深度学习推动了生物分子建模的进步，但 RNA 分子因其“高度柔性”而难以预测。具体来说，RNA 进化序列稀缺、同源结构信息有限。这些因素导致准确预测其三维结构十分困难。

研究人员最近提出了一个名为 RNAbpFlow 的新方案。这是一个基于 SE(3) 等变 Flow Matching 的生成模型。该模型将 RNA 序列和碱基配对信息作为条件输入，直接生成 RNA 的三维结构构象集合。

该方法采用核碱基中心表示，能够端到端地输出全原子 RNA 结构。它不需要显式或隐式地依赖进化信息，也无需使用同源结构模板。实验结果表明，加入碱基配对条件后，RNAbpFlow 在 RNA 拓扑采样和大规模预测建模的基准测试中，性能提升幅度更广，也更稳健。

挑战与背景

RNA 三维结构解析是结构生物学绕不开的话题。随着 RNA 药物和靶向小分子治疗的发展，理解其三维结构变得至关重要。无论是设计功能明确的 RNA 分子，还是加速 RNA 介导的药物发现，都必须先搞清楚它在三维空间里的形状。

但难点在于，RNA 天然构象灵活，导致 X 射线晶体学、核磁共振、冷冻电镜等实验方法经常碰壁。因此，计算 RNA 结构预测逐渐成为填补结构空白、理解其构象动态的重要工具。

传统方法包括基于模板的，以及依赖物理势能、知识势能或片段库构建模型的。然而，蛋白质数据库中的 RNA 结构较少，且计算成本高，不适合大型、拓扑复杂的 RNA 进行快速预测。

近年来，受 AlphaFold2 成功启发，基于深度学习的 RNA 结构预测方法大量涌现。但不少方法仍依赖多序列比对或生物语言模型隐式学到的同源信息。可靠的 RNA 多序列比对本身不易获取。更关键的是，许多现有方法未充分利用 RNA 的二维碱基配对信息，尤其是非经典碱基配对和复杂拓扑中的关键相互作用。

此外，RNA 通常不是静态结构，而是一堆构象状态的分布。因此，急需一种新方法，能从序列和碱基配对条件出发，直接生成全原子 RNA 三维构象集合。

方法

研究人员提出的 RNAbpFlow，本质上是一个基于 SE(3) 等变 Flow Matching 的条件生成模型。它专门用于为单链 RNA 单体生成全原子三维结构。

模型以 RNA 序列和碱基配对图作为条件输入。其中，碱基配对信息来自三种互补的注释方法，覆盖了经典和非经典碱基配对相互作用。RNAbpFlow 采用核碱基中心表示，将每个核苷酸看作一个刚体框架。

通过预测旋转、平移和可旋转键的角度，模型端到端地重建全原子 RNA 结构。这种设计省去了后处理几何优化模块，使大规模结构采样效率更高。训练时，研究人员还加入了一个以碱基配对为中心的辅助损失，帮助模型更好地实现输入的经典和非经典碱基配对约束。

图1｜RNAbpFlow 方法框架。

结果

RNAbpFlow 框架概述

RNAbpFlow 在 FrameFlow 的基础上搭建。它将 RNA 序列中的每个核苷酸表示为由平移和旋转定义的刚体框架。模型从一个由高斯噪声初始化的核苷酸框架出发，在 RNA 序列特征和碱基配对图的引导下，通过迭代采样逐步生成 RNA 三维结构。

它不仅生成骨架原子，还通过预测多个扭转角恢复核糖、磷酸骨架和碱基的全原子坐标。这样，RNAbpFlow 就能端到端地生成全原子 RNA 三维结构，同时显式地对核碱基的方向和柔性进行建模。

RNA 结构集合生成性能

研究人员首先将 RNAbpFlow 与 RNAJP 进行了对比。RNAJP 是一种基于粗粒度分子动力学模拟的采样方法，它显式考虑了碱基配对、碱基堆叠和长程环—环相互作用。

在一个包含三路连接结构的 12 个 RNA 靶标基准集上，RNAbpFlow 对每个靶标生成了 1000 个三维结构样本。结果在 TM-score 和 lDDT 两项指标上都优于 RNAJP。RNAbpFlow 的平均 lDDT 是 0.66，RNAJP 是 0.59；平均 TM-score 是 0.38，RNAJP 是 0.32。

更值得一提的是，RNAbpFlow 生成正确折叠结构的比例更高。这说明它不仅能找到更好的最优结构，还能更高效地采样全局拓扑和局部构象。

图2｜RNAbpFlow 与 RNAJP 的采样性能比较。

CASP15 靶标上的性能

在 CASP15 的 RNA 靶标上，研究人员将 RNAbpFlow 与多种基于物理、知识以及深度学习的预测方法进行了比较。当输入准确的天然碱基配对信息时，RNAbpFlow 的平均 TM-score 达到 0.48，全原子 RMSD 是 7.77，非 Watson–Crick 碱基配对保真度是 0.62。这些指标明显优于其他方法。

如果换成预测的碱基配对信息，RNAbpFlow 的性能会有所下降，但在大多数指标上仍优于 DRfold、NuFold、trRosettaRNA 和 RhoFold 等深度学习方法。对于包含非经典相互作用和假结的复杂 RNA，RNAbpFlow 也表现出更好的碱基配对保真度，尤其在非经典碱基配对和碱基堆叠恢复方面更有优势。

CASP16 靶标上的性能

在 CASP16 盲测靶标中，研究人员重点评估了长度不超过 200 个核苷酸的 14 个 RNA 靶标。RNAbpFlow 不用多序列比对或模板信息，只用预测的碱基配对作为条件输入。但其平均最大 TM-score 和 lDDT 超过了两个 CASP16 表现最好的自动服务器方法——AF3-server 和 Yang-Server。

对于进化信号弱、MSA 比较“浅”的困难靶标，RNAbpFlow 的表现尤其突出。这说明在 RNA 同源序列信息不足的情况下，利用碱基配对条件进行建模有明显优势。

再与本地运行的 AlphaFold3、NuFold、trRosettaRNA2、DRfold2 相比，RNAbpFlow 同样取得了更好的平均最大 TM-score 和 lDDT。在 14 个靶标中，RNAbpFlow 在 12 个靶标中至少生成了一个正确折叠的结构，而 AlphaFold3 只覆盖了 8 个。

对于超过 200 个核苷酸的大型 RNA，RNAbpFlow 仍优于 NuFold、trRosettaRNA2 和 DRfold2，只是略低于 AlphaFold3。研究人员分析，这主要是因为大型 RNA 的预测碱基配对质量偏弱，从而限制了 RNAbpFlow 的条件生成效果。

图3｜RNAbpFlow 与先进方法在 CASP16 靶标上的比较。

数据增强、微调和碱基配对准确性的贡献

研究人员还深入分析了三个因素对 RNAbpFlow 的影响：交叉蒸馏数据增强、用预测碱基配对微调，以及碱基配对准确性。结果显示，交叉蒸馏训练能显著提升性能。使用预测碱基配对时，加入蒸馏训练后，平均最大 TM-score 从 0.50 提高到 0.57，平均最大 lDDT 从 0.61 提高到 0.69。

改用实验碱基配对作为输入时，性能进一步提升，平均最大 TM-score 达到 0.68，平均最大 lDDT 达到 0.77。这说明 RNAbpFlow 的性能上限很高，但非常依赖于输入碱基配对的准确性。

进一步用预测碱基配对进行微调后，RNAbpFlow 的平均最大 TM-score 提升到 0.61，同时平均 TM-score 和 lDDT 也显著改善。这缩小了预测碱基配对与实验碱基配对之间的性能差距。

研究人员还发现，RNAbpFlow 会高度遵循输入的碱基配对条件。输入天然碱基配对时，输出结构与输入高度一致。输入带有噪声的预测碱基配对时，模型也会较强地复现这些不准确的约束。因此，碱基配对预测质量是影响 RNAbpFlow 下游三维结构生成质量的关键因素。

消融实验

为评估碱基配对信息的重要性，研究人员在 RNA3DB 的非冗余测试集上做了消融实验。模型分别用三种不同碱基配对注释图、三者组合，以及完全不使用碱基配对信息进行训练和推理。

结果显示，三种碱基配对图联合输入时效果最好。平均最大 TM-score 和 lDDT 分别达到 0.51 和 0.71。相比只用序列条件的基线模型，TM-score 平均提升了 41.7%，lDDT 平均提升了 54.3%。这意味着，碱基配对信息在 RNA 三维结构生成中扮演着关键角色。

研究人员还评估了辅助损失的贡献。只要移除任意一个与碱基配对相关的辅助损失，采样质量就会下降。这说明，围绕碱基配对来设计训练监督，确实有助于模型更忠实地实现输入的经典和非经典相互作用。

图4｜碱基配对条件提升 RNA 三维结构生成质量。

讨论

本研究开发的 RNAbpFlow，是一种以序列和碱基配对为条件的全原子 RNA 三维结构生成方法。它基于 SE(3) 等变 Flow Matching，不依赖多序列比对、同源结构模板或隐式进化信息。它直接利用 RNA 的碱基配对信息，端到端地生成全原子三维结构集合。

实验结果清楚地表明，引入碱基配对条件能显著提升 RNA 结构生成和预测的性能。这种提升与输入碱基配对的质量密切相关。

RNAbpFlow 的意义在于，它为 RNA 构象集合生成提供了一个快速、端到端、全原子级别的深度生成框架。与传统只预测单一结构不同，RNAbpFlow 能生成大量候选构象，更适合研究 RNA 的构象动态。因为它不依赖同源序列和模板，所以特别适用于那些进化信息稀缺、结构同源性弱的 RNA 靶标。

不过，RNAbpFlow 也有明显的短板。首先，它的采样和预测性能高度依赖输入碱基配对信息的准确性。大型 RNA 上，当前二维结构预测器给出的碱基配对图质量会下降，从而限制三维结构的生成效果。

其次，当前模型还没有专门针对超长 RNA 做优化。未来可能需要更多长 RNA 的训练数据，以及更适合长序列建模的架构，比如局部感知消息传递和稀疏注意力机制，以提升长程信息的传递效率。

展望未来，RNAbpFlow 可以进一步扩展。除了引入碱基配对信息，还可以结合多序列比对、化学探针反应性数据、近邻连接或交联实验约束等额外信息，以改善困难靶标的预测精度。同时，探索更多开放可用的碱基配对注释流程，也可能进一步提升训练标注质量、模型鲁棒性和整体预测准确性。

总的来说，RNAbpFlow 为 RNA 三维结构建模提供了一种兼具数据驱动和结构先验的新范式。它有望推动 RNA 结构预测、RNA 动态构象研究和 RNA 药物设计的发展。

参考资料

Tarafder, S., Bhattacharya, D. RNAbpFlow: base pair-augmented SE(3) flow matching for conditional RNA 3D structure generation. Nat Methods (2026).
https://doi.org/10.1038/s41592-026-03128-4