跳到主要內容
:::

利用機器學習加速藥物傳輸和疾病治療的發現

在美國國家科學基金會的支持下開發的一種新型計算工具可以大大加快確定RNA 的3D結構,這是開發新的基於RNA的藥物、識別藥物結合位點以及在其他生物技術和生物醫學應用中使用RNA的關鍵一步。

 

該工具NuFold利用最先進的機器學習技術,根據各種RNA分子的序列預測其結構。這項新功能將使研究人員能夠根據給定RNA的序列直觀地看到其結構,並確定其在藥物輸送、疾病治療和其他應用方面的潛在用途。NuFold的研究成果發表在《自然通訊》期刊。

 

RNA是至關重要的生物分子,像DNA一樣編碼訊息,像蛋白質一樣執行細胞功能,但迄今為止透過實驗確定的 RNA 結構相對較少,這嚴重限制了對其功能的理解。例如,美國國家科學基金會資助的結構生物資訊蛋白質資料庫研究合作中心 (NSF-funded Research Collaboratory for Structural Bioinformatics Protein Data Bank, RCSB PDB) 中的 RNA 僅佔總條目的3%左右。透過實驗確定RNA結構通常既費時又昂貴。透過提供從序列可靠地預測RNA結構的途徑,NuFold可以大大加快RNA功能的發現,並加快基於RNA的治療方法和技術的開發。

 

這些治療方法和技術可以幫助治療一系列疾病和病症。例如,有關小干擾RNA的結構的資訊可能有助於限制在癌症、神經系統疾病和腎結石中發揮作用的基因過度表達。了解 RNA 的結構還可以幫助保護植物免受病毒侵害,從而提高糧食安全。

 

NuFold利用最先進的機器學習技術根據 RNA 分子序列預測其結構。NuFold的系統架構基於AI的蛋白質結構預測工具AlphaFold2,該工具在RCSB PDB上進行訓練,其開發者獲得 2024 年諾貝爾化學獎。NuFold的原始程式碼已公開,可供廣大計算生物學研究界和其他對 RNA 結構感興趣的研究人員使用。

 

支援機器學習的3D RNA結構可以透過新穎的3D奈米製造方法實現。

 

資料來源:

美國國家科學基金會(National Science Foundation, NSF)

https://www.nsf.gov/news/using-machine-learning-speed-discovery-drug-delivery-disease

 

 

更新日期 : 2025/05/21