A Comparative Review of Deep Learning Methods for RNA Tertiary Structure Prediction

核糖核酸 水准点(测量) 核酸结构 一般化 计算机科学 人工智能 深度学习 计算生物学 机器学习 生物 数学 基因 遗传学 数学分析 大地测量学 地理
作者
Ivona Martinović,Tin Vlašić,Yang Li,Bryan Hooi,Yang Zhang,Mile Šikić
标识
DOI:10.1101/2024.11.27.625779
摘要

Abstract Several deep learning-based tools for RNA 3D structure prediction have recently emerged, including DRfold, DeepFoldRNA, RhoFold, RoseTTAFoldNA, trRosettaRNA, and AlphaFold3. In this study, we systematically evaluate these six models on three datasets: RNA Puzzles, CASP15 RNA targets, and a newly generated large dataset of sequentially distinct RNAs, which serves as a benchmark for generalization capabilities. To ensure a robust evaluation, we also introduce a fourth, more stringent dataset that contains both sequentially and structurally distinct RNAs. We observed that each model predicts the best structure for certain RNAs, and evaluated whether commonly used scoring functions, Rosetta score and ARES, can reliably identify the most accurate structure from the predictions. Finally, since many RNA chains in the Protein Data Bank are part of complexes, we compare the performance of RoseTTAFoldNA and AlphaFold3 in predicting RNA structures within complexes versus isolated RNA chains extracted from these complexes. This comprehensive evaluation highlights the strengths and limitations of current deep learning-based tools and provides valuable insights for advancing RNA 3D structure prediction.

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
echasl73完成签到,获得积分10
1秒前
YYY完成签到,获得积分10
1秒前
pitto发布了新的文献求助10
1秒前
小橘猫完成签到 ,获得积分10
2秒前
JYY完成签到 ,获得积分10
2秒前
开心便当完成签到,获得积分10
2秒前
Mian完成签到,获得积分10
2秒前
优秀的荔枝完成签到 ,获得积分10
4秒前
Akim应助lala采纳,获得10
5秒前
白衣渡姜完成签到,获得积分10
6秒前
可靠画笔完成签到,获得积分20
6秒前
wyx完成签到,获得积分10
7秒前
小刘完成签到,获得积分10
7秒前
麦乐迪完成签到 ,获得积分10
7秒前
bleem完成签到,获得积分10
8秒前
所所应助刘一三采纳,获得10
8秒前
橘橘籽完成签到,获得积分10
8秒前
9秒前
9秒前
131949完成签到,获得积分20
9秒前
深情安青应助Liuuuu采纳,获得10
9秒前
10秒前
伶俐皮卡丘完成签到,获得积分10
10秒前
11秒前
11秒前
lull发布了新的文献求助10
12秒前
Connie完成签到,获得积分10
12秒前
冷静的静蕾完成签到,获得积分10
12秒前
13秒前
13秒前
rational发布了新的文献求助20
13秒前
Hello应助科研通管家采纳,获得10
14秒前
HCLonely应助科研通管家采纳,获得10
14秒前
爆米花应助科研通管家采纳,获得10
14秒前
SciGPT应助科研通管家采纳,获得10
14秒前
共享精神应助科研通管家采纳,获得10
14秒前
852应助科研通管家采纳,获得10
14秒前
思源应助科研通管家采纳,获得10
14秒前
张张应助科研通管家采纳,获得10
14秒前
科研通AI2S应助科研通管家采纳,获得10
14秒前
高分求助中
歯科矯正学 第7版(或第5版) 1004
SIS-ISO/IEC TS 27100:2024 Information technology — Cybersecurity — Overview and concepts (ISO/IEC TS 27100:2020, IDT)(Swedish Standard) 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Semiconductor Process Reliability in Practice 720
GROUP-THEORY AND POLARIZATION ALGEBRA 500
Mesopotamian divination texts : conversing with the gods : sources from the first millennium BCE 500
Days of Transition. The Parsi Death Rituals(2011) 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3231905
求助须知:如何正确求助?哪些是违规求助? 2878828
关于积分的说明 8208045
捐赠科研通 2546360
什么是DOI,文献DOI怎么找? 1375872
科研通“疑难数据库(出版商)”最低求助积分说明 647488
邀请新用户注册赠送积分活动 622619