近日，我院赵蕴杰教授团队在软凝聚态与生物物理研究领域取得新进展，研究论文“RNet: a network strategy to predict RNA binding preferences (https://doi.org/10.1093/bib/bbad482)”受邀发表在期刊《Briefings in Bioinformatics》（影响因子：9.5，中科院一区）上。 赵蕴杰教授为该论文的通讯作者，2023级博士研究生刘浩泉为该论文的第一作者，华中师范大学为该论文的第一完成单位。

RNA是生命体中重要的软物质生物分子，通常与蛋白质或小分子发生相互作用以执行复杂的生命过程。准确预测RNA的结合偏好性对理解RNA的调控物理机理至关重要。确定RNA与蛋白质或小分子结合的实验需要大量的时间和财力，亟需发展精确高效的计算方法。RNA结合偏好性预测可分为两个步骤：首先是RNA结合位点预测，然后是结合界面的动力学行为预测。现有的计算方法预测精度不高，鲁棒性较差，可解释性较低。因此，RNA结合偏好性预测是软凝聚态与生物物理方向最具挑战性的研究方向之一。

针对目前的瓶颈问题，赵蕴杰教授团队提出了基于机器学习和复杂网络相结合的计算策略RNet（图1）。在RNA结合位点预测方面，基于机器学习的网络算法RNetsite可以有效地利用网络的局部和全局特征来识别RNA结合位点（图1A, C）。在RNA结合界面动力学行为预测方面，基于距离的动态图算法RNetdyn可以利用动力学几何和网络特征来准确描绘RNA复合物结合界面的动力学行为 （图1B, D）。

图1. RNet算法工作流程图。(A)RNA分子结构和(B)RNA复合物动力学轨道被转化为网络。(C)基于机器学习的网络算法利用局部和全局特征预测RNA结合位点。(D)基于距离的动态图算法准确描述复合物结合界面的动力学行为。(E, F)局部和全局网络特征。(G)基于距离的动态网络相关系数。

研究结果表明，RNetsite在RNA结合位点预测方面表现优异，优于现有方法。在TE18测试集中，RNetsite的精确度为0.70，在RB9测试集中RNetsite也实现了0.79的精确度。RNetsite在RNA结构发生扰动的情况下也展现出了优越的鲁棒性，表明了其在实际应用中的可靠性。在RNA复合物竞争性抑制剂的动力学测试中，RNetdyn较传统方法提高了30%的精度，凸显了RNetdyn在准确分析RNA结合界面动力学特征的卓越效能。基于这一类复杂网络策略，赵蕴杰教授团队成功设计并实验验证了两种RNA靶向的竞争性抑制剂，这一研究成果“Dynamic geometry design of cyclic peptide architectures for RNA structure”被编辑推荐为封面论文发表于《Physical Chemistry Chemical Physics》期刊。窗体顶端

RNet是一个准确，高效且可解释的软凝聚态与生物物理计算方法，可以有效应对RNA结合偏好性的预测挑战。该方法有助于深入理解核酸分子的调控物理机理，揭示相关疾病的发生发展过程，对相关药物的研发和提高人民健康水平有重要意义。该研究工作得到了国家自然科学基金面上项目和华中师范大学优秀青年团队等资助。

华大物院党委融媒体中心

华大物院团委宣传中心

通讯员|赵蕴杰

责编|刘洁

审校|俞云伟