💻 bioinformatics

PKProbDesign: RNA inverse folding including pseudoknots by optimizing thermodynamic folding probability

PKProbDesign 是一种新颖的基于采样的框架，它通过支架分解和条件系综评估直接优化热力学折叠概率，解决了伪结结构 RNA 反向折叠的挑战，在基准目标上优于 DesiRNA 和 MODENA 等现有方法。

原作者： Otagaki, T., Iwakiri, J., terai, g., Asai, K., Sato, K.

发布于 2026-07-11

📖 1 分钟阅读☕ 轻松阅读

原作者： Otagaki, T., Iwakiri, J., terai, g., Asai, K., Sato, K.

原始论文采用 CC BY 4.0 许可（https://creativecommons.org/licenses/by/4.0/）。 ⚕️ 这是一篇未经同行评审的预印本的AI生成解释。这不是医疗建议。请勿根据此内容做出健康决定。阅读完整免责声明

想象一下，你正在试图设计一段秘密代码（一段 RNA 序列），当你在宇宙中向它低语时，它会自我折叠成一个非常特定的、复杂的折纸形状（目标结构）。这就是“RNA 反向折叠”（RNA inverse folding）的游戏。通常，我们想要制作的形状是简单的嵌套盒子。但自然界中最有趣、最具功能的形状往往具有“假结”（pseudoknots）——即那些纸张相互交叠、扭曲转弯的地方，就像一个椒盐卷饼（pretzel）一样。由于标准折叠规则在处理交叉结构时会失效，这类形状的设计难度极高。

由此诞生了 PKProbDesign，这是一个由尾泷卓美（Takumi Otagaki）及其团队开发的新工具。你可以把它想象成一位高级建筑师，他不仅仅是判断蓝图看起来是否正确，而是会计算出特定设计能够真正成型并固定下来的精确概率。

旧方法 vs 新方法

长期以来，设计者们一直在玩一场名为“最小自由能”（Minimum Free Energy, MFE）的游戏。这就像是在问：“如果我建造这个，它是否会成为它所能形成的唯一最稳定的形状？”如果答案是肯定的，他们就认为成功了。

但本文指出，这是一个陷阱。仅仅因为一个形状是最稳定的，并不意味着它也是 RNA 唯一会尝试形成的形状。这就像建造一座房子，屋顶是最坚固的部分，但墙壁却不断塌陷成一堆砖头。即使屋顶在技术上是“最佳”的，RNA 也可能大部分时间都处于那堆砖头的状态。

作者明确拒绝仅依赖于“预测结构是否与目标匹配”这一标准。相反，他们建议我们应该关注折叠概率：“在所有摇摆不定的可能性中，这段 RNA 实际处于我们想要的形状的可能性有多大？”

PKProbDesign 的工作原理：支架与延伸

设计一个椒盐卷饼形状的 RNA 是非常困难的。因此，PKProbDesign 将这个问题分解为两个易于处理的部分，就像建造一座带有预制框架的房屋，然后再添加复杂的屋顶。

支架（框架）： 首先，该工具会挑选出目标结构中一个简单的、非交叉的部分。它会计算 RNA 形成这个基础框架的可能性。
延伸（屋顶）： 然后，它会观察剩余的“交叉”部分（即假结），并追问：“在框架已经搭建完成的前提下，RNA 完成剩余折叠以完成整个‘椒盐卷饼’的可能性有多大？”

通过结合这两个概率，该工具创建了一个“伪联合”（pseudo-joint）评分。它不仅仅是在问“它看起来像目标吗？”，而是在问：“热力学上的概率是否支持这段 RNA 真正变成目标形状？”

大考：354 个“椒盐卷饼”

团队通过三个著名的设计方法对 PKProbDesign 进行了测试：DesiRNA、MODENA 和 antaRNA。他们使用了一个名为 PseudoBase++ 的数据库，其中包含 354 个真实的具有假结的 RNA 目标（具体属于“密度-2”类，涵盖了其数据集中几乎所有的目标）。

以下是数据结果：

PKProbDesign 在 354 个目标中的 221 个上胜出了。
DesiRNA 在 117 个目标上胜出。
MODENA 仅在 16 个目标上胜出。

作者指出，虽然 DesiRNA 非常擅长构建“支架”（框架），但 PKProbDesign 更擅长处理“延伸”（那些棘手的交叉部分）。当观察综合评分时，PKProbDesign 表明它是获得最高折叠概率的最可靠方法。

“热点”转折

论文还测试了这些设计在被标准软件预测时的表现。他们使用了三种不同的“预测协议”，其中包括一种利用“热点”（即 RNA 极有可能开始折叠的区域）来引导搜索的方法。

在一个涉及目标 PKB00340 的特定案例研究中，PKProbDesign 生成的序列不仅具有高折叠概率，而且在使用热点引导法进行预测时，其结果也非常接近目标。然而，作者谨慎地指出，高概率评分并不保证预测结构每次都会完美匹配。有时，一个高概率的设计在模拟中看起来仍会有所不同，有时一个中等概率的设计看起来却又非常完美。他们建议我们将概率评分视为衡量设计“潜力”的主要指标，而将结构预测视为次要的检查手段。

这意味着什么（以及不意味着什么）

论文表明，通过专注于热力学概率而非仅仅猜测结构是否匹配，我们可以成功设计复杂的、带有结节的 RNA 形状。

然而，这也存在局限性。该方法目前仅限于“密度-2”结构（一种特定类型的结）。它尚未涵盖自然界中所有可能的 RNA 形状。此外，研究结果是基于计算机模拟和数学模型的；作者指出，仍需通过现实世界的生物学验证（例如在实验室中进行测试）来证明这些设计的有效性。

简而言之，PKProbDesign 是一个强大的新指南针，帮助我们在混乱且纠缠的 RNA 设计世界中航行。它告诉我们，如果我们希望 RNA 折叠正确，我们需要关注的是发生的概率，而不只是发生的可能性。

PKProbDesign 技术摘要

问题陈述
RNA 反向折叠涉及设计能够折叠成特定目标二级结构的 RNA 序列。虽然这对于功能性 RNA 工程和合成生物学至关重要，但对于包含伪结（pseudoknots）的目标，该任务极具挑战性。标准的热力学折叠模型假设结构是嵌套的，而伪结违反了这一假设，使得对于一般情况下的精确折叠预测在计算上变得不可行（NP-hard）。现有的针对伪结目标的反向折叠方法（例如 antaRNA、DesiRNA、MODENA）通常依赖于多目标搜索策略，旨在优化与预测结构的一致性，或使用基于结构预测器的目标函数。目前仍存在一个显著空白，即如何在伪结感知系综（pseudoknot-aware ensemble）中直接优化指定伪结目标的热力学折叠概率。这种方法需要一个能够分配目标特定折叠概率的评估器，以作为直接的优化信号。

方法论
作者提出了 PKProbDesign，这是一个专门为 密度-2 伪结目标（density-2 pseudoknot targets） 设计的基于采样的反向折叠框架。这类结构由 HFold 和 CParty 定义，其特征是交叉相互作用可以被组织成“带”（bands），使得没有任何一个序列位置被超过两个带所跨越。

该方法通过三个主要阶段进行：

目标分解：
每个密度-2 目标结构 $R$ 被分解为两个不相交的、无伪结的组件：一个支架（scaffold） ( $G$ ) 和一个扩展组件（extension component） ( $G'$ )，使得 $R = G \cup G'$ 。这是通过一种贪心算法实现的：该算法按跨度递增对碱基对进行排序，并将非交叉对分配给支架，直到剩余的碱基对形成扩展部分。
概率目标函数公式化：
PKProbDesign 并非优化最小自由能（MFE）结构的一致性，而是优化一个**伪联合折叠概率（pseudo-joint folding probability）**目标。对于序列 $S$ ，得分定义为：
$\tilde{P}_{joint}(S; R, G) = P(G | S) \cdot P(G' | G, S)$
- $P(G | S)$ : 支架的折叠概率，使用 LinearPartition 进行评估。
- $P(G' | G, S)$ : 在固定支架的情况下，扩展组件的条件折叠概率。这是通过一种 CParty 一致性（CParty-consistent） 方法评估的，该方法计算在给定支架条件下扩展结构的配分函数，从而确保与层级折叠假设的一致性。
  优化目标是该伪联合概率的负对数期望值： $J(\theta) = E_{S \sim p_\theta}[-\log \tilde{P}_{joint}(S; R, G)]$ 。
基于采样的优化：
遵循 SamplingDesign 的方法，该方法优化的是有效序列空间上的概率分布 $p_\theta(S)$ ，而非单个序列。
- 表示法： 未配对位置被建模为 4 维分类变量（{A, C, G, U}），而碱基对被建模为 6 维联合分类变量，涵盖标准碱基对（{AU, UA, GC, CG, GU, UG}）。这确保了采样的序列本质上满足配对约束。
- 梯度估计： 期望得分的梯度通过蒙特卡洛采样进行近似。在每次迭代中，从当前分布中采样 $K$ 个序列，对其进行评分，并用于估计梯度 $\nabla_\theta J(\theta)$ 。
- 更新： 使用 Adam 优化器更新分布参数。最终输出是从优化后的分布中采样到的得分最高的序列。

核心贡献

伪结的直接概率优化： PKProbDesign 是第一个针对伪结目标直接优化热力学折叠概率目标的框架，超越了单纯的结构预测一致性。
条件系综评估： 它引入了一种结合了支架折叠概率与 CParty 一致的扩展组件条件概率的评分机制，实现了在密度-2 类中的基于概率的设计。
集成 HFold/CParty 语义： 该方法利用了 HFold 的层级折叠语义和 CParty 的配分函数能力，从而在伪结感知的系综中评估序列。

结果
该方法在来自 PseudoBase++ 的 354 个密度-2 目标（序列长度 $\le$ 100 nt）的基准测试中进行了评估。

折叠概率性能： PKProbDesign 在 354 个目标中的 221 个 上取得了最高的伪联合折叠概率。相比之下，DesiRNA 在 117 个目标上取得了最高概率，MODENA 在 16 个目标上取得了最高概率。
组件分析： 虽然 DesiRNA 在支架项（ $P(G|S)$ ）上表现出更强的性能，但 PKProbDesign 在条件扩展项（ $P(G'|G,S)$ ）和组合得分上展现出了优越的性能。配对 Wilcoxon 符号秩检验确认了 PKProbDesign 整体优于 DesiRNA（ $p = 1.96 \times 10^{-2}$ ）。
结构预测： 在使用三种不同预测协议（针对目标支架的 Viterbi、两阶段 MFE 以及 HotKnot 热点引导的 Viterbi）评估归一化碱基对汉明距离时，各方法的排名有所不同。值得注意的是，MODENA 在热点引导协议下表现强劲，这表明高折叠概率并不总是保证在所有协议下都具有最佳的结构预测一致性，反之亦然。

意义与主张
论文声称，PKProbDesign 证明了伪结反向折叠可以有效地围绕目标折叠概率进行构建，而不是仅仅依赖于结构预测的一致性。通过将目标分解为支架和扩展部分，并利用条件系综评估，该方法提供了一个实用的、基于概率的框架，用于设计密度-2 伪结目标的序列。

作者强调，他们的目标函数是衡量候选序列潜力的主要指标，而结构预测应被视为次要的、补充性的标准。他们承认了局限性，包括使用了贪心分解（近似精确的联合概率）以及对密度-2 类的限制，并指出对于更复杂的 RNA，可能需要更广泛的结构类别。这项工作表明，将折叠概率评估与结构预测行为分离，为未来伪结反向折叠的研究提供了一个更清晰的框架。