gRNAde: Geometric Deep Learning for 3D RNA inverse design

要約

コンピューターによる RNA 設計タスクは、3D 形状や立体構造の多様性を考慮せずに、単一の望ましい二次構造の採用に基づいて配列が設計される逆問題として提起されることがよくあります。
構造とダイナミクスを明示的に考慮した配列を設計するために 3D RNA バックボーン上で動作する幾何学的 RNA 設計パイプラインである gRNAde を紹介します。
内部的には、gRNAde は、塩基の正体が不明な 1 つ以上の 3D バックボーン構造に基づいて条件付けされた候補 RNA 配列を生成するマルチステート グラフ ニューラル ネットワークです。
Dasらによって特定されたPDBからの14のRNA構造の単一状態固定バックボーン再設計ベンチマークについて。
[2010] では、gRNAde は、Rosetta (平均 45%) と比較して、より高いネイティブ配列回収率 (平均 56%) を達成し、Rosetta で報告されている時間と比較して、デザインの作成にかかる時間は 1 秒未満です。
さらに、構造的に柔軟な RNA のマルチステート設計の新しいベンチマークにおける gRNAde の有用性と、最近の RNA ポリメラーゼ リボザイム構造のレトロスペクティブ分析における突然変異適合度ランドスケープのゼロショット ランキングを実証します。
オープンソースコード: https://github.com/chaitjo/geometric-rna-design

要約(オリジナル)

Computational RNA design tasks are often posed as inverse problems, where sequences are designed based on adopting a single desired secondary structure without considering 3D geometry and conformational diversity. We introduce gRNAde, a geometric RNA design pipeline operating on 3D RNA backbones to design sequences that explicitly account for structure and dynamics. Under the hood, gRNAde is a multi-state Graph Neural Network that generates candidate RNA sequences conditioned on one or more 3D backbone structures where the identities of the bases are unknown. On a single-state fixed backbone re-design benchmark of 14 RNA structures from the PDB identified by Das et al. [2010], gRNAde obtains higher native sequence recovery rates (56% on average) compared to Rosetta (45% on average), taking under a second to produce designs compared to the reported hours for Rosetta. We further demonstrate the utility of gRNAde on a new benchmark of multi-state design for structurally flexible RNAs, as well as zero-shot ranking of mutational fitness landscapes in a retrospective analysis of a recent RNA polymerase ribozyme structure. Open source code: https://github.com/chaitjo/geometric-rna-design

arxiv情報

提供元, 利用サービス

arxiv.jp, Google