Each language version is independently generated for its own context, not a direct translation.
这篇论文讲述了一项关于RNA（核糖核酸）如何折叠和保持稳定的重要研究，特别是针对一种名为 1-甲基假尿苷（1mΨ） 的特殊“字母”进行了详细的热力学参数测定。
为了让你更容易理解，我们可以把 RNA 想象成一条长长的、有弹性的乐高积木链条，而它的任务是根据指令折叠成特定的形状（比如像折纸一样变成复杂的结构）来执行功能。
以下是这篇论文的通俗解读：
1. 背景：RNA 的“折纸”游戏
- RNA 是什么？ 它是细胞里的信使和工人。它的功能很大程度上取决于它折叠成什么形状。
- 折叠规则： 科学家以前已经总结出了一套规则（叫“特纳规则”），就像一本折纸说明书。这本说明书告诉我们要怎么把 RNA 链条折叠起来，以及每一步折叠需要多少能量（越稳定，能量越低，结构越不容易散架）。
- 问题出在哪？ 这本旧说明书主要是针对标准的 4 种“积木块”（A、U、C、G）写的。但在现代医学中，特别是mRNA 疫苗（比如新冠疫苗）里，科学家发现如果把标准的“积木块 U"换成一种特殊的“积木块 1mΨ"，疫苗的效果会更好，因为它能欺骗免疫系统，让身体不产生不必要的炎症反应。
- 核心难题： 虽然我们知道 1mΨ 很有用，但旧说明书里没有关于这种特殊积木块的折叠规则。我们不知道把它放进去后，RNA 是会变得更结实，还是会变松散。这就像你想用一种新形状的乐高积木搭房子，但说明书没告诉你这块积木该怎么拼，只能靠猜。
2. 研究过程：做实验来“填坑”
为了解决这个问题，研究团队（来自波兰、美国等多个机构）做了一件非常扎实的工作：
- 大规模测试： 他们设计了200 多种不同的 RNA 短链条模型，其中很多都含有 1mΨ。
- 加热实验（光学熔解）： 他们把这些链条放在机器里慢慢加热，观察它们在什么温度下会“散架”（解开折叠）。这就像测试不同材质的绳子在热水里什么时候会断。
- 多地点验证： 为了确保数据靠谱，他们在三个不同的实验室（波兰、美国圣路易斯、美国罗切斯特）重复了实验，就像三个不同的厨师用同样的菜谱做菜，确保味道（数据）是一致的。
- 结果： 他们发现，把 U 换成 1mΨ，通常会让 RNA 链条变得更结实、更稳定。这就好比给乐高积木加了一层“强力胶”，让结构更不容易散开。
3. 主要发现：新的“说明书”
基于这些实验数据，他们编写了新的折叠参数，并更新了那本“折纸说明书”：
- 螺旋更稳： 当 1mΨ 和 A 或 G 配对形成螺旋时，它比原来的 U 更稳定。
- 环状结构更稳： RNA 折叠时会有很多像“环”一样的未配对区域。研究发现，如果环里有 1mΨ，这个环也会变得更稳定。
- 特殊情况： 虽然大部分情况是变稳，但具体变稳多少，取决于它旁边的邻居是谁（就像积木旁边放什么颜色的块，会影响整体的稳固度）。
4. 为什么这很重要？（实际应用）
这项研究不仅仅是为了学术，它对现实世界有巨大的影响：
- 优化 mRNA 疫苗： 现在的 mRNA 疫苗通常把序列里的 U 全部换成了 1mΨ。有了这套新参数，科学家可以用电脑软件（RNAstructure）更精准地预测疫苗 RNA 会折叠成什么样子。
- 比喻： 以前是盲人摸象，现在有了新地图。我们可以设计出折叠得更完美的疫苗 RNA，让它更稳定、在体内停留时间更长，从而产生更多的蛋白质（抗体）。
- 改进 tRNA 预测： 在细胞里，tRNA（转运 RNA）负责搬运货物。有些 tRNA 天然就含有 1mΨ。用新参数预测它们的结构，准确率大大提高了。
- 设计 RNA 纳米结构： 未来我们可以利用 1mΨ 来设计更复杂的 RNA 纳米机器，用于药物输送或其他高科技用途。
5. 总结
简单来说，这篇论文就像是为 RNA 世界更新了一本“乐高积木说明书”。
以前，我们只知道标准积木怎么拼；现在，我们知道了那种特殊的“改良版积木”（1mΨ）该怎么拼，以及它会让整个结构变得更结实。这不仅解释了为什么 mRNA 疫苗这么有效，还给了科学家一把更精准的尺子，去设计和制造未来的 RNA 药物和工具。
一句话概括： 科学家通过大量实验，搞清楚了特殊 RNA 成分（1mΨ）的折叠规律，并把这些规律写进了电脑软件里，让未来的 mRNA 疫苗和 RNA 药物设计得更精准、更强大。
Each language version is independently generated for its own context, not a direct translation.
这是一份关于《包含 1-甲基假尿苷（1-methyl-pseudouridine, 1mΨ）的 RNA 折叠最近邻参数》论文的详细技术总结。
1. 研究背景与问题 (Problem)
- 背景： RNA 的二级结构预测通常依赖于“最近邻参数”（Nearest Neighbor Parameters，即 Turner 规则），这些参数基于实验测得的光学熔解数据来估算折叠自由能（ΔG37∘）。
- 关键修饰： 1-甲基假尿苷（1mΨ）是一种重要的 RNA 碱基修饰。它天然存在于 18S rRNA 和古菌 tRNA 中，但在 mRNA 疫苗和治疗性 mRNA 中被广泛用作尿苷（U）的替代品，以抑制先天免疫反应并提高稳定性。
- 核心问题： 尽管 1mΨ 的应用至关重要，但现有的 RNA 折叠热力学参数缺乏对 1mΨ 的准确描述。
- 1mΨ 可以像 U 一样与 A 配对，也可以像 G 一样与 G 配对（形成 1mΨ-G 对），这增加了参数拟合的复杂性。
- 缺乏针对 1mΨ 的螺旋堆叠、环（Loop）、末端错配（Terminal Mismatch）和悬垂端（Dangling End）的热力学数据，导致无法准确预测含 1mΨ 的 RNA（特别是全 1mΨ 修饰的 mRNA）的二级结构。
2. 方法论 (Methodology)
研究团队通过大规模的光学熔解实验（Optical Melting Experiments）结合线性回归分析，开发了新的最近邻参数集。
- 数据来源与实验设计：
- 整合了来自三个机构（波兰科学院生物有机化学研究所、DNA Software Inc.、圣路易斯大学）的数据。
- 共进行了 224 次光学熔解实验。其中 208 次用于参数拟合，16 次用于独立验证。
- 实验涵盖了多种模型系统：完全配对的螺旋（Helices）、悬垂端、末端错配、发夹环（Hairpin loops）、内部环（Internal loops）和凸出环（Bulge loops）。
- 参数拟合流程：
- 基于 Turner 2004 参数集的函数形式进行扩展。
- 采用分步拟合策略：先拟合螺旋堆叠参数，再拟合悬垂端和末端错配，最后拟合各种环结构。
- 螺旋参数： 针对 1mΨ-A 和 1mΨ-G 碱基对，拟合了 34 个螺旋堆叠参数。
- 非配对区域参数： 测定了 20 种悬垂端模型和 40 种末端错配模型，以及 8 种含 1mΨ 的发夹环和 47 种内部环模型。
- 验证与工具集成：
- 使用 RNAstructure 软件包集成新参数。
- 利用 Sprinzl 数据库中的 55 条含 1mΨ 的 tRNA 序列，通过计算“归一化系综缺陷”（Normalized Ensemble Defect, NED）和最大期望准确率（MEA）结构预测，验证参数在真实生物序列中的表现。
3. 主要贡献 (Key Contributions)
- 首个全面的 1mΨ 热力学参数集： 提供了包含 1mΨ-A 和 1mΨ-G 碱基对的 34 个螺旋堆叠参数，以及针对含 1mΨ 的环、悬垂端和错配的修正项。
- 量化稳定性变化： 明确了 1mΨ 取代 U 对 RNA 折叠稳定性的具体影响，发现这种影响高度依赖于序列上下文。
- 软件集成与可用性： 新参数已整合进 RNAstructure 软件，并提供了两种字母表模式：
--alphabet 1: 支持 A, C, G, U, 1mΨ 混合序列。--alphabet Full1: 专为全 1mΨ 取代 U 的序列（如 mRNA 疫苗）设计，计算效率更高。
- 多站点数据一致性验证： 证明了在不同实验室（波兰、美国）进行的光学熔解实验具有高度可重复性（ΔG37∘ 平均不确定性仅为 2.1%），为未来跨实验室研究提供了标准校准集。
4. 关键结果 (Results)
- 整体稳定性提升： 平均而言，用 1mΨ 取代 U 会稳定 RNA 折叠。
- 螺旋堆叠： 1mΨ-A 取代 U-A 平均稳定 -0.32 ± 0.17 kcal/mol；1mΨ-G 取代 U-G 平均稳定 -0.27 ± 0.48 kcal/mol。稳定性提升幅度取决于相邻序列。
- 末端效应： 有趣的是，1mΨ-A 和 1mΨ-G 的末端碱基对不需要像 U-A 那样施加稳定性惩罚（Turner 2004 中 U-A 末端惩罚为 0.45 kcal/mol）。
- 环与错配效应：
- 悬垂端（Dangling Ends）： 3' 悬垂端在 1mΨ-A 旁比在 U-A 旁更稳定（平均 -0.43 kcal/mol）。
- 内部环（Internal Loops）： 1mΨ-U 和 1mΨ-1mΨ 作为第一个错配（first mismatch）时，比 U-U 错配更稳定（分别额外稳定 -1.41 和 -0.92 kcal/mol）。
- 发夹环： 现有的 Turner 2004 模型对含 1mΨ 的发夹环适用性良好，特别是对于特定的四核苷酸环（tetraloops），可以直接沿用 U 的查找表值。
- 模型预测精度的提升：
- 在 tRNA 结构预测中，使用新参数后，归一化系综缺陷（NED） 从 0.267 显著降低至 0.252 (P=3.0×10−6)。
- 灵敏度（Sensitivity） 从 86.0% 提升至 87.5%。
- 案例显示，对于 Haloferax volcanii Asp tRNA，正确引入 1mΨ 参数后，预测灵敏度从 63.2% 大幅提升至 89.5%。
- 与既往研究的一致性： 新参数与 Moderna 之前发布的针对全 1mΨ 序列的参数在 0.4 kcal/mol 以内高度一致，验证了结果的可靠性。
5. 意义与影响 (Significance)
- mRNA 疫苗与疗法设计： 该参数集使得研究人员能够更准确地模拟全 1mΨ 修饰的 mRNA 疫苗和治疗性 mRNA 的二级结构。准确的折叠预测对于优化 mRNA 序列以提高蛋白表达量、延长半衰期以及避免免疫原性至关重要。
- RNA 纳米技术： 为设计基于 RNA 的纳米结构提供了更精确的热力学工具，允许通过选择性引入 1mΨ 来微调结构的稳定性。
- 基础生物学： 加深了对天然存在的 1mΨ 修饰（如在 tRNA 和 rRNA 中）如何影响 RNA 结构和功能的理解。
- 标准化： 提供的校准双链体序列和实验流程有助于统一不同实验室间的热力学测量标准，提高未来 RNA 热力学研究的可比性。
总结： 该研究填补了 RNA 热力学参数中关于 1mΨ 修饰的关键空白，通过严谨的实验和数据分析，建立了高精度的预测模型。这不仅提升了基础 RNA 结构预测的准确性，更为 mRNA 疫苗和疗法的理性设计提供了不可或缺的计算工具。