Back to search

National and Kapodistrian University of Athens

RMSD Estimation Algorithm (REA): A Neural Network Predicting Unnatural Structural Deviation in RNA Structures

Abstract

dc:description

Η τριτοταγής δομή του RNA είναι ιδιαίτερα σημαντική για την κατανόηση του βιολογικού ρόλου του RNA και μπορεί να αξιοποιηθεί σε βιοτεχνολογικές εφαρμογές, όπως ο σχεδιασμός φαρμάκων. Πρόσφατα αναπτύχθηκαν βαθιά νευρωνικά δίκτυα με σκοπό την πρόβλεψη της τριτοταγούς δομής του RNA από την αλληλουχία του, βασισμένα στην αρχιτεκτονική του μετασχηματιστή (transformer) του μοντέλου AlphaFold. Καθώς αυξάνεται ο αριθμός των προβλεπόμενων μοντελοποιημένων δομών του RNA, αυξάνεται και η ανάγκη για αξιολόγηση της ακρίβειας αυτών των δομών. Στην παρούσα εργασία, εκπαιδεύσαμε τον Αλγόριθμο Εκτίμησης RMSD (REA), που είναι ένα προς τα εμπρός τροφοδοτούμενο νευρωνικό δίκτυο (feed forward neural network) για την πρόβλεψη της απόκλισης (root mean squared deviation, RMSD) μιας τρισδιάστατης δομής RNA από την αντίστοιχη πειραματική δομή. Ο αλγόριθμος REA προβλέπει την τιμή του RMSD από χαρακτηριστικά της δομής που αφορούν στην απόκλιση στερεοχημικών μεγεθών, όπως οι επικαλύψεις των ακτίνων Van der Waals, των μηκών των δεσμών και του μεγέθους των γωνιών μεταξύ των ατόμων από τις φυσικές τους τιμές, τα οποία υπολογίζονται με το λογισμικό Molprobity. Εκπαιδεύσαμε το νευρωνικό δίκτυο REA σε τριτοταγείς δομές RNA που προβλέφθηκαν από τα βαθιά νευρωνικά δίκτυα DeepFoldRNA και trRosettaRNA σε ένα σύνολο 182 μοντέλων πολύπλοκων δομών RNA με ψευδοκόμπους (pseudoknots). Στην συνέχεια, συγκρίναμε τον αλγόριθμο REA με τον ARES, έναν αλγόριθμο βαθιάς μάθησης που προβλέπει την τιμή RMSD μιας τριτοταγούς δομής RNA σε σχέση με την αντίστοιχη πειραματική δομή της, εξάγοντας γεωμετρικά πρότυπα από τη δομή με τη μέθοδο της ισοδύναμης συνέλιξης. Αξιολογήσαμε την ακρίβεια πρόβλεψης του αλγορίθμου REA σε ένα σύνολο με μοντέλα δομών RNA με ψευδοκόμπους και σε ένα σύνολο με μοντέλα δομών RNA χωρίς ψευδοκόμπους. Κατά την αξιολόγηση, ο αλγόριθμος REA ξεπέρασε τον ARES και στα δύο σύνολα δοκιμών έχοντας μικρότερη απόλυτη διαφορά μεταξύ της πραγματικής και της προβλεπόμενης τιμής RMSD. Με τον νέο αλγόριθμο, η έρευνά μας μπορεί να συμβάλει στην αξιολόγηση των τριτοταγών δομών RNA και στην επιλογή των πιο ακριβών μεταξύ των εναλλακτικών μοντέλων τριτοταγών δομών RNA.

Author and committee

dc:creator, dc:contributor.*
Authors dc:creator
  • Καλαμπαλίκη Αγορίτσα
  • Kalampaliki Agoritsa

Subjects

dc:subject × 2

Rights

Language dc:language
English

Identifiers

dc:identifier.*
Identifier
uoadl:3331663

Chain of custody

source
Harvested from
National and Kapodistrian University of Athens
Base URL
pergamos.lib.uoa.gr/uoa/dl/frontend/oaipmh
Last updated
2026-11-19
Source record
OAI-PMH GetRecord
citation

Καλαμπαλίκη Αγορίτσα; Kalampaliki Agoritsa. RMSD Estimation Algorithm (REA): A Neural Network Predicting Unnatural Structural Deviation in RNA Structures. 2023. https://pergamos.lib.uoa.gr/uoa/dl/object/3331663