明显甩开了其他方法。如果换成预测的碱基配对信息，RNAbpFlow 的性能会有所下降，但大多数指标上仍然优于 DRfold、NuFold、trRosettaRNA 和 RhoFold 这些深度学习方法。对于包含非经典相互作用和假结的复杂 RNA，RNAbpFlow 也表现出更好的碱基配对保真度，尤其在非经典碱基配对和碱基堆叠恢复方面更有优势。

CASP16 靶标上的性能

在 CASP16 盲测靶标里，研究人员重点评估了长度不超过 200 个核苷酸的 14 个 RNA 靶标。RNAbpFlow 不用多序列比对或模板信息，只用预测的碱基配对作为条件输入，但平均最大 TM-score 和 lDDT 却超过了两个 CASP16 表现最好的自动服务器方法——AF3-server 和 Yang-Server。对于进化信号弱、MSA 比较“浅”的困难靶标，RNAbpFlow 的表现尤其突出。这说明在 RNA 同源序列信息不足的情况下，利用碱基配对条件来建模有明显优势。

再和本地运行的 AlphaFold3、NuFold、trRosettaRNA2、DRfold2 相比，RNAbpFlow 同样取得了更好的平均最大 TM-score 和 lDDT。在 14 个小于等于 200 个核苷酸的 CASP16 靶标里，RNAbpFlow 在 12 个靶标中至少生成了一个正确折叠的结构，而 AlphaFold3 只覆盖了 8 个。对于超过 200 个核苷酸的大型 RNA，RNAbpFlow 仍优于 NuFold、trRosettaRNA2 和 DRfold2，只是略低于 AlphaFold3。研究人员分析，这主要是因为大型 RNA 的预测碱基配对质量偏弱，从而限制了 RNAbpFlow 的条件生成效果。

图3｜RNAbpFlow 与先进方法在 CASP16 靶标上的比较。

数据增强、微调和碱基配对准确性的贡献

研究人员还深入分析了交叉蒸馏数据增强、用预测碱基配对微调，以及碱基配对准确性分别对 RNAbpFlow 的影响。结果显示，交叉蒸馏训练能显著提升性能。使用预测碱基配对时，加入蒸馏训练后，平均最大 TM-score 从 0.50 提高到 0.57，平均最大 lDDT 从 0.61 提高到 0.69。改用实验碱基配对作为输入时，性能进一步提升，平均最大 TM-score 达到 0.68，平均最大 lDDT 达到 0.77。这说明 RNAbpFlow 的性能上限很高，但非常依赖于输入碱基配对的准确性。

进一步用预测碱基配对进行微调后，RNAbpFlow 的平均最大 TM-score 提升到 0.61，同时平均 TM-score 和 lDDT 也显著改善，缩小了预测碱基配对与实验碱基配对之间的性能差距。研究人员还发现，RNAbpFlow 会高度遵循输入的碱基配对条件：输入天然碱基配对时，输出结构与输入高度一致；输入带有噪声的预测碱基配对时，模型也会较强地复现这些不准确的约束。所以，碱基配对预测质量是影响 RNAbpFlow 下游三维结构生成质量的关键因素。

消融实验

为了评估碱基配对信息的重要性，研究人员在 RNA3DB 的非冗余测试集上做了消融实验。模型分别用三种不同碱基配对注释图、三者组合，以及完全不使用碱基配对信息进行训练和推理。结果显示，三种碱基配对图联合输入时效果最好，平均最大 TM-score 和 lDDT 分别达到 0.51 和 0.71。相比只用序列条件的基线模型，TM-score 平均提升了 41.7%，lDDT 平均提升了 54.3%。这意味着，碱基配对信息在 RNA 三维结构生成中扮演着关键角色。

研究人员还评估了辅助损失的贡献。只要移除任意一个与碱基配对相关的辅助损失，采样质量就会下降。这说明，围绕碱基配对来设计训练监督，确实有助于模型更忠实地实现输入的经典和非经典相互作用。

图4｜碱基配对条件提升 RNA 三维结构生成质量。

讨论

这项研究开发的 RNAbpFlow，是一种以序列和碱基配对为条件的全原子 RNA 三维结构生成方法。它基于 SE(3) 等变 Flow Matching，不依赖多序列比对、同源结构模板或隐式进化信息，而是直接利用 RNA 的碱基配对信息，端到端地生成全原子三维结构集合。实验结果清楚地表明，引入碱基配对条件能显著提升 RNA 结构生成和预测的性能，而且这种提升与输入碱基配对的质量密切相关。

RNAbpFlow 的意义在于，它为 RNA 构象集合生成提供了一个快速、端到端、全原子级别的深度生成框架。和传统只预测单一结构不同，RNAbpFlow 能生成大量候选构象，更适合研究 RNA 的构象动态。因为它不依赖同源序列和模板，所以特别适用于那些进化信息稀缺、结构同源性弱的 RNA 靶标。

不过，RNAbpFlow 也有明显的短板。首先，它的采样和预测性能高度依赖输入碱基配对信息的准确性。大型 RNA 上，当前二维结构预测器给出的碱基配对图质量会下降，进而限制三维结构的生成效果。其次，当前模型还没有专门针对超长 RNA 做优化，未来可能需要更多长 RNA 的训练数据，以及更适合长序列建模的架构，比如局部感知消息传递和稀疏注意力机制，来提升长程信息的传递效率。

展望未来，RNAbpFlow 可以进一步扩展，不仅引入碱基配对信息，还可以结合多序列比对、化学探针反应性数据、近邻连接或交联实验约束等额外信息，用来改善困难靶标的预测精度。同时，探索更多开放可用的碱基配对注释流程，也可能进一步提升训练标注质量、模型鲁棒性和整体预测准确性。总的来说，RNAbpFlow 为 RNA 三维结构建模提供了一种兼具数据驱动和结构先验的新范式，有望推动 RNA 结构预测、RNA 动态构象研究和 RNA 药物设计的发展。

参考资料
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