✖


Jump to content

Прогнозирование структуры нуклеиновой кислоты

Эта статья о компьютерном предсказании структуры нуклеиновой кислоты. Информацию об экспериментальных методах см. в разделе «Определение структуры нуклеиновой кислоты» .

Прогнозирование структуры нуклеиновой кислоты — это вычислительный метод определения вторичной и третичной структуры нуклеиновой кислоты по ее последовательности. Вторичную структуру можно предсказать на основе одной или нескольких последовательностей нуклеиновой кислоты. Третичная структура может быть предсказана на основе последовательности или с помощью сравнительного моделирования (когда известна структура гомологичной последовательности).

Проблема предсказания вторичной структуры нуклеиновой кислоты зависит главным образом от спаривания и укладки оснований взаимодействий ; многие молекулы имеют несколько возможных трехмерных структур, поэтому предсказание этих структур остается недостижимым, если не наблюдается очевидное последовательность и функциональное сходство с известным классом молекул нуклеиновых кислот, такими как транспортная РНК (тРНК) или микроРНК (миРНК). Многие методы прогнозирования вторичной структуры основаны на вариантах динамического программирования и поэтому неспособны эффективно идентифицировать псевдоузлы .

Хотя методы схожи, существуют небольшие различия в подходах к предсказанию структуры РНК и ДНК. In vivo структуры ДНК, скорее всего, будут дуплексами с полной комплементарностью между двумя цепями, тогда как структуры РНК с большей вероятностью сворачиваются в сложные вторичные и третичные структуры, такие как рибосома , сплайсосома или транспортная РНК . Частично это связано с тем, что дополнительный кислород в РНК увеличивает склонность к образованию водородных связей в остове нуклеиновой кислоты. Энергетические параметры также различны для двух нуклеиновых кислот. Методы прогнозирования структуры могут основываться на полностью теоретическом подходе или гибридном подходе, включающем экспериментальные данные. [1] [2]

Прогнозирование структуры одной последовательности

[ редактировать ]

Общей проблемой для исследователей, работающих с РНК, является определение трехмерной структуры молекулы, зная только последовательность нуклеиновой кислоты. Однако в случае РНК большая часть окончательной структуры определяется вторичной структурой или внутримолекулярными взаимодействиями спаривания оснований молекулы. Об этом свидетельствует высокая консервативность пар оснований у разных видов.

Самая стабильная структура

[ редактировать ]

Вторичная структура малых молекул РНК в значительной степени определяется сильными локальными взаимодействиями, такими как водородные связи и укладка оснований . Суммирование свободной энергии таких взаимодействий должно обеспечить приближение устойчивости данной структуры. Чтобы предсказать свободную энергию сворачивания данной вторичной структуры, эмпирическая модель ближайшего соседа используется . В модели ближайшего соседа изменение свободной энергии для каждого мотива зависит от последовательности мотива и его ближайших пар оснований. [3] Модель и параметры минимальной энергии для пар Уотсона-Крика, пар GU и петлевых областей были получены на основе эмпирических калориметрических экспериментов, наиболее современные параметры были опубликованы в 2004 г. [4] хотя в большинстве пакетов программного обеспечения используется предыдущий набор, собранный в 1999 году. [5]

Самый простой способ найти структуру с наименьшей свободной энергией — это сгенерировать все возможные структуры и вычислить для них свободную энергию, но количество возможных структур для последовательности увеличивается экспоненциально с длиной РНК: number of secondary structures = (1,8)N, N- number of nucleotides. [6] Для более длинных молекул количество возможных вторичных структур огромно: последовательность из 100 нуклеотидов имеет более 10 25 возможные вторичные структуры. [3]

Алгоритмы динамического программирования

[ редактировать ]

Наиболее популярные методы прогнозирования вторичной структуры РНК и ДНК включают динамическое программирование . [7] [8] Одна из первых попыток предсказать вторичную структуру РНК была предпринята Рут Нусиновой и ее коллегами, которые разработали алгоритм на основе динамического программирования, который максимизировал длину и количество серий «блоков» (полинуклеотидных цепей). [7] Для каждого «блока» требовалось как минимум два нуклеотида, что уменьшало требования алгоритма к хранению по сравнению с подходами с одним сопоставлением оснований. [7] Нусинов и др. позже опубликовал адаптированный подход с улучшенной производительностью, который увеличил предел размера РНК до ~ 1000 оснований за счет сворачивания подразделов все большего размера с сохранением результатов предыдущих сгибов, теперь известный как алгоритм Нусинова . [8] В 1981 году Майкл Цукер и Патрик Стиглер предложили усовершенствованный подход, производительность которого сравнима с решением Нусинова и др., но с дополнительной возможностью находить «субоптимальные» вторичные структуры. [9]

Алгоритмы динамического программирования предоставляют средства для неявной проверки всех вариантов возможных вторичных структур РНК без явного создания структур. Сначала определяется наименьшая конформационная свободная энергия для каждого возможного фрагмента последовательности, начиная с самых коротких фрагментов, а затем для более длинных фрагментов. Для более длинных фрагментов рекурсия по оптимальным изменениям свободной энергии, определенным для более коротких последовательностей, ускоряет определение наименьшей свободной энергии свертывания. После расчета наименьшей свободной энергии полной последовательности определяется точная структура молекулы РНК. [3]

Алгоритмы динамического программирования обычно используются для обнаружения шаблонов спаривания оснований , которые «хорошо вложены», то есть образуют водородные связи только с основаниями, которые не перекрывают друг друга в положении последовательности. Вторичные структуры, попадающие в эту категорию, включают двойные спирали , стеблевые петли и варианты структуры «клеверного листа», обнаруженные в молекулах транспортной РНК . Эти методы основаны на заранее рассчитанных параметрах, которые оценивают свободную энергию , связанную с определенными типами взаимодействий спаривания оснований, включая Уотсона-Крика и пары оснований Хугстина . В зависимости от сложности метода можно рассматривать отдельные пары оснований и короткие сегменты из двух или трех оснований, чтобы учесть эффекты штабелирования оснований. Этот метод не может идентифицировать псевдоузлы , которые плохо вложены друг в друга, без существенных алгоритмических модификаций, которые требуют очень больших вычислительных затрат. [10]

Субоптимальные структуры

[ редактировать ]

Точность предсказания вторичной структуры РНК по одной последовательности путем минимизации свободной энергии ограничена несколькими факторами:

  1. Список значений свободной энергии в модели ближайшего соседа неполный.
  2. Не все известные РНК сворачиваются таким образом, чтобы соответствовать термодинамическому минимуму.
  3. Некоторые последовательности РНК имеют более одной биологически активной конформации (т.е. рибопереключателей ).

По этой причине способность прогнозировать структуры, которые имеют аналогичную низкую свободную энергию, может предоставить важную информацию. Такие структуры называются субоптимальными структурами. MFOLD — это программа, генерирующая неоптимальные структуры. [11]

Прогнозирование псевдоузлов

[ редактировать ]

Одна из проблем при прогнозировании вторичной структуры РНК заключается в том, что стандартные методы минимизации свободной энергии и статистической выборки не могут обнаружить псевдоузлы . [5] Основная проблема заключается в том, что обычные алгоритмы динамического программирования при прогнозировании вторичной структуры учитывают только взаимодействия между ближайшими нуклеотидами, тогда как псевдоузловидные структуры формируются за счет взаимодействий между удаленными нуклеотидами. Ривас и Эдди опубликовали алгоритм динамического программирования для прогнозирования псевдоузлов. [10] Однако этот алгоритм динамического программирования очень медленный. Стандартный алгоритм динамического программирования для минимизации свободной энергии масштабирует O(N 3 ) во времени (N — количество нуклеотидов в последовательности), а алгоритм Риваса и Эдди масштабирует O(N 6 ) во времени. Это побудило нескольких исследователей реализовать версии алгоритма, которые ограничивают классы псевдоузлов, что приводит к увеличению производительности. Например, инструмент pknotsRG включает в себя только класс простых рекурсивных псевдоузлов и масштабирует O(N4) во времени. [12]

Другие подходы к предсказанию вторичной структуры РНК

[ редактировать ]

Другой подход к определению вторичной структуры РНК — это выборка структур из ансамбля Больцмана . [13] [14] на примере программы SFOLD. Программа генерирует статистическую выборку всех возможных вторичных структур РНК. Алгоритм производит выборку вторичных структур согласно распределению Больцмана . Метод выборки предлагает привлекательное решение проблемы неопределенности при складывании. [14]

Сравнительное предсказание вторичной структуры

[ редактировать ]
Структурное пространство тРНК-PHE S. cerevisiae: энергии и структуры рассчитывались с использованием RNAsubopt, а структурные расстояния рассчитывались с использованием RNAdistance.

Методы ковариации последовательностей основаны на существовании набора данных, состоящего из множества гомологичных последовательностей РНК со родственными, но несходными последовательностями. Эти методы анализируют ковариацию отдельных базовых сайтов в эволюции ; сохранение в двух широко разделенных сайтах пары нуклеотидов, спаривающих основания, указывает на наличие структурно необходимой водородной связи между этими положениями. Было показано, что общая проблема прогнозирования псевдоузлов является NP-полной . [15]

В целом, проблема согласования и прогнозирования структуры консенсуса тесно связана. Можно выделить три различных подхода к предсказанию консенсусных структур: [16]

  1. Складывание выравнивания
  2. Одновременное выравнивание и складывание последовательностей
  3. Выравнивание прогнозируемых структур

Выровнять, затем сложить

[ редактировать ]

Практический эвристический подход заключается в использовании нескольких инструментов выравнивания последовательностей для выравнивания нескольких последовательностей РНК, поиска консенсусной последовательности и последующего ее сворачивания. Качество согласования определяет точность модели структуры консенсуса. Консенсусные последовательности складываются с использованием различных подходов, как и в задаче прогнозирования индивидуальной структуры. Подход термодинамического сворачивания иллюстрируется программой RNAalifold. [17] Примерами различных подходов являются программы Pfold и ILM. Программа Pfold реализует SCFG . [18] ILM (итерированное сопоставление циклов), в отличие от других алгоритмов свертки выравниваний, может возвращать структуры с псевдоузлами. Он использует комбинацию термодинамики и оценок взаимного содержания информации. [19]

Выровнять и сложить

[ редактировать ]

Эволюция часто сохраняет функциональную структуру РНК лучше, чем последовательность РНК. [17] Следовательно, общая биологическая проблема состоит в том, чтобы сделать вывод об общей структуре двух или более сильно разошедшихся, но гомологичных последовательностей РНК. На практике выравнивание последовательностей становится непригодным и не способствует повышению точности предсказания структуры, когда сходство двух последовательностей составляет менее 50%. [20]

Программы выравнивания на основе структуры улучшают производительность этого выравнивания, и большинство из них являются вариантами алгоритма Санкова. [21] По сути, алгоритм Санкова представляет собой слияние алгоритмов выравнивания последовательностей и алгоритма Нусинова. [7] (максимально-парный) метод динамического программирования складывания. [22] Алгоритм Санкоффа сам по себе представляет собой теоретическое упражнение, поскольку требует экстремальных вычислительных ресурсов (O (н3м) во времени, и О (н2м) в пространстве, где n — длина последовательности, а m — количество последовательностей). Некоторые известные попытки реализации ограниченных версий алгоритма Санкоффа — это Foldalign, [23] [24] Диналайн, [25] [26] ПМмульти/ПМкомп, [22] Голосующий локомотив , [27] и Мурлет. [28] В этих реализациях максимальная длина выравнивания или варианты возможных консенсусных структур ограничены. Например, Foldalign фокусируется на локальном выравнивании и ограничивает возможную длину выравнивания последовательностей.

Сложите, затем выровняйте

[ редактировать ]

Менее широко используемый подход заключается в свертывании последовательностей с использованием методов прогнозирования структуры одной последовательности и выравнивании полученных структур с использованием древовидных метрик. [29] Фундаментальный недостаток этого подхода заключается в том, что предсказания отдельных последовательностей часто бывают неточными, что влияет на все дальнейшие анализы.

Прогноз третичной структуры

[ редактировать ]

Как только вторичная структура РНК станет известна, следующей задачей станет предсказание третичной структуры . Самая большая проблема — определить структуру областей между двухцепочечными спиральными областями. Также молекулы РНК часто содержат посттранскрипционно модифицированные нуклеозиды, которые из-за новых возможных неканонических взаимодействий создают много проблем для предсказания третичной структуры. [30] [31] [32] [33]

Методы прогнозирования трехмерной структуры могут использовать сравнительное моделирование, которое начинается с связанной известной структуры, известной как шаблон. [34] Альтернативная стратегия — моделирование вторичной структуры РНК de novo. [35] который использует основанные на физике принципы, такие как молекулярная динамика [36] или случайная выборка конформационного ландшафта [37] с последующим скринингом со статистическим потенциалом для оценки. [38] Эти методы либо используют представление всех атомов [39] структуры нуклеиновой кислоты или ее грубое представление. [40] Структуры с низким разрешением, созданные с помощью многих из этих методов моделирования, затем подвергаются уточнению с высоким разрешением. [41] Оценки автономных методов прогнозирования трехмерной структуры РНК показывают, что методы, основанные на машинном обучении, эффективно прогнозируют глобальные складки РНК, в то время как методы, не основанные на ML, демонстрируют более высокую точность при моделировании внутримолекулярных взаимодействий и сайтов связывания лигандов. [42]

См. также

[ редактировать ]

Ссылки

[ редактировать ]
  1. ^ Понсе-Сальватьерра, Альмудена; Астха; Мердас, Катажина; Чандран, Нитин; Гош, Прита; Мукерджи, Сунандан; Буйницкий, Януш М (22 января 2019 г.). «Вычислительное моделирование 3D-структуры РНК на основе экспериментальных данных» . Отчеты по биологическим наукам . 39 (2): BSR20180430. дои : 10.1042/bsr20180430 . ISSN   0144-8463 . ПМК   6367127 . ПМИД   30670629 .
  2. ^ Магнус, Мартин; Мательска, Дорота; Лах, Гжегож; Хойновский, Гжегож; Бонецкий, Михал Дж; Пурта, Элизабет; Доусон, Уэйн; Дунин-Горкавич, Станислав; Буйницкий, Януш М (23 апреля 2014 г.). «Вычислительное моделирование трехмерных структур РНК с помощью экспериментальных ограничений» . Биология РНК . 11 (5): 522–536. дои : 10.4161/rna.28826 . ISSN   1547-6286 . ПМЦ   4152360 . ПМИД   24785264 .
  3. ^ Jump up to: а б с Мэтьюз Д.Х. (2006). «Революции в предсказании вторичной структуры РНК». Дж. Мол. Биол . 359 (3): 526–532. дои : 10.1016/j.jmb.2006.01.067 . ПМИД   16500677 .
  4. ^ Мэтьюз Д.Х., Дисней М.Д., Чайлдс Дж.Л., Шредер С.Дж., Цукер М., Тернер Д.Х. (2004). «Включение ограничений химической модификации в алгоритм динамического программирования для прогнозирования вторичной структуры РНК» . Труды Национальной академии наук США . 101 (19): 7287–7292. Бибкод : 2004PNAS..101.7287M . дои : 10.1073/pnas.0401799101 . ПМК   409911 . ПМИД   15123812 .
  5. ^ Jump up to: а б Мэтьюз Д.Х., Сабина Дж., Цукер М., Тернер Д.Х. (1999). «Расширенная зависимость термодинамических параметров от последовательности улучшает предсказание вторичной структуры РНК» . Дж Мол Биол . 288 (5): 911–40. дои : 10.1006/jmbi.1999.2700 . ПМИД   10329189 . S2CID   19989405 .
  6. ^ Цукер М.; Санкофф Д. (1984). «Вторичные структуры РНК и их предсказание». Бык. Математика. Биол . 46 (4): 591–621. doi : 10.1016/s0092-8240(84)80062-2 (неактивен 22 февраля 2024 г.). S2CID   189885784 . {{cite journal}}: CS1 maint: DOI неактивен по состоянию на февраль 2024 г. ( ссылка )
  7. ^ Jump up to: а б с д Нусинов Р., Печник Г., Григг Дж. Р. и Клейтман Дж. (1978) Алгоритмы сопоставления циклов . SIAM Journal по прикладной математике.
  8. ^ Jump up to: а б Нусинов Р., Джейкобсон А.Б. (1980). «Быстрый алгоритм предсказания вторичной структуры одноцепочечной РНК» . Proc Natl Acad Sci США . 77 (11): 6309–13. Бибкод : 1980PNAS...77.6309N . дои : 10.1073/pnas.77.11.6309 . ПМК   350273 . ПМИД   6161375 .
  9. ^ Цукер М., Стиглер П. (1981). «Оптимальное компьютерное сворачивание больших последовательностей РНК с использованием термодинамики и вспомогательной информации» . Нуклеиновые кислоты Рез . 9 (1): 133–48. дои : 10.1093/нар/9.1.133 . ПМЦ   326673 . ПМИД   6163133 .
  10. ^ Jump up to: а б Ривас Э., Эдди С.Р. (1999). «Алгоритм динамического программирования для предсказания структуры РНК, включая псевдоузлы». Дж Мол Биол . 285 (5): 2053–68. arXiv : физика/9807048 . дои : 10.1006/jmbi.1998.2436 . ПМИД   9925784 . S2CID   2228845 .
  11. ^ Цукер М (2003). «Веб-сервер Mfold для прогнозирования сворачивания нуклеиновых кислот и гибридизации» . Исследования нуклеиновых кислот . 31 (13): 3406–3415. дои : 10.1093/nar/gkg595 . ПМК   169194 . ПМИД   12824337 .
  12. ^ Ридер Дж.; Гигерих Р. (2004). «Разработка, реализация и оценка практического алгоритма складывания псевдоузла, основанного на термодинамике» . БМК Биоинформатика . 5 : 104. дои : 10.1186/1471-2105-5-104 . ПМК   514697 . ПМИД   15294028 .
  13. ^ Маккаскилл Дж.С. (1990). «Равновесная статистическая сумма и вероятности связывания пар оснований для вторичной структуры РНК». Биополимеры . 29 (6–7): 1105–19. дои : 10.1002/bip.360290621 . hdl : 11858/00-001M-0000-0013-0DE3-9 . ПМИД   1695107 . S2CID   12629688 .
  14. ^ Jump up to: а б Дин Ю, Лоуренс CE (2003). «Алгоритм статистической выборки для предсказания вторичной структуры РНК» . Нуклеиновые кислоты Рез . 31 (24): 7280–301. дои : 10.1093/нар/gkg938 . ПМК   297010 . ПМИД   14654704 .
  15. ^ Люнгсё Р.Б., Педерсен К.Н. (2000). «Предсказание псевдоузла РНК в энергетических моделях». J Компьютерная Биол . 7 (3–4): 409–427. CiteSeerX   10.1.1.34.4044 . дои : 10.1089/106652700750050862 . ПМИД   11108471 .
  16. ^ Гарднер П.П.; Гигерих, Роберт (2004). «Всестороннее сравнение сравнительных подходов к предсказанию структуры РНК» . БМК Биоинформатика . 5 : 140. дои : 10.1186/1471-2105-5-140 . ПМК   526219 . ПМИД   15458580 .
  17. ^ Jump up to: а б Хофакер И.Л., Фекете М., Стадлер П.Ф. (2002). «Предсказание вторичной структуры выровненных последовательностей РНК». Дж Мол Биол . 319 (5): 1059–66. CiteSeerX   10.1.1.73.479 . дои : 10.1016/S0022-2836(02)00308-X . ПМИД   12079347 .
  18. ^ Кнудсен Б., Хейн Дж. (2003). «Pfold: предсказание вторичной структуры РНК с использованием стохастических контекстно-свободных грамматик» . Нуклеиновые кислоты Рез . 31 (13): 3423–8. дои : 10.1093/нар/gkg614 . ПМК   169020 . ПМИД   12824339 .
  19. ^ Руан, Дж., Стормо, Г.Д. и Чжан, В. (2004) ILM: веб-сервер для прогнозирования вторичных структур РНК с псевдоузлами. Исследования нуклеиновых кислот, 32 (проблема с веб-сервером), W146-149.
  20. ^ Бернхарт С.Х., Хофакер И.Л. (2009). «От консенсусного предсказания структуры до поиска генов РНК» . Краткая функция геномной протеомики . 8 (6): 461–71. дои : 10.1093/bfgp/elp043 . ПМИД   19833701 .
  21. ^ Санкофф Д. (1985). «Одновременное решение проблем сворачивания, выравнивания и протопоследовательности РНК». SIAM Journal по прикладной математике . 45 (5): 810–825. CiteSeerX   10.1.1.665.4890 . дои : 10.1137/0145048 .
  22. ^ Jump up to: а б Хофакер И.Л., Бернхарт С.Х., Стадлер П.Ф. (2004). «Выравнивание матриц вероятностей спаривания оснований РНК» . Биоинформатика . 20 (14): 2222–7. doi : 10.1093/биоинформатика/bth229 . ПМИД   15073017 .
  23. ^ Хавгаард Дж.Х., Люнгсо Р.Б., Стормо Г.Д., Городкин Дж. (2005). «Попарное локальное структурное выравнивание последовательностей РНК со сходством последовательностей менее 40%» . Биоинформатика . 21 (9): 1815–24. doi : 10.1093/биоинформатика/bti279 . ПМИД   15657094 .
  24. ^ Тораринссон Э., Хавгаард Дж.Х., Городкин Дж. (2007)Множественное структурное выравнивание и кластеризация последовательностей РНК. Биоинформатика.
  25. ^ Мэтьюз Д.Х., Тернер Д.Х. (2002). «Dynalign: алгоритм поиска вторичной структуры, общей для двух последовательностей РНК». Дж Мол Биол . 317 (2): 191–203. дои : 10.1006/jmbi.2001.5351 . ПМИД   11902836 .
  26. ^ Харманчи А.О., Шарма Г., Мэтьюз Д.Х., (2007), Эффективное предсказание парной структуры РНК с использованием вероятностных ограничений выравнивания в Dynalign , BMC Bioinformatics, 8 (130).
  27. ^ Холмс И. (2005) Ускоренный вероятностный вывод об эволюции структуры РНК . БМК Биоинформатика. 2005, 24 марта;6:73.
  28. ^ Кирю Х., Табей Ю., Кин Т., Асаи К. (2007). «Мурлет: практический инструмент множественного выравнивания структурных последовательностей РНК» . Биоинформатика . 23 (13): 1588–1598. doi : 10.1093/биоинформатика/btm146 . ПМИД   17459961 .
  29. ^ Шапиро Б.А. и Чжан К. (1990) Сравнение множественных вторичных структур РНК с использованием сравнения деревьев. Компьютерные приложения в биологических науках, vol. 6, нет. 4, стр. 309–318.
  30. ^ Шапиро Б.А., Йинглинг Ю.Г., Каспржак В., Биндевальд Э. (2007) Преодоление разрыва в предсказании структуры РНК. Curr Opin Struct Biol.
  31. ^ Майор Ф, Тюркотт М, Готре Д, Лапальм Дж, Филлион Э, Седергрен Р (сентябрь 1991 г.). «Сочетание символьных и численных вычислений для трехмерного моделирования РНК». Наука . 253 (5025): 1255–60. Бибкод : 1991Sci...253.1255F . дои : 10.1126/science.1716375 . ПМИД   1716375 .
  32. ^ Майор Ф., Готре Д., Седергрен Р. (октябрь 1993 г.). «Воспроизведение трехмерной структуры молекулы тРНК с учетом структурных ограничений» . Proc Natl Acad Sci США . 90 (20): 9408–12. Бибкод : 1993PNAS...90.9408M . дои : 10.1073/pnas.90.20.9408 . ПМК   47577 . ПМИД   8415714 .
  33. ^ Фреллсен Дж., Мольтке И., Тийм М., Мардия К.В., Феркингхофф-Борг Дж., Хамельрик Т. (2009). «Вероятностная модель конформационного пространства РНК» . ПЛОС Компьютерная Биол . 5 (6): e1000406. Бибкод : 2009PLSCB...5E0406F . дои : 10.1371/journal.pcbi.1000406 . ПМК   2691987 . ПМИД   19543381 .
  34. ^ Ротер, Магдалена; Ротер, Кристиан; Путон, Томаш; Буйницкий, Януш М. (07 февраля 2011 г.). «ModeRNA: инструмент для сравнительного моделирования 3D-структуры РНК» . Исследования нуклеиновых кислот . 39 (10): 4007–4022. дои : 10.1093/нар/gkq1320 . ISSN   1362-4962 . ПМК   3105415 . ПМИД   21300639 .
  35. ^ Неокл Б. Леонтис; Эрик Вестхоф, ред. (2012). Анализ и прогнозирование трехмерной структуры РНК . Спрингер. ISBN  9783642257407 . OCLC   795570014 .
  36. ^ Вангавети, Света; Ранганатан, Шриватсан В.; Чен, Алан А. (04 октября 2016 г.). «Достижения в области молекулярной динамики РНК: руководство для симулятора по силовым полям РНК». Междисциплинарные обзоры Wiley: РНК . 8 (2): e1396. дои : 10.1002/wrna.1396 . ISSN   1757-7004 . ПМИД   27704698 . S2CID   35501632 .
  37. ^ Чен, Ши-Цзе (июнь 2008 г.). «Складывание РНК: конформационная статистика, кинетика сворачивания и ионная электростатика» . Ежегодный обзор биофизики . 37 (1): 197–214. doi : 10.1146/annurev.biophys.37.032807.125957 . ISSN   1936-122Х . ПМЦ   2473866 . ПМИД   18573079 .
  38. ^ Лэнг, Кристиан; Шлик, Тамар (июнь 2011 г.). «Вычислительные подходы к предсказанию, анализу и проектированию структуры РНК» . Современное мнение в области структурной биологии . 21 (3): 306–318. дои : 10.1016/j.sbi.2011.03.015 . ISSN   0959-440X . ПМЦ   3112238 . ПМИД   21514143 .
  39. ^ Чжао, Чэньхан; Сюй, Сяоцзюнь; Чен, Ши-Цзе (2017), «Прогнозирование структуры РНК с помощью Vfold», Функциональная геномика , Методы молекулярной биологии, том. 1654, Springer New York, стр. 3–15, номер документа : 10.1007/978-1-4939-7231-9_1 , ISBN.  9781493972302 , PMC   5762135 , PMID   28986779
  40. ^ Бонецкий, Михал Дж.; Лах, Гжегож; Доусон, Уэйн К.; Томала, Конрад; Лукаш, Павел; Солтысинский, Томаш; Ротер, Кристиан М.; Буйницкий, Януш М. (19 декабря 2015 г.). «SimRNA: крупнозернистый метод моделирования сворачивания РНК и предсказания трехмерной структуры» . Исследования нуклеиновых кислот . 44 (7): е63. дои : 10.1093/nar/gkv1479 . ISSN   0305-1048 . ПМЦ   4838351 . ПМИД   26687716 .
  41. ^ Стасевич, Юлиуш; Мукерджи, Сунандан; Нитин, Чандран; Буйницкий, Януш М. (21 марта 2019 г.). «QRNAS: программный инструмент для уточнения структур нуклеиновых кислот» . BMC Структурная биология . 19 (1): 5. дои : 10.1186/s12900-019-0103-1 . ISSN   1472-6807 . ПМК   6429776 . ПМИД   30898165 .
  42. ^ Нитин, Чандран; Кмичик, Себастьян; Блащик, Роман; Новицка, Юлита; Тушинская, Ирина (25 июня 2024 г.). «Сравнительный анализ методов прогнозирования трехмерной структуры РНК: на пути к расширенному моделированию взаимодействий РНК-лиганд» . Исследования нуклеиновых кислот . дои : 10.1093/nar/gkae541 . ISSN   0305-1048 . ПМЦ   11260495 .

Дальнейшее чтение

[ редактировать ]
Retrieved from "https://en.wikipedia.org/w/index.php?title=Nucleic_acid_structure_prediction&oldid=1237307458"
Arc.Ask3.Ru: конец переведенного документа.
Arc.Ask3.Ru
Номер скриншота №: 7cc417b2778677f656b18a3f21250f3f__1722214320
URL1:https://arc.ask3.ru/arc/aa/7c/3f/7cc417b2778677f656b18a3f21250f3f.html
Заголовок, (Title) документа по адресу, URL1:
Nucleic acid structure prediction - Wikipedia
Данный printscreen веб страницы (снимок веб страницы, скриншот веб страницы), визуально-программная копия документа расположенного по адресу URL1 и сохраненная в файл, имеет: квалифицированную, усовершенствованную (подтверждены: метки времени, валидность сертификата), открепленную ЭЦП (приложена к данному файлу), что может быть использовано для подтверждения содержания и факта существования документа в этот момент времени. Права на данный скриншот принадлежат администрации Ask3.ru, использование в качестве доказательства только с письменного разрешения правообладателя скриншота. Администрация Ask3.ru не несет ответственности за информацию размещенную на данном скриншоте. Права на прочие зарегистрированные элементы любого права, изображенные на снимках принадлежат их владельцам. Качество перевода предоставляется как есть. Любые претензии, иски не могут быть предъявлены. Если вы не согласны с любым пунктом перечисленным выше, вы не можете использовать данный сайт и информация размещенную на нем (сайте/странице), немедленно покиньте данный сайт. В случае нарушения любого пункта перечисленного выше, штраф 55! (Пятьдесят пять факториал, Денежную единицу (имеющую самостоятельную стоимость) можете выбрать самостоятельно, выплаичвается товарами в течение 7 дней с момента нарушения.)