Enhanced-Sampling Molecular Dynamics Recovers Rare Functional RNA Conformations Across Diverse Structural Contexts

在每一个活细胞内，RNA 分子都扮演着多功能信使和机器的角色，传递遗传指令并协助构建蛋白质。为了履行职责，这些分子并不会静止不动；它们不断地改变形状，像灵活的丝带一样折叠与展开。理解这些不同的形状或构象至关重要，因为分子的功能往往取决于其特定的形态。然而，许多最重要的形状是稀有且转瞬即逝的，仅在极短的一瞬间出现，随后分子便会弹回其更常见的状态。长期以来，科学家们一直难以捕捉到这些难以捉摸的形态，并以足够的细节来理解它们的工作原理，尤其是在尝试设计针对这些形态的药物时。挑战在于，目前的方法通常依赖于一个可能的形状初始列表，如果正确的形状不在该列表中，无论收集多少数据，该方法都无法找到它。

一个研究小组致力于解决这一问题，他们通过测试不同的生成 RNA 形状完整库的方法，将一段特定的 HIV-1 RNA（被称为 TAR 元件）作为实验对象。他们将标准的计算机模拟（这种模拟移动缓慢且经常错过罕见事件）与几种旨在加速分子形状探索的先进技术进行了对比。这些先进方法包括通过加热分子以帮助其跨越能量障碍的技术，以及其他利用巧妙数学技巧来鼓励分子探索新领域的手段。他们还测试了基于已知模式来预测形状的现代结构预测工具。为了观察哪种方法效果最好，研究人员根据真实的实验数据对生成的形状集合进行了精炼，并对照分子磁特性的独立测量结果进行了验证。

结果显示，最成功的方法是一种被称为“温度副本交换分子动力学”的技术。在这种技术中，多个分子的副本同时在不同的温度下进行模拟，允许它们交换状态并探索比标准方法更广泛的形状范围。这种方法产生了最准确的形状集合，比测试的其他任何方法都能更连续地覆盖可能的结构图谱。至关重要的是，这种方法发现了实验中观察到的、但并未包含在初始形状列表中的稀有高能态。它发现了一种 RNA 碱基之间的特定三部分连接以及一种其他方法完全错过的罕见激发态，仅仅是因为它不需要被告知去寻找它们。

寻找这些稀有形状的价值不仅在于匹配实验数据。当研究人员使用更准确的形状集合来模拟 RNA 如何与潜在药物分子结合时，结果得到了显著改善。形状集合与现实的匹配度越高，计算机预测药物结合能力的表现就越好。团队证实，同样的策略也适用于其他复杂的 RNA 结构，包括一个涉及维生素生产的核糖开关和一个稳定的环状结构，这两者在利用这种增强采样方法进行分析时，都表现出与实验数据更好的吻合度。

通过证明这些先进的模拟技术可以在无需预先知晓目标的情况下，可靠地发现罕见且具有功能的形态，这项研究为 RNA 研究提供了一个强大的新工具。它表明，通过使用允许分子探索其全方位运动范围的方法，科学家可以构建出更完整、更准确的 RNA 工作模型。这一进展将分子结构的精确细节直接与实际应用联系起来，为开发针对这些动态且重要的生物分子进行治疗提供了更清晰的路径。