格里菲斯大学(Griffith University)的研究人员在世界上首屈一指，已使用人工智能方法更好地预测RNA二级结构，希望可以将其开发成为更好地了解RNA如何与多种疾病(例如癌症)相关的工具。周耀奇教授，库尔迪普·帕利瓦尔教授，博士 格里菲斯糖业研究所和信号处理实验室的学生Jaswinder Singh和Jack Hanson博士领导了这项研究，该研究已在《自然通讯》上发表。

　　在所有生命形式中，核糖核酸(RNA)对于基因的编码，解码，调节和表达都是必不可少的。RNA和DNA是生命形式中的四个主要大分子。该团队利用深度学习(一种人工智能的子集，用于创建复杂的数字函数，无需明确的人工指导即可自动逼近特定任务)来构建RNA序列与结构之间关系的更准确模型。这项进展是在先前的预测RNA结构的方法停滞了十多年之后做出的。

　　周教授希望这种新方法对设计具有治疗潜力的新RNA分子有用。周教授说：“想象一下蛋白质和RNA是否是两个人，蛋白质站在RNA的前面-我们的重点自然是蛋白质。”“因此，尽管事实是蛋白质的数量比RNA的数量多10倍，但我们对这些RNA在人体中的用途一无所知。“这就是我们开发该工具的原因：提供一些结构线索。获取线索非常重要，因为越来越多的RNA与包括多种癌症在内的更多疾病有关。

　　“最令人振奋的方面是，我们现在可以更好地将测序信息与结构联系起来。我们的序列被编码在我们的基因组中，但是它们如何通过结构与其功能相关尚不清楚。“使用这种深度学习技术，我们可以更好地将序列连接到结构上，并更好地了解它们的功能。一旦我们了解了序列如何编码结构并因此起作用，我们就可以设计RNA来完成特定目的，例如新药或分子传感器。”

　　为了开发该方法，团队必须通过采购近似的计算数据来扩展已知RNA结构的现有数据集，然后使用精确的数据完善自动训练方法。帕利瓦尔教授说，只有大约3000万未知基因中只有不到250种非冗余的已知RNA结构可访问，这是一个挑战，只有使用其深度学习方法才能解决。

　　帕利瓦尔教授说：“在这项研究中，通过深度学习来模拟RNA核苷酸序列与这些核苷酸碱基在其功能结构中的配对之间的基本关系。”“这是一个非常复杂的功能，因为从理论上讲，核苷酸可以与RNA中的任何其他碱基配对，因此深度学习神经网络的工作是找出哪些核苷酸配对在一起。“更重要的是，这些算法必须通用并且可用于数百万个独特的RNA序列。

　　“在我们的工作之前，大多数以前的研究都依赖于基于RNA生物学家族的比较方案或基于统计的手工评分算法。这些方法可以某种程度地模拟将RNA核苷酸序列与其配对结构联系起来的极其复杂的功能，但是已经达到了碱基对预测的准确度停滞在80%左右。“利用深度学习，我们能够克服所有这些缺点，为所有RNA结构提供一揽子解决方案，同时打破了已有十多年的性能上限，碱基对准确性达到93%。”

　　研究小组表示，将深度学习用于RNA碱基对的预测是一种可行的工具，并且是世界首创，与以前的尝试相比，它几乎在所有方面都具有出色的性能。糖业研究所的创始人兼所长Mark von Itzstein AO教授说：“这一发现为其他计算研究小组为该问题的未来研究开辟了道路，同时为从事生物医学，药物研究的实验实验室提供了更准确的工具。发现和分子生物学。”

　　“ 使用二维深度神经网络和传递学习的集成进行RNA二级结构预测”的研究已发表在《自然通讯》上。