Ribonukleinsäure, allgemein bekannt als RNA, ist an vielen biologischen Funktionen beteiligt, und einige, einschließlich der Gen -Stummschaltung, werden zur Heilung von Krankheiten verwendet. RNA hat kürzlich als vielversprechendes Arzneimittelziel aufmerksam gemacht. Leider wurde nur ein kleiner Teil der RNA -Strukturen experimentell bestimmt, und der Prozess der Aufdeckung dieser Strukturen erfordert erhebliche Zeit und Anstrengung. Mit dieser Zeitskala werden die Strukturen vieler lebensrettender RNA -Strukturen seit Jahren möglicherweise nicht entdeckt. Infolgedessen besteht eine signifikante Lücke zwischen den Arten der bekannten RNA und den verfügbaren Strukturdaten.
Forscher der Purdue University haben eine rechnerische Lösung für dieses Problem mit dem Namen Nufold entwickelt, das 3D -RNA -Strukturen modellieren wird, die medizinische Entdeckungen Jahrzehnte vor dem Zeitplan beschleunigen könnten. Das Forschungsteam unter der Leitung von Daisuke Kihara, Professorin für Biowissenschaften und Informatik am Purdue College of Science, hat ihre Ergebnisse veröffentlicht In Naturkommunikation.
Dieses Ergebnis hat weitreichende potenzielle Anwendungen, z. B. beim Verständnis von RNA-Mechanismen und zur Arzneimittelentwicklung für Krankheiten, an denen RNA beteiligt ist. Das Nufold -Code und das Google Colab Notebook sind öffentlich verfügbar, sodass es Forschern, sondern auch für alle, die sich für RNA -Strukturmodelle interessieren, nicht nur für Forscher zugänglich sind. Nufold ist ein bahnbrechendes Instrument für eine genauere und effizientere RNA -Strukturvorhersage mit dem Potenzial, die RNA -Forschung signifikant voranzutreiben.
Um das Leben aufrechtzuerhalten, müssen Sorten von Molekülen zusammenarbeiten. Proteine in diesen Molekülen waren typischerweise der Hauptschwerpunkt der Forschung, aber in letzter Zeit wurde festgestellt, dass RNA eine einzigartige und umfassende Rolle in wesentlichen Lebensfunktionen spielt. Um zu verstehen, wie RNA funktioniert, ist es für Wissenschaftler von wesentlicher Bedeutung, ihre 3D -Struktur zu kennen.
Kihara-Untersuchung der Protein-Tertiärstruktur Vorhersage/Vergleich, Protein-Protein-Docking, Protein-Ligand-Docking, Proteinfunktion Vorhersage, Proteinsequenzanalyse und metabolische/regulatorische Pathway-Analyse in der strukturbiologischen Gruppe innerhalb des Department of Biological Sciences. Sein Team ist mit dem Purdue Institute for Cancer Research verbunden und arbeitet auch eng mit dem Rosen Center for Advanced Computing (RCAC) zusammen.
„Nufold ist das RNA -Äquivalent von Alphafold. Alphafold ist die Vorhersagemethode für die Computerproteinstruktur, die den Nobelpreis für Chemie im Jahr 2024 erhielt“, sagte Kihara. „Alphafold wird jetzt routinemäßig in vielen Biologie -Labors verwendet. Nufold wäre eine RNA -Version von Alphafold. In gewisser Weise erweitern wir den Durchbruch von Alphafold in die Welt der RNA, die viel schwieriger zu tun war. Modellieren der 3D -Struktur der RNA können wir helfen, die Lücke zu schließen, die durch mangelnde experimentell bestimmte Strukturen geschaffen wird und die Forschung zu RNA und ihre entscheidenden Rollen in Leben und Gesundheit fördert. „
„Es dauerte über drei Jahre, um Nufold zu entwickeln“, sagte Yuki Kagaya, Hauptentwickler von Nufold und Postdoctoral Research Assistant bei Purdue. „Ein wichtiges Merkmal von Nufold ist, wie es RNA in Anbetracht der Basispaare, die für die Struktur entscheidend sind Im Vergleich zu den jüngsten Ansätzen auf Deep Learning-basierten. „
Nufold wird Forschern helfen, die RNA -Struktur zu „visualisieren“, und die Forschungsfortschritte und die Arzneimittelentwicklung mit RNA steigern würde.
„Um Probleme zu lösen, die nicht sofort durch Experimente behandelt werden können, haben wir Nufold als Computerlösung entwickelt“, sagte Kihara. „Nufold kann dazu beitragen, die Lücke zu schließen, indem sie die 3D-Strukturen der RNA aus seiner Sequenz vorhergesagt. Durch die Nutzung hochmoderner maschineller Lerntechniken kann Nufold die vollständige Atomstruktur der RNA angesichts seiner Sequenz vorhersagen.“
Die Forschungsautoren sind alle mit Purdue verbunden. Kihara ist der Hauptautor, der die Studie konzipiert und leitete. Weitere Autoren sind Kagaya, Zicong Zhang (Doktorandin, Informatik), Nabil Ibtehaz (Doktorand, Informatik), Xiao Wang (ehemaliger Doktorand, Informatik), Tsukasa Nakamura (Postdoc, biologische Wissenschaften) und Pranav Deep Punuru (Undergratonu (Undergrocuse Student, biologische Wissenschaften). Kagaya ist der Hauptentwickler, und der Rest des Teams hat am Codieren und Benchmarking und die Entwicklung des Google Colab -Webservers teilgenommen.
Weitere Informationen:
Yuki Kagaya et al., Nufold: End-to-Ende Naturkommunikation (2025). Doi: 10.1038/s41467-025-56261-7