使用机器学习加快发现药物输送和疾病治疗的速度
在美国国家科学基金会的支持下开发的一种新的计算工具可以大大加快确定RNA的3D结构，RNA的3D结构是开发新的基于RNA的药物，识别药物结合位点并在其他生物技术和生物医学应用中使用RNA的关键步骤。
Nufold的工具利用了最先进的机器学习技术来预测其序列各种RNA分子的结构。这种新功能将使研究人员能够根据其序列可视化给定的RNA结构的外观，并确定其在药物输送，疾病治疗和其他应用中的潜在用途。导致Nufold的研究发表在自然通讯。
RNA是编码信息（例如DNA）和执行细胞功能（如蛋白质）的关键生物分子，但通过实验来确定相对较少的RNA结构，这严重限制了对其功能的理解。例如，RNA在NSF资助的结构生物信息学蛋白数据库（RCSB PDB）的研究合作仅占总条目的3％。实验确定RNA结构通常是耗时且昂贵的。通过提供可靠地从序列预测RNA结构的途径，Nufold可以大大加快RNA功能的发现，并可以更快地开发基于RNA的疗法和技术。
图片来源：普渡大学的基哈拉（Daisuke Kihara）。从Nufold论文中获取的数字，在创意共享归因非商业 - 非洲毒素4.0国际许可证中
这些治疗剂和技术可以帮助解决一系列疾病和疾病。例如，有关小型干扰RNA结构的信息可能有助于限制基因过表达，该过表达可以在癌症，神经系统疾病和肾结石中发挥作用。知道RNA的结构还可以通过保护植物免受病毒的影响来帮助提高粮食安全。
Nufold利用最先进的机器学习技术来预测其序列中一系列RNA分子的结构。Nufold的系统体系结构基于基于人工智能的蛋白质结构预测工具Alphafold2，该工具在RCSB PDB上进行了培训，其开发人员被授予2024年诺贝尔化学奖。
可以通过新颖的3D纳米制造方法来实现支持机器学习的3D RNA结构。
了解有关NSF支持的更多信息生物技术。
关于《使用机器学习加快发现药物输送和疾病治疗的速度》的评论
暂无评论