Из Википедии, бесплатной энциклопедии
Перейти к навигации Перейти к поиску
Эта статья посвящена компьютерному предсказанию структуры нуклеиновой кислоты. Для экспериментальных методов см. 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 по одной или нескольким последовательностям нуклеиновой кислоты. Третичная структура может быть предсказана на основе последовательности или путем сравнительного моделирования (когда известна структура гомологичной последовательности).

Проблема прогнозирования нуклеиновой кислоты вторичной структуры зависит главным образом от спаривания оснований и оснований укладываемых взаимодействий; многие молекулы имеют несколько возможных трехмерных структур, поэтому прогнозирование этих структур остается недостижимым, если не наблюдается очевидная последовательность и функциональное сходство с известным классом молекул нуклеиновых кислот, например, транспортной РНК (тРНК) или микроРНК (миРНК). Многие методы прогнозирования вторичной структуры основаны на вариациях динамического программирования и поэтому не могут эффективно идентифицировать псевдоузлы .

Хотя методы схожи, есть небольшие различия в подходах к предсказанию структуры РНК и ДНК. In vivo структуры ДНК с большей вероятностью будут дуплексами с полной комплементарностью между двумя цепями, тогда как структуры РНК с большей вероятностью будут складываться в сложные вторичные и третичные структуры, такие как рибосома , сплайсосома или транспортная РНК . Отчасти это связано с тем, что дополнительный кислород в РНК увеличивает склонность к образованию водородных связей в основной цепи нуклеиновой кислоты. Эти энергетические параметрытакже различаются для двух нуклеиновых кислот. Методы предсказания структуры могут следовать полностью теоретическому подходу или гибридному подходу, включающему экспериментальные данные. [1] [2]

Прогнозирование структуры единственной последовательности [ править ]

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

Самая устойчивая конструкция [ править ]

Вторичная структура малых молекул РНК в значительной степени определяется сильными локальными взаимодействиями, такими как водородные связи и укладка оснований . Суммирование свободной энергии для таких взаимодействий должно обеспечить приближение устойчивости данной структуры. Для прогнозирования свободной энергии сворачивания данной вторичной структуры используется эмпирическая модель ближайшего соседа . 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 областей петель были получены из эмпирических калориметрических экспериментов, самые последние параметры были опубликованы в 2004 г. [4]хотя в большинстве программных пакетов используется предыдущий набор, собранный в 1999 году. [5]

Самый простой способ найти самую низкую свободную структуру энергии будет генерировать все возможные структуры и вычислить свободную энергию для него, но число возможных структур для последовательности экспоненциально возрастает с увеличением длины РНК: . [6] Для более длинных молекул количество возможных вторичных структур огромно: последовательность из 100 нуклеотидов имеет более 10 25 возможных вторичных структур. [3]number of secondary structures = (1,8)N, N- number of nucleotides

Алгоритмы динамического программирования [ править ]

Наиболее популярные методы предсказания вторичной структуры РНК и ДНК включают динамическое программирование . [7] [8] Одна из первых попыток предсказания вторичной структуры РНК была предпринята Рут Нусинов и его коллегами, которые разработали алгоритм, основанный на динамическом программировании, который максимизировал длину и количество серии «блоков» (полинуклеотидных цепей). . [7] Каждый «блок» требовал по крайней мере двух нуклеотидов, что уменьшало требования к памяти для алгоритма по сравнению с подходами к единому основанию. [7]Нусинов и др. позже опубликовал адаптированный подход с улучшенной производительностью, который увеличил ограничение размера РНК до ~ 1000 оснований за счет сворачивания подразделов все большего размера при сохранении результатов предыдущих сверток , теперь известный как алгоритм Нусинова . [8] В 1981 году Майкл Цукер и Патрик Стиглер предложили усовершенствованный подход с производительностью, сравнимой с решением Нусинова и др., Но с дополнительной возможностью находить также «неоптимальные» вторичные структуры. [9]

Алгоритмы динамического программирования предоставляют средства для неявной проверки всех вариантов возможных вторичных структур РНК без явной генерации структур. Сначала определяется самая низкая 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 самой низкой свободной энергии сворачивания. После вычисления самой низкой свободной энергии полной последовательности определяется точная структура молекулы РНК. [3]

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

Субоптимальные структуры [ править ]

Точность предсказания вторичной структуры РНК из одной последовательности путем минимизации свободной энергии ограничивается несколькими факторами:

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

По этой причине способность предсказывать структуры, которые имеют аналогичную низкую свободную энергию, может предоставить важную информацию. Такие структуры называют субоптимальными . MFOLD - это программа, которая генерирует неоптимальные структуры. [11]

Прогнозирование псевдоузлов [ править ]

Одна из проблем при прогнозировании вторичной структуры РНК заключается в том, что стандартные методы минимизации свободной энергии и статистической выборки не могут найти псевдоязычные узлы . [5] Основная проблема заключается в том, что обычные алгоритмы динамического программирования при прогнозировании вторичной структуры учитывают только взаимодействия между ближайшими нуклеотидами, в то время как псевдоузловые структуры образуются из-за взаимодействий между удаленными нуклеотидами. Ривас и Эдди опубликовали алгоритм динамического программирования для предсказания 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, ограничивающие классы псевдоузлов, что привело к увеличению производительности. Например, инструмент pknotsRG включает в себя только класс простых рекурсивных псевдоузлов и масштабируется во времени O (N4). [12]

Другие подходы к предсказанию вторичной структуры РНК [ править ]

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 выбирает вторичные структуры в соответствии с распределением Больцмана . Метод отбора проб предлагает привлекательное решение проблемы неопределенности складывания. [14]

Сравнительный прогноз вторичной структуры [ править ]

Пространство структуры тРНК-ПОЭ S. cerevisiae: энергии и структуры рассчитывались с использованием субопта РНК, а структурные расстояния рассчитывались с использованием расстояния РНК.

Методы ковариации последовательностей основаны на существовании набора данных, состоящего из множества гомологичных последовательностей РНК со связанными, но непохожими последовательностями. Эти методы анализируют ковариацию отдельных базовых сайтов в эволюции ; поддержание в двух широко разделенных сайтах пары нуклеотидов спаривания оснований указывает на наличие структурно необходимой водородной связи между этими положениями. Показано, что общая проблема предсказания псевдоузлов является NP-полной . [15]

В общем, проблема согласования и предсказания консенсусной структуры тесно связаны. Можно выделить три различных подхода к предсказанию консенсусных структур: [16]

  1. Фальцовка выравнивания
  2. Одновременное выравнивание и сворачивание последовательности
  3. Выравнивание прогнозируемых конструкций

Выровнять и сложить [ править ]

Практический эвристический подход заключается в использовании нескольких инструментов для выравнивания последовательностей, чтобы произвести выравнивание нескольких последовательностей РНК, найти согласованную последовательность и затем свернуть ее. Качество согласования определяет точность модели структуры консенсуса. Консенсусные последовательности складываются с использованием различных подходов, как и в задаче прогнозирования индивидуальной структуры. Примером термодинамического фолдинга является программа RNAalifold. [17] Различные подходы иллюстрируются программами Pfold и ILM. Программа Pfold реализует SCFG . [18] ILM (повторное сопоставление циклов), в отличие от других алгоритмов свертывания выравниваний, может возвращать структуры с псевдонимами. Он использует комбинациюбаллы по термодинамике и взаимной информативности . [19]

Выровнять и сложить [ править ]

Эволюция часто сохраняет функциональную структуру РНК лучше, чем последовательность РНК. [17] Следовательно, общая биологическая проблема состоит в том, чтобы вывести общую структуру для двух или более сильно различающихся, но гомологичных последовательностей РНК. На практике выравнивания последовательностей становятся непригодными и не помогают повысить точность предсказания структуры, когда сходство последовательностей двух последовательностей составляет менее 50%. [20]

Программы выравнивания на основе структуры улучшают производительность этих выравниваний, и большинство из них являются вариантами алгоритма Санкоффа. [21] По сути, алгоритм Санкоффа представляет собой слияние метода выравнивания последовательностей и метода динамического программирования сворачивания Нусинова [7] (максимальное спаривание). [22] Сам алгоритм Санкоффа является теоретическим упражнением, поскольку он требует экстремальных вычислительных ресурсов (O (n3m) во времени и O (n2m) в пространстве, где n - длина последовательности, а m - количество последовательностей). Некоторые известные попытки реализации ограниченных версий алгоритма Санкоффа: Foldalign, [23] [24] Dynalign, [25] [26] PMmulti / PMcomp, [22] Stemloc , [27] и Murlet. [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 и выровняйте [ править ]

Менее широко используемый подход - сворачивание последовательностей с использованием методов прогнозирования структуры одиночной последовательности и выравнивание полученных структур с использованием древовидных показателей. [29] Основным недостатком этого подхода является то, что прогнозы отдельных последовательностей часто бывают неточными, что влияет на все последующие анализы.

Прогнозирование третичной структуры [ править ]

Как только вторичная структура РНК известна, следующая задача - предсказать третичную структуру . 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] Альтернативной стратегией является моделирование de novo вторичной структуры РНК [35], которое 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 используют либо полностью атомное представление [39] структуры нуклеиновой кислоты, либо крупнозернистое представление. [40]Структуры с низким разрешением, созданные многими из этих методов моделирования, затем подвергаются уточнению с высоким разрешением. [41]


См. Также [ править ]

  • РНК
  • Структура РНК
  • Некодирующая РНК
  • Список программ для предсказания структуры РНК
  • Сравнение программного обеспечения для моделирования нуклеиновых кислот
  • Сравнение программного обеспечения для моделирования молекулярной механики

Ссылки [ править ]

  1. ↑ Понсе-Сальватьерра, Альмудена; -, Астха; Мердас, Катаржина; Чандран, Нитхин; Гош, Прита; Мукерджи, Сунандан; Буйницки, Януш М. (22.01.2019). «Вычислительное моделирование трехмерной структуры РНК на основе экспериментальных данных» . Отчеты по биологии . 39 (2): BSR20180430. DOI : 10,1042 / bsr20180430 . ISSN  0144-8463 . PMC  6367127 . PMID  30670629 .CS1 maint: числовые имена: список авторов ( ссылка )
  2. ^ Магнус, Марцин; Мательска, Дорота; Ach, Grzegorz; Хойновски, Гжегож; Бонецки, Михал Дж; Пурта, Эльжбета; Доусон, Уэйн; Дунин-Хоркавич, Станислав; Буйницки, Януш М (2014-04-23). «Вычислительное моделирование трехмерных структур РНК с помощью экспериментальных ограничений» . Биология РНК . 11 (5): 522–536. DOI : 10,4161 / rna.28826 . ISSN 1547-6286 . PMC 4152360 . PMID 24785264 .   
  3. ^ a b c Мэтьюз Д.Х. (2006). «Революции в предсказании вторичной структуры РНК». J. Mol. Биол . 359 (3): 526–532. DOI : 10.1016 / j.jmb.2006.01.067 . PMID 16500677 . 
  4. ^ Mathews DH, Disney MD, Чайлдс JL, Schroeder SJ, Цукер M, Turner DH (2004). «Включение ограничений химической модификации в алгоритм динамического программирования для предсказания вторичной структуры РНК» . Труды Национальной академии наук США . 101 (19): 7287–7292. Bibcode : 2004PNAS..101.7287M . DOI : 10.1073 / pnas.0401799101 . PMC 409911 . PMID 15123812 .  
  5. ^ a b Мэтьюз Д.Х., Сабина Дж, Цукер М., Тернер Д.Х. (1999). «Расширенная зависимость термодинамических параметров от последовательности улучшает предсказание вторичной структуры РНК» . J Mol Biol . 288 (5): 911–40. DOI : 10.1006 / jmbi.1999.2700 . PMID 10329189 . 
  6. ^ Zuker M .; Санкофф Д. (1984). «Вторичные структуры РНК и их предсказание». Бык. Математика. Биол . 46 (4): 591–621. DOI : 10.1016 / s0092-8240 (84) 80062-2 .
  7. ^ a b c d Nussinov R, Piecznik G, Grigg JR и Kleitman DJ (1978) Алгоритмы для сопоставления циклов . Журнал СИАМ по прикладной математике.
  8. ^ a b Нусинов Р, Якобсон А.Б. (1980). «Быстрый алгоритм предсказания вторичной структуры одноцепочечной РНК» . Proc Natl Acad Sci USA . 77 (11): 6309–13. Bibcode : 1980PNAS ... 77.6309N . DOI : 10.1073 / pnas.77.11.6309 . PMC 350273 . PMID 6161375 .  
  9. ^ Цукер M, Stiegler P (1981). «Оптимальное компьютерное сворачивание больших последовательностей РНК с использованием термодинамики и вспомогательной информации» . Nucleic Acids Res . 9 (1): 133–48. DOI : 10.1093 / NAR / 9.1.133 . PMC 326673 . PMID 6163133 .  
  10. ^ а б Ривас E, Эдди SR (1999). «Алгоритм динамического программирования для предсказания структуры РНК, включая псевдоузлы». J Mol Biol . 285 (5): 2053–68. arXiv : физика / 9807048 . DOI : 10.1006 / jmbi.1998.2436 . PMID 9925784 . 
  11. ^ Цукер M (2003). «Веб-сервер Mfold для предсказания сворачивания нуклеиновых кислот и гибридизации» . Исследования нуклеиновых кислот . 31 (13): 3406–3415. DOI : 10.1093 / NAR / gkg595 . PMC 169194 . PMID 12824337 .  
  12. ^ Ридер Дж .; Гигерих Р. (2004). «Разработка, реализация и оценка практического алгоритма складывания псевдоузлов, основанного на термодинамике» . BMC Bioinformatics . 5 : 104. DOI : 10,1186 / 1471-2105-5-104 . PMC 514697 . PMID 15294028 .  
  13. ^ McCaskill JS (1990). «Равновесная статистическая сумма и вероятности связывания пар оснований для вторичной структуры РНК». Биополимеры . 29 (6–7): 1105–19. DOI : 10.1002 / bip.360290621 . hdl : 11858 / 00-001M-0000-0013-0DE3-9 . PMID 1695107 . 
  14. ^ a b Ding Y, Лоуренс CE (2003). «Алгоритм статистической выборки для предсказания вторичной структуры РНК» . Nucleic Acids Res . 31 (24): 7280–301. DOI : 10.1093 / NAR / gkg938 . PMC 297010 . PMID 14654704 .  
  15. ^ Lyngsø RB, Педерсен CN (2000). «Предсказание псевдоузла РНК в энергетических моделях». J Comput Biol . 7 (3–4): 409–427. CiteSeerX 10.1.1.34.4044 . DOI : 10.1089 / 106652700750050862 . PMID 11108471 .  
  16. ^ Гарднер PP; Гигерих, Роберт (2004). «Комплексное сравнение сравнительных подходов к предсказанию структуры РНК» . BMC Bioinformatics . 5 : 140. DOI : 10,1186 / 1471-2105-5-140 . PMC 526219 . PMID 15458580 .  
  17. ^ a b Hofacker IL, Fekete M, Stadler PF (2002). «Предсказание вторичной структуры выровненных последовательностей РНК». J Mol Biol . 319 (5): 1059–66. CiteSeerX 10.1.1.73.479 . DOI : 10.1016 / S0022-2836 (02) 00308-X . PMID 12079347 .  
  18. Перейти ↑ Knudsen B, Hein J (2003). «Pfold: предсказание вторичной структуры РНК с использованием стохастических контекстно-свободных грамматик» . Nucleic Acids Res . 31 (13): 3423–8. DOI : 10.1093 / NAR / gkg614 . PMC 169020 . PMID 12824339 .  
  19. ^ Ruan, J., Stormo, GD & Zhang, W. (2004) ILM: веб-сервер для прогнозирования вторичных структур РНК с помощью псевдоузлов. Nucleic Acids Research, 32 (выпуск веб-сервера), W146-149.
  20. ^ Бернхарт SH, Hofacker IL (2009). «От предсказания консенсусной структуры до поиска генов РНК» . Краткая функция геномной протеомики . 8 (6): 461–71. DOI : 10.1093 / bfgp / elp043 . PMID 19833701 . 
  21. ^ Sankoff D (1985). «Одновременное решение проблем сворачивания, выравнивания и протопоследовательности РНК». Журнал СИАМ по прикладной математике . 45 (5): 810–825. CiteSeerX 10.1.1.665.4890 . DOI : 10.1137 / 0145048 . 
  22. ^ a b Hofacker IL, Bernhart SH, Stadler PF (2004). «Выравнивание матриц вероятности спаривания оснований РНК» . Биоинформатика . 20 (14): 2222–7. DOI : 10.1093 / биоинформатики / bth229 . PMID 15073017 . 
  23. ^ Havgaard JH, Lyngso РБ, Stormo Г.Д., Городкин J (2005). «Попарное локальное структурное выравнивание последовательностей РНК со сходством последовательностей менее 40%» . Биоинформатика . 21 (9): 1815–24. DOI : 10.1093 / биоинформатики / bti279 . PMID 15657094 . 
  24. ^ Torarinsson E, Havgaard JH, Gorodkin J. (2007) Множественное структурное выравнивание и кластеризация последовательностей РНК. Биоинформатика.
  25. ^ Mathews DH, DH Turner (2002). «Dynalign: алгоритм поиска вторичной структуры, общей для двух последовательностей РНК». J Mol Biol . 317 (2): 191–203. DOI : 10.1006 / jmbi.2001.5351 . PMID 11902836 . 
  26. ^ Harmanci АО, Шарма G, Mathews DH (2007), эффективная Pairwise РНК Структура Предсказание Использование вероятностного выравнивания ограничений в Dynalign , BMC биоинформатики, 8 (130).
  27. ^ Холмс I. (2005) Ускоренный вероятностный вывод эволюции структуры РНК . BMC Bioinformatics. 24 марта 2005 г .; 6:73.
  28. ^ Кирю Н, Tabei У, Т кин, Асаи К (2007). «Murlet: практический инструмент множественного выравнивания для структурных последовательностей РНК» . Биоинформатика . 23 (13): 1588–1598. DOI : 10.1093 / биоинформатики / btm146 . PMID 17459961 . 
  29. ^ Шапиро Б.А. и Чжан К. (1990) Сравнение множественных вторичных структур РНК с использованием компьютерных приложений сравнения деревьев в биологических науках, т. 6, вып. 4. С. 309–318.
  30. ^ Шапиро Б.А., Инлинг Ю.Г., Каспрзак В., Биндевальд Э. (2007) Преодоление разрыва в предсказании структуры РНК. Curr Opin Struct Biol.
  31. ^ Основные Р, Теркотт М, Готре D, G Lapalme, Филлион Е, Седергрен Р (сентябрь 1991). «Комбинация символьных и числовых вычислений для трехмерного моделирования РНК». Наука . 253 (5025): 1255–60. Bibcode : 1991Sci ... 253.1255F . DOI : 10.1126 / science.1716375 . PMID 1716375 . 
  32. ↑ Major F, Gautheret D, Cedergren R (октябрь 1993 г.). «Воспроизведение трехмерной структуры молекулы тРНК из структурных ограничений» . Proc Natl Acad Sci USA . 90 (20): 9408–12. Bibcode : 1993PNAS ... 90.9408M . DOI : 10.1073 / pnas.90.20.9408 . PMC 47577 . PMID 8415714 .  
  33. ^ Frellsen Дж, Мольтке я, Thiim М, Mardia К.В., Ferkinghoff-Борг Дж, Hamelryck Т (2009). «Вероятностная модель конформационного пространства РНК» . PLoS Comput Biol . 5 (6): e1000406. Bibcode : 2009PLSCB ... 5E0406F . DOI : 10.1371 / journal.pcbi.1000406 . PMC 2691987 . PMID 19543381 .  
  34. ↑ Ротер, Магдалена; Ротер, Кристиан; Путон, Томаш; Буйницки, Януш М. (07.02.2011). «ModeRNA: инструмент для сравнительного моделирования трехмерной структуры РНК» . Исследования нуклеиновых кислот . 39 (10): 4007–4022. DOI : 10.1093 / NAR / gkq1320 . ISSN 1362-4962 . PMC 3105415 . PMID 21300639 .   
  35. ^ Неокл Б. Леонтис; Эрик Вестхоф, ред. (2012). Анализ и прогноз трехмерной структуры РНК . Springer. ISBN 9783642257407. OCLC  795570014 .
  36. ^ Вангавети, Света; Ранганатан, Шриватсан V .; Чен, Алан А. (04.10.2016). «Достижения в молекулярной динамике РНК: руководство для симулятора силовых полей РНК». Междисциплинарные обзоры Wiley: РНК . 8 (2): e1396. DOI : 10.1002 / wrna.1396 . ISSN 1757-7004 . PMID 27704698 .  
  37. Перейти ↑ Chen, Shi-Jie (июнь 2008 г.). «Сворачивание РНК: конформационная статистика, кинетика сворачивания и ионная электростатика» . Ежегодный обзор биофизики . 37 (1): 197–214. DOI : 10.1146 / annurev.biophys.37.032807.125957 . ISSN 1936-122X . PMC 2473866 . PMID 18573079 .   
  38. ^ Laing, Кристиан; Шлик, Тамар (июнь 2011 г.). «Вычислительные подходы к предсказанию, анализу и дизайну структуры РНК» . Текущее мнение в структурной биологии . 21 (3): 306–318. DOI : 10.1016 / j.sbi.2011.03.015 . ISSN 0959-440X . PMC 3112238 . PMID 21514143 .   
  39. ^ Чжао, Ченхань; Сюй, Сяоцзюнь; Чен, Ши-Цзе (2017), «Предсказание структуры РНК с помощью Vfold», Методы молекулярной биологии , Springer, Нью-Йорк, 1654 : 3–15, DOI : 10.1007 / 978-1-4939-7231-9_1 , ISBN 9781493972302, PMC  5762135 , PMID  28986779
  40. ^ Boniecki, Михал Дж .; Лах, Гжегож; Доусон, Уэйн К .; Томала, Конрад; Лукаш, Павел; Солтысинский, Томаш; Ротер, Кристиан М .; Буйницки, Януш М. (2015-12-19). «SimRNA: крупнозернистый метод моделирования сворачивания РНК и предсказания трехмерной структуры» . Исследования нуклеиновых кислот . 44 (7): e63. DOI : 10.1093 / NAR / gkv1479 . ISSN 0305-1048 . PMC 4838351 . PMID 26687716 .   
  41. ^ Стасевич, Юлиуш; Мукерджи, Сунандан; Нитхин, Чандран; Буйницки, Януш М. (21.03.2019). «QRNAS: программный инструмент для уточнения структур нуклеиновых кислот» . BMC Структурная биология . 19 (1): 5. DOI : 10,1186 / s12900-019-0103-1 . ISSN 1472-6807 . PMC 6429776 . PMID 30898165 .   

Дальнейшее чтение [ править ]

  • Бейкер Д., Сали А. (2001). «Прогнозирование структуры белков и структурная геномика» . Наука . 294 (5540): 93–6. Bibcode : 2001Sci ... 294 ... 93B . DOI : 10.1126 / science.1065659 . PMID  11588250 .
  • Chiu DK; Колодзейчак Т. (1991). «Вывод консенсусной структуры из последовательностей нуклеиновых кислот». Comput. Прил. Biosci . 7 (3): 347–352. DOI : 10.1093 / биоинформатики / 7.3.347 . PMID  1913217 .
  • Do CB, Woods DA, Batzoglou S (2006). «CONTRAfold: предсказание вторичной структуры РНК без использования физических моделей» . Биоинформатика . 22 (14): e90–8. DOI : 10.1093 / биоинформатики / btl246 . PMID  16873527 .
  • Gutell RR; и другие. (1992). «Выявление ограничений на структуру РНК высшего порядка: постоянное развитие и применение методов сравнительного анализа последовательностей» . Nucleic Acids Res . 20 (21): 5785–5795. DOI : 10.1093 / NAR / 20.21.5785 . PMC  334417 . PMID  1454539 .
  • Леонтис Н.Б., Лескут А., Вестхоф Э. (2006). «Строительные блоки и мотивы архитектуры РНК» . Curr Opin Struct Biol . 16 (3): 279–87. DOI : 10.1016 / j.sbi.2006.05.009 . PMC  4857889 . PMID  16713707 .
  • Линдгрин С., Гарднер П.П., Крог А. (2006). «Измерение ковариации в выравнивании РНК: физический реализм улучшает информационные меры» . Биоинформатика . 22 (24): 2988–95. DOI : 10.1093 / биоинформатики / btl514 . PMID  17038338 .
  • Лоренц, Ронни (2014). Термодинамика и кинетика вторичной структуры РНК . Вена, Австрия: Венский университет, Диссертация.
  • Маке Т., Дело D (1998). «Моделирование необычных структур нуклеиновых кислот». Моделирование необычных структур нуклеиновых кислот. В молекулярном моделировании нуклеиновых кислот. Отредактировано Леонтесом Н., Санта-Люсией Дж. Дж. Вашингтон, округ Колумбия . Серия симпозиумов ACS. 682 . Американское химическое общество. С. 379–393. DOI : 10.1021 / Б.К.-1998-0682.ch024 . ISBN 978-0-8412-3541-0.
  • Майор F (2003). «Построение трехмерных структур рибонуклеиновой кислоты» . Вычислительная техника в науке и технике . 2003 (5): 44–53. Bibcode : 2003CSE ..... 5e..44M . DOI : 10,1109 / MCISE.2003.1225860 .
  • Massire C, Westhof E. «MANIP: интерактивный инструмент для моделирования РНК». Модель графа Дж. Моля . 1998 (16): 197–205, 255–257.
  • Parisien M .; Майор Ф. (2008). «Конвейер MC-Fold и MC-Sym выводит структуру РНК из данных последовательности». Природа . 452 (7183): 51–55. Bibcode : 2008Natur.452 ... 51P . DOI : 10,1038 / природа06684 . PMID  18322526 .
  • Тузет, Х. и Перрике, О., 2004. CARNAC: складывающиеся семейства родственных РНК. Nucleic Acids Research, 32 (выпуск веб-сервера), W142-145.
  • Тузе Х (2007). Сравнительный анализ генов РНК: программа caRNAc . Методы молекулярной биологии . 395 . С. 465–474. DOI : 10.1007 / 978-1-59745-514-5_29 . ISBN 978-1-58829-693-1. PMID  17993692 .
  • Инлинг Ю.Г., Шапиро Б.А. (2006). «Предсказание структуры псевдоузла теломеразной РНК дикого типа и ключевой роли выпуклости в ее формировании» . Модель графа Дж. Моля . 25 (2): 261–274. DOI : 10.1016 / j.jmgm.2006.01.003 . PMID  16481205 .
  • Цвиб С, Мюллер Ф (1997). «Трехмерное сравнительное моделирование РНК». Nucleic Acids Symp Ser . 36 (36): 69–71. PMID  9478210 .
  • ModeRNA: программа для сравнительного моделирования РНК.