4、RNA结构预测：从传统算法到线性时间算法的革新

RNA结构预测：从传统算法到线性时间算法的革新

RNA在众多生物过程中扮演着关键角色，其功能与结构密切相关。然而，通过实验方法确定RNA结构既昂贵又耗时，因此，快速准确的RNA结构计算预测方法显得尤为重要。其中，RNA二级结构预测，即预测RNA分子中所有规范碱基对（A - U、G - C、G - U）的集合，是一个重要且具有挑战性的问题。

传统算法的局限性

现有的基于动态规划的算法，包括经典的最小自由能（MFE）方法和配分函数方法，存在一个主要局限：它们的运行时间与RNA长度的立方成正比。这种缓慢的计算速度限制了它们在全基因组应用中的使用。例如，广泛使用的RNAstructure、Vienna RNAfold和CONTRAfold等系统，虽然在实现上进行了优化以提高速度，但对于长RNA序列，其运行时间仍然过长。

为了加速预测速度，一些系统提供了局部折叠选项，如RNAfold的 --maxBPspan 参数，允许预测短于给定阈值的碱基对。但这种方法忽略了所有超出窗口大小阈值的长距离碱基对，而研究表明，长碱基对在天然RNA结构中实际上很常见。

线性时间启发式算法的出现

为了克服传统算法的速度瓶颈，研究人员设计了线性时间启发式算法LinearFold和LinearPartition，用于近似MFE结构、配分函数和碱基配对概率。

LinearFold

LinearFold是一种线性时间、线性空间的近似算法，用于预测MFE结构。它结合了增量动态规划和束搜索近似方法，提供了基于热力学模型和机器学习模型的选项。

• 工作原理 </