- 综合排序
- 最热优先
- 最新优先
- 来自专栏生信小驿站
RNA二级结构（1）从pdb文件注释RNA二级结构
介绍RNA二级结构 对于RNA的二级结构，最直观的肯定是用图片表示，示意如下： ? 图片对于分析人员是特别直观的，但是对于软件而言，就无法识别了。 为了让程序识别RNA二级结构，专门开发出了一种表示方式，用点号和括号这两种符号来表示对应的二级结构。 该表示方法就称之为dot-bracket notation, 其核心思想是利用配对的括号来表示碱基的互补配对，用连续的点号来表示茎环结构，对于下图所示的二级结构。 ? 介绍RNA二级结构 RNApdbee 2.0: multifunctional tool for RNA structure annotation ? 使用RNApdbee2.0来注释RNA二级结构 ? 上传pdb文件，选择默认参数，点击run即可。 ? 便可以得到dot bracket格式的RNA二级结构。
2.9K11发布于 2021-01-20 - 来自专栏生信小驿站
预测RNA三级结构
RNAComposer http://rnacomposer.cs.put.poznan.pl/ 输入RNA序列和二级结构，邮箱地址，点击compose即可。 ? 这四个rna三级结构预测的服务器网站都是需要序列和二级结构。 研究人员提出了一种快速的，基于RNA二级结构，构建RNA三级结构的自动化新方法——3dRNA。 由于RNA结构组织主要是由二级结构水平和三级作用上的拓扑约束编码决定，因此研究人员采用了一个两步法步骤，从最小的二级元件SSEs开始构建整个RNA三级结构。 具。
5.2K20发布于 2021-03-03 - 来自专栏HUBU生信
RNA二级结构预测
trna二级结构的预测可使用RNA Structure的预测服务器 http://rna.urmc.rochester.edu/RNAstructureWeb/index.html。 例：预测爬行动物北美绿色安乐蜥的tRNA trna166-ArgTCG 的序列的二级结构 进入gtrnadb数据库查找trna166-ArgTCG 的序列 1.gtrnadb下载脊椎动物序列集，进入[Download 3.将序列文件导入到RNA Structure的预测服务器 http://rna.urmc.rochester.edu/RNAstructureWeb/index.html 进行结构预测。 进入RNA Structure界面，选择Predict a Secondary Structure ? 进入后，按要求提交数据 ? 等待得到预测的结果 ? 全文结束,欢迎在评论区讨论~
2.1K10发布于 2018-12-27 - 来自专栏DrugAI
Methods | RNA结构预测
实验手段可用，但 RNA 的“柔性”是最大挑战 传统的蛋白结构解析技术——包括 X 射线晶体学、核磁共振（NMR）以及冷冻电镜（cryo-EM）——同样可以用于研究 RNA 结构。 受 AlphaFold 启发，RNA 结构预测迎来深度学习浪潮 AlphaFold 的成功，也极大激发了研究人员将机器学习和深度学习方法引入 RNA 结构预测。 如今，CASP 已正式纳入 RNA 结构预测任务，为该领域提供了统一、客观的评测平台。此外，RNA-Puzzles 这一长期运行的国际竞赛，也持续推动 RNA 结构预测方法的创新与对比评估。 最大瓶颈：RNA 结构数据仍然严重不足 尽管方法不断进步，RNA 结构预测仍面临一个根本性制约：高质量实验数据的匮乏。 展望：实验突破 + AI 方法，或将破解 RNA 结构密码 研究人员期待，随着实验技术的进一步发展，RNA 三级结构解析能够变得更加常规和高通量。
27720编辑于 2026-01-06 - 来自专栏医学数据库百科
UFold | RNA二级结构预测
在 [[DNA转录过程介绍]] 介绍当中，我们知道 DNA 通过转录可以形成一条单一链的 RNA。虽然从线性角度而言的话，RNA 是单链的。但是细胞内的 RNA 可以通过折叠形成 RNA 的二级结构。 RNA 二级结构的形成在很大程度上取决于核苷酸碱基配对，包括经典碱基配对——A-U、C-G 和非 Watson-Crick 配对 G-U，以及非经典碱基配对[1]。 RNA 的二级结构除了维持 RNA 本身的稳定性之外，其也可以参与一些基因的调控作用。 因此了解一个 RNA 的二级结构还是十分重要的。 所以今天就介绍一个最近发表的基于深度学习的 RNA 二级结构预测工具。 输入完成之后，点击Submit 即可得到预测的预测的 RNA 的二级结构。 关于 RNA 二级结构的预测工具目前已经有很多了。基于 Ufold 的原始文献，作者比较了多个 RNA 二级结构预测工具。
4.2K30编辑于 2021-12-10 - 来自专栏生信修炼手册
RNAfold预测RNA的二级结构
在mirdeep软件的分析结果中，会提供miRNA前体的二级结构，这个结果实际上是通过调用RNAfold来实现的，该软件是一个经典的预测RNA二级结构的软件，网址如下 http://rna.tbi.univie.ac.at 默认参数会输出以下两种二级结构 1. optimal secondary structure 最佳二级结构，保证对应的自由能最小，最小自由能简称MFE, 结果示意如下 ? 自由能表征改变这个结构需要注入的能量大小，对应的数值越小，该结构越稳定。 同时给出了可视化结果，示意如下 ? 这个程序也是可以下载到本地运行的，基本用法如下 RNAfold < hsa.hairpin.fa -noPS > precursors.str -noPS参数代表不产生二级结构对应的postscript ，上述用法只给出了最佳的二级结构预测结果和对应的自由能。
4.3K30发布于 2020-05-08 - 来自专栏数据科学（冷冻工厂）
R中单细胞RNA-seq分析教程 (11)
引言 本系列开启 R 中单细胞RNA-seq数据分析教程[1]，持续更新，欢迎关注，转发！ 基于 Seurat 的标签转移 前面提到的两种方法虽然简单明了，但这种简单性也限制了它们的表现。
29910编辑于 2025-03-04 - 来自专栏数据科学（冷冻工厂）
RNA-seq 详细教程：结果汇总与提取（11）
为了汇总结果，DESeq2 中一个方便的函数是 summary()。它与用于检查数据帧的函数同名。当使用 DESeq 结果表作为输入调用此函数时，将使用默认阈值 padj < 0.1 汇总结果。但是，由于我们在创建结果表阈值时将 alpha 参数设置为 0.05：FDR < 0.05（即使输出显示 p 值 < 0.05，也使用 padj/FDR）。让我们从 OE 与对照结果开始：
60120编辑于 2023-02-27 - 来自专栏数据科学（冷冻工厂）
RNA-seq 详细教程：结果汇总与提取（11）
为了汇总结果，DESeq2 中一个方便的函数是 summary()。它与用于检查数据帧的函数同名。当使用 DESeq 结果表作为输入调用此函数时，将使用默认阈值 padj < 0.1 汇总结果。但是，由于我们在创建结果表阈值时将 alpha 参数设置为 0.05：FDR < 0.05（即使输出显示 p 值 < 0.05，也使用 padj/FDR）。让我们从 OE 与对照结果开始：
69230编辑于 2023-01-29 - 来自专栏DrugOne
. | 深度学习赋能RNA研究，NuFold实现精确RNA结构预测
理解其功能的机械机制需要三级结构信息；然而，实验测定RNA三维结构既昂贵又耗时，导致RNA序列和结构数据之间存在巨大差距。 然而，由于实验确定的RNA结构稀缺，作者对RNA结构的了解仍然有限。蛋白质数据库(PDB)包含大约6000个条目，其中包括RNA分子，这仅占整个PDB条目的约3%。 在这里，作者介绍了NuFold，一种使用端到端深度网络架构的从头开始RNA结构预测方法。该方法接收目标RNA序列并通过一个全面训练的单一网络生成三级结构模型。 ，用于构建目标RNA的三维(3D)结构模型。 在图2f中，在测试集上，作者从第8到14次循环中选择了最高pLDDT结构，这是在第11次循环(在验证集中产生最低平均RMSD)周围±3次循环。
45210编辑于 2025-02-26 - 来自专栏DrugOne
. | 实验×AI：加速RNA结构测定
DRUGONE RNA 是细胞内关键的功能分子，其生物学作用高度依赖复杂而动态的三维结构。然而，RNA 的高度柔性、电荷特性以及对环境的敏感性，使其结构解析长期面临挑战。 近年来，随着冷冻电镜等实验技术的突破，以及受蛋白结构预测成功启发的人工智能方法兴起，RNA 结构解析进入快速发展阶段。 AI 驱动的 RNA 结构预测 受蛋白结构预测革命性进展的推动，研究人员将深度学习引入 RNA 三维结构预测。 然而，由于 RNA 结构数据稀缺、进化信号弱以及动力学信息缺失，自动化预测仍难以全面超越人工专家。 图2 | AI 驱动的 RNA 结构预测流程及典型预测示例。 未来的重要方向包括：识别并优先解析更多结构多样的新型 RNA、通过 AI 降低高分辨实验的门槛以加速结构测定流程，以及发展更具结构感知能力的 RNA 语言模型与生成模型。
13710编辑于 2026-01-13 - 来自专栏生信菜鸟团
RNA 结构预测为什么比蛋白质难？
却仍在门外 2020年11月的一场虚拟会议上，一项每两年举办一次的蛋白质结构预测挑战赛公布了冠军：AlphaFold。 2022年，CASP将挑战目标转向另一类复杂但极其关键的生物大分子：RNA。 RNA结构预测为何更难？ 与蛋白质类似，RNA结构的解析也依赖昂贵且耗时的实验方法，而计算方法可以成为辅助工具。 结构预测：蛋白质遥遥领先 RNA结构预测工具的发展远落后于蛋白质。即便是AlphaFold的最新版本 AlphaFold3，在RNA结构预测方面表现也十分有限。 RNA结构的特殊挑战 与蛋白质相比，RNA分子具有更灵活的骨架，且结构更加动态，在完成功能时可能发生显著构象变化。 2024年11月，该团队报告称 RhoFold 可准确预测RNA结构，在多个预测目标上超越2022年CASP中排名靠前的专家团队。
34700编辑于 2025-03-28 - 来自专栏生信小驿站
RNA结构分析（2）通过核苷酸序列预测二级结构
（1）RNAfold 服务器 1.输入核苷酸序列 2.点击运行 RNAfold web server http://rna.tbi.univie.ac.at/cgi-bin/RNAWebSuite www.unafold.org http://www.unafold.org/ 1.设置任务名 2.输入核苷酸序列 3.点击运行fold 4.点击输出页面的vienna，得到‘点括号’形式的二级结构 （4）Vfold2D服务器 Vfold2D http://rna.physics.missouri.edu/vfold2D/ 1.设置任务名 2.输入核苷酸序列，输入邮箱 3.点击运行 4.点击模型 ，生成二级结构‘点括号’ ? 服务器 CentroidFold http://rtools.cbrc.jp/centroidfold/ 1.输入核苷酸序列 2.点击运行 3.计算结束后点击txt，即可得到‘点括号’形式的二级结构
7.8K22发布于 2021-01-26 - 来自专栏DrugAI
. | ERNIE-RNA: 一种引入结构增强表示的 RNA 语言模型
ERNIE-RNA 的注意力图在零样本条件下即可显著捕捉 RNA 的结构特征，甚至优于传统计算方法，说明模型在预训练过程中自然学会了 RNA 的结构模式。 RNA 不仅承担遗传信息的传递功能，还参与调控、结构构建等多种生物过程。RNA 的一级序列会折叠形成稳定的二级与三级结构，这些结构最终决定其功能。 因此，理解 RNA 结构是推动生物学与 RNA 疗法发展的关键。 预训练阶段已自然形成结构感知能力 注意力图的 RNA 二级结构零样本预测性能 研究人员将注意力图直接视为碱基配对概率矩阵，用于零样本 RNA 二级结构预测。 ERNIE-RNA 在伪结等复杂结构上的表现 伪结等复杂结构通常难以被传统热力学方法捕捉。ERNIE-RNA 通过注意力图仍能识别关键互补区域，对复杂结构的预测效果显著优于 RNA-FM 等模型。
16820编辑于 2026-01-06 - 来自专栏DrugOne
structRFM：结构引导的RNA基础模型，全开源，刷新结构与功能预测纪录
然而，现有RNA语言模型多基于大规模序列数据进行训练，未充分利用结构信息，导致对结构相关功能的预测能力有限。 已有方法尝试引入结构特征，但往往依赖噪声较大的结构注释数据，或在训练过程中引入任务特定的监督信号，从而牺牲了模型的泛化性和通用性。这一局限性在RNA结构预测、结构导向的功能推断等领域尤为突出。 f, g 在 CASP15（12 条 RNA）和 RNA Puzzles（20 条 RNA）数据集上，基于预测三级结构提取的二级结构头对头比较。圆圈大小依差值大小而定。 j, k CASP15 和RNA Puzzles 上预测三级结构示例，原生结构以粉色展示。 图 4结构预测可视化 structRFM预测结构与 CASP15 数据集原生结构的可视化。 创新点 首次将结构引导掩码策略规模化应用于 RNA 基础模型自监督预训练； 构建迄今最大规模的 RNA 序列–结构配对数据集； 模型、数据、代码全部开源，推动多模态生物基础模型发展； 多任务性能领先，实现跨域泛化
33910编辑于 2025-08-15 - 来自专栏DrugAI
. | 无需RNA三级结构的小分子–RNA相互作用预测方法
研究人员提出 SMRTnet，一种无需 RNA 三级结构、仅基于 RNA 二级结构的小分子–RNA 相互作用预测深度学习框架。 相较于蛋白质，RNA 靶点在药物开发中仍处于早期阶段，其中一个关键瓶颈在于 RNA 三级结构难以通过实验手段大规模解析。 因此，亟需一种摆脱 RNA 三级结构依赖、可扩展至大规模 RNA 靶点的预测方法。 RNA 二级结构与模型组件的重要性 消融实验表明，RNA 序列与二级结构信息对预测性能至关重要；移除二级结构会显著降低模型表现。多模态融合模块也对整体性能提升具有重要贡献。 讨论 SMRTnet 提供了一种不依赖 RNA 三级结构的小分子–RNA 相互作用预测新范式，显著扩展了可计算研究的 RNA 靶点空间。
13820编辑于 2026-01-06 - 来自专栏生信修炼手册
RNA二级结构表示法:Dot-Bracket notation
对于预测到的novel miRNA,也就是新的miRNA, 我们会想要知道其二级结构。对于RNA的二级结构，最直观的肯定是用图片表示，示意如下 ? 上图表示的是一个miRNA前体，即pri-miRNA, 有一个典型的茎环结构，除此之外，其他的碱基都是互补配对的。 图片对于分析人员是特别直观的，但是对于软件而言，就无法识别了。 为了让程序识别RNA二级结构，专门开发出了一种表示方式，用点号和括号这两种符号来表示对应的二级结构。 该表示方法就称之为dot-bracket notation, 其核心思想是利用配对的括号来表示碱基的互补配对，用连续的点号来表示茎环结构，对于下图所示的二级结构 ? 这种表示方式只采用了两种符号，而且都是计算机可以识别的符号，所以软件也可以识别，在很多软件和数据库中，给出的二级结构都会用这种方式来表示。 ·end· —如果喜欢，快分享给你的朋友们吧—
1.8K20发布于 2020-05-08 - 来自专栏DrugIntel
. | 无需RNA三级结构的小分子–RNA相互作用预测方法
研究人员提出 SMRTnet，一种无需 RNA 三级结构、仅基于 RNA 二级结构的小分子–RNA 相互作用预测深度学习框架。 相较于蛋白质，RNA 靶点在药物开发中仍处于早期阶段，其中一个关键瓶颈在于 RNA 三级结构难以通过实验手段大规模解析。 因此，亟需一种摆脱 RNA 三级结构依赖、可扩展至大规模 RNA 靶点的预测方法。 RNA 二级结构与模型组件的重要性 消融实验表明，RNA 序列与二级结构信息对预测性能至关重要；移除二级结构会显著降低模型表现。多模态融合模块也对整体性能提升具有重要贡献。 讨论 SMRTnet 提供了一种不依赖 RNA 三级结构的小分子–RNA 相互作用预测新范式，显著扩展了可计算研究的 RNA 靶点空间。
19810编辑于 2026-01-06 - 来自专栏生信菜鸟团
RNA-seq数据分析完全指北-11：Spladder分析可变剪切
由于结构决定功能，而序列决定结构，可变剪切可能会对蛋白质功能产生巨大影响。许多文献也表明，可变剪切在发育、肿瘤发生等过程中发挥重要作用。 SplAdder: identification, quantification and testing of alternative splicing events from RNA-Seq data
4.1K10编辑于 2022-04-08 - 来自专栏ops技术分享
Nginx结构原理全解析（11）
3）master进程修改pid文件名，加后缀.oldbin（进程自动改的，不需要手动改）
23220发布于 2021-05-11
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号