RNACG：基于流匹配的通用 RNA 序列条件生成模型
内容提要
RNAFlow 是一种新型 RNA 序列结构设计方法，结合 RNA 逆折叠模型和 RosettaFold2NA 网络，简化训练过程并增强构象模拟。RNA-FrameFlow 引入生成模型用于 3D RNA 骨架设计，解决 RNA 建模中的挑战，生成符合有效性标准的局部真实 RNA 骨架。gRNAde 提出几何 RNA 设计流程，改善多状态 RNA 的生产。FoldFlow-2 改进蛋白质结构生成能力，rnaglib 训练模型预测 RNA 功能。
延伸解读
RNA 生成模型的技术路线差异
文章梳理了多个 RNA 生成模型，技术路线各有侧重。RNAFlow 基于流匹配，结合逆折叠模型与 RosettaFold2NA 网络，强调蛋白质条件下的序列结构设计；RNA-FrameFlow 采用 SE(3) 流匹配处理 3D 骨架生成；gRNAde 则从几何角度出发，显式考虑 RNA 弯曲多样性。这些方法分别针对 RNA 建模中的不同环节，读者可据此理解各模型在任务定位上的区别。
RNA 结构生成的数据与评估挑战
RNA-FrameFlow 的工作揭示了 3D RNA 数据集缺乏多样性的问题，并通过结构聚类和裁剪增强来缓解。同时，它定义了一套评估指标，衡量生成结构的全局自洽性及 RNA 特定结构描述符的恢复情况。其最佳版本能生成 40-150 核苷酸的局部真实骨架，超过 40% 的样本自洽性 TM 分数不低于 0.45。这些细节说明数据与评估协议是 RNA 生成模型发展的关键制约。
从蛋白质到 RNA 的跨领域借鉴
文章提到 FoldFlow-2 将序列条件的 SE(3)-等变流匹配模型用于蛋白质结构生成，并在更大规模数据集上训练，提升了设计能力、多样性和新颖性。RNA-FrameFlow 也借鉴了蛋白质骨架生成方法并针对 RNA 特点改进。这种跨领域迁移表明，蛋白质生成模型的技术积累可为 RNA 设计提供参考，但需处理 RNA 特有的柔性及构象多样性。
Q&A
RNAFlow 是什么？
RNAFlow 是一种基于流动匹配模型的 RNA 序列结构设计方法，结合 RNA 逆折叠模型和 RosettaFold2NA 网络。
RNA-FrameFlow 如何改善 RNA 骨架设计？
RNA-FrameFlow 引入生成模型用于 3D RNA 骨架设计，解决 RNA 建模中的独特挑战，并通过流匹配方法增强数据准备和评估协议。
gRNAde 的设计流程有什么特点？
gRNAde 是一种几何 RNA 设计流程，显式考虑 RNA 的弯曲多样性，以改善多状态 RNA 的生产。
FoldFlow-2 如何提升蛋白质结构生成能力？
FoldFlow-2 通过在更大规模的数据集上进行训练，改进了蛋白质结构生成的设计能力和多样性。
rnaglib 是什么，它的用途是什么？
rnaglib 是一个训练模型，用于预测 RNA 功能，利用 RNA 3D 结构数据集进行监督和无监督学习。
RNA 设计中面临的主要挑战是什么？
RNA 设计中面临的主要挑战包括数据集缺乏多样性和构象模拟的复杂性。
