摘要： 麦吉尔大学等机构的研究人员开发出一种基于深度图学习的RNA虚拟筛选方法RNAmigos2，该方法将分子对接速度提升了10,000倍，并在实验中成功筛选出未知的RNA核糖开关，为RNA药物靶标的发现开辟了新的可能性。
正文：
RNA，作为生命科学领域中继DNA之后又一重要的信息载体，正日益受到药物研发领域的关注。与传统以蛋白质为靶点的药物开发相比，RNA靶向药物具有巨大的潜力，能够覆盖更广泛的疾病领域，并为那些缺乏蛋白质靶标的疾病提供新的治疗途径。然而，传统的基于结构的虚拟筛选(VS)方法，依赖于耗时的分子对接模拟，难以应对庞大的化合物库和复杂的RNA靶标。
近日，来自麦吉尔大学（McGill University）、马克斯普朗克生物化学研究所（Max Planck Institute of Biochemistry）、巴黎综合理工学院（Ecole Polytechnique）的研究团队，在《Nature Communications》上发表了一项突破性研究，他们提出了一种针对RNA量身定制的数据驱动VS流程——RNAmigos2。该流程利用粗粒度3D建模、合成数据增强和RNA特定的自我监督，实现了分子对接速度的10,000倍提升，同时在结构不同的测试集上将活性化合物排在前2.8%。
RNAmigos2：深度学习赋能的RNA虚拟筛选
RNAmigos2的核心在于一个基于深度图学习的编码器-解码器框架。该框架包含两个编码器，分别用于将RNA结合位点和小分子映射到嵌入空间；以及两个解码器，用于预测结合位点的天然配体和结合亲和力。
- RNA编码器： 将RNA的3D结构表示为2.5D图，捕捉RNA结构中的关键特征，并通过自监督学习生成RNA表征。
- 配体编码器： 利用变分自动编码器学习配体的神经表征。
- 解码器： 通过区分结合位点的天然配体和诱饵，并预测结合亲和力，评估化合物与RNA靶标的结合可能性。
实验验证：速度与精度的双重提升
研究人员通过实验验证了RNAmigos2的性能。结果表明，该模型不仅运行速度比分子对接快一万倍以上，而且在活性化合物的筛选方面也表现出更高的效率。更重要的是，RNAmigos2成功地从20,000种化合物体外微阵列中筛选出未知的RNA核糖开关，平均富集因子为2.93，1%。
意义与展望：RNA药物发现的新纪元
这项研究标志着基于结构的RNA VS深度学习首次通过实验验证获得成功。RNAmigos2的出现，为大规模基于靶标的RNA药物发现打开了大门，有望加速RNA药物的研发进程。
研究人员表示，RNAmigos2不仅能够快速筛选潜在的RNA靶向药物，还可以与口袋挖掘算法结合使用，降低对接错误率。未来，他们将进一步优化RNAmigos2模型，并将其应用于更广泛的RNA靶标和化合物库，为RNA药物的开发贡献更多力量。
参考文献：
- RNAmigos2: accelerated structure-based RNA virtual screening with deep graph learning. Nature Communications, 2025, 16, 4231.
关键词： RNA，虚拟筛选，深度学习，药物靶标，分子对接，RNAmigos2
Views: 0