超越AlphaFold3！山東大學楊建益團隊開發AI新算法，精準預測RNA三維結構并捕捉動態構象

撰文丨王聰

編輯丨王多魚

排版丨水成文

在生命科學領域，RNA的三維（3D）結構解析一直是塊“硬骨頭”。與相對穩定的蛋白質不同，RNA 分子天生靈活多變，能在不同構象間切換，這對其功能至關重要，但也讓實驗測定其精確三維結構變得異常困難。此外，傳統的計算方法也常常束手無策。

然而，這一困局正被來自中國團隊的一項研究成果所打破。

2026 年 4 月 21 日，山東大學楊建益教授團隊（王文愷博士為論文第一作者）在 Nature 子刊Nature Machine Intelligence上發表了題為：Predicting RNA 3D structure and conformers using a pre-trained secondary structure model and structure-aware attention 的研究論文。

該研究開發了一個名為trRosettaRNA2的 AI 新算法，它不僅能夠高精度預測 RNA 的靜態三維結構，更能捕捉其動態構象變化，在國際權威結構預測競賽 CASP16 中，力壓包括AlphaFold3在內的所有對手，取得 RNA 結構預測自動算法組冠軍。此外，研究團隊還將其應用于核糖核酸酶 P RNA 的結構預測，結果顯示，即使沒有實驗數據，trRosettaRNA2 也能成功捕捉到其結構異質性，顯示出預測 RNA 多種構象的潛力。

核心創新：用“二維藍圖”指導“三維施工”

相較于蛋白質結構的解析和預測，確定RNA的三維（3D）結構和構象體，仍然是結構生物學中的一個重大挑戰，這主要是由于實驗數據的稀缺、RNA 分子固有的靈活性以及當前實驗和計算方法的局限性。

在這項新研究中，研究團隊的核心思路非常巧妙：既然 RNA 三維結構數據稀缺是主要瓶頸，那就另辟蹊徑，從海量且易得的 RNA 二級結構數據中尋找突破口。

我們可以把 RNA 想象成一棟復雜的建筑：一級結構（序列）：就像建筑材料的排列順序；二級結構：是這些材料局部折疊形成的穩定“模塊”或“骨架藍圖”，例如哪些部分會配對形成雙螺旋，哪些部分會形成環；三級結構：最終建成的、具有完整功能的立體建筑。

trRosettaRNA2的創新在于，它內部集成了一個預訓練的二級結構（Secondary Structure，SS）先驗模塊。這個模塊在包含海量 RNA 二級結構信息的數據庫上進行了訓練，能像一位經驗豐富的建筑師，僅憑 RNA 序列就快速、準確地繪制出“二維結構藍圖”。這個模塊本身就是一個獨立的、性能頂尖的 RNA 二級結構預測工具——trRNA2-SS。

更重要的是，trRosettaRNA2并非簡單地將這份“藍圖”作為固定約束，而是通過一種名為 “二級結構感知注意力”（SS-aware attention）機制，讓神經網絡在預測三維坐標時，能動態地、有側重地參考這份藍圖信息，從而更精準地搭建出最終的“三維建筑”，甚至模擬出建筑在不同狀態下的幾種可能形態（即構象異構體）。

性能卓越：以小博大，超越巨頭

在嚴格的基準測試中，trRosettaRNA2展現出了令人矚目的性能：

精度領先：在標準測試集 TS28 上，trRosettaRNA2 的預測精度（以 RMSD 衡量）比其前代模型提升了 24%，并且在多項關鍵指標上優于AlphaFold3，同時產生的結構沖突更少，物理合理性更高。

效率驚人：trRosettaRNA2 的模型參數量僅為約 3000 萬，是 AlphaFold3 的約 1/12，RoseTTAFoldNA 的 1/2。其訓練成本也大幅降低，僅用單個 A100/A800 GPU 訓練了約 33天，遠低于其他主流方法。這真正實現了“小而精”的高效預測。

盲測奪冠：在最具挑戰性的 CASP16 RNA 結構盲測中（參賽者不知道所預測的 RNA 的實驗結構，純粹比拼預測能力），基于 trRosettaRNA2 的“Yang-Server”在全部 36 個 RNA 單體靶標上，位列所有自動化服務器第一名，總排名在 64 個參賽組中高居第四，僅次于三個人工干預團隊，超過了 AlphaFold3 服務器（排名第九）。

應用潛力：從靜態到動態

這項研究的另一大亮點是成功預測了 RNA 的構象異構體。研究團隊以核糖核酸酶 P（RNase P）RNA 為例，成功復現了其在原子力顯微鏡實驗中觀察到的多種構象，而這一切無需依賴任何實驗數據作為輸入。這意味著，trRosettaRNA2 不僅能給出 RNA 的“標準證件照”，還能推演出它的“動態生活影像”，為理解 RNA 如何通過形變來行使功能（例如基因調控、催化反應）提供了強大的計算工具。

trRosettaRNA2 的成功，標志著 RNA 三維結構預測領域邁出了堅實的一步。它通過巧妙地利用更豐富的二級結構數據作為先驗知識，以更高效、更精準的方式解決了三維結構預測的難題，并在國際頂級競賽中證明了其領先地位。這一成果不僅將極大推動非編碼 RNA 功能機制、RNA 藥物靶點發現等基礎研究，也為整個計算結構生物學提供了新的思路——在面對數據稀缺的挑戰時，融合多維度、多層次的信息可能是通往成功的關鍵路徑。

論文鏈接：

https://www.nature.com/articles/s42256-026-01223-x