.png){kind=icon}
返回
Deciphering RNA–ligand binding specificity with GerNA-Bind
.png){kind=icon}
PRE
AI
DOI：10.1038/s42256-025-01154-z.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
RNA分子是调控生物过程的关键因子，也是多种疾病治疗的潜在靶点。发现能够选择性结合特定RNA构象的小分子仍具挑战性，这归因于RNA的结构复杂性和高分辨率数据的有限性。本研究引入GerNA-Bind，一种几何深度学习框架，通过整合多态RNA-配体表示和相互作用来预测RNA-配体结合特异性。GerNA-Bind在多个基准数据集上实现了最先进的表现，并擅长预测低同源性的RNA-配体对的相互作用。相较于AlphaFold3，它在结合位点预测的精度上提升了20.8%。此外，该框架提供了具有信息量且经过良好校准的预测，并内置了不确定性量化功能。在一项大规模虚拟筛选应用中，GerNA-Bind识别出18种针对致癌MALAT1 RNA的结构多样的化合物，其实验验证的亲和力为亚微摩尔级。其中一种先导化合物可选择性结合MALAT1三股螺旋，降低其转录水平并抑制癌细胞迁移。这些发现突显了GerNA-Bind作为RNA靶向药物发现的有力工具的潜力，兼具准确性和生物学洞察力。Xia等人介绍了一种名为GerNA-Bind的几何深度学习框架，旨在通过整合多态RNA-配体相互作用来预测RNA-配体结合特异性。
Keyword:
RNA–ligand binding
geometric deep learning
drug discovery
RNA structure
binding specificity
期刊
IF:
23.9
论文数:
1.3K
被引数:
1.5W
机构
引用论文
Identifying the preferred RNA motifs and chemotypes that interact by probing millions of combinations.png)
NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏The Noncoding RNA MALAT1 Is a Critical Regulator of the Metastasis Phenotype of Lung Cancer Cells非编码RNA MALAT1是肺癌细胞转移表型的关键调节因子CANCER RESEARCHOAAI
CANCER RESEARCHIF16.6
OAAI分享收藏DeepConv-DTI: Prediction of drug-target interactions via deep learning with convolution on protein sequencesDeepconv-dti: 通过蛋白质序列卷积的深度学习预测药物-靶标相互作用OAAI
OAAI分享收藏分享收藏Molecular structure of a U.A-U-rich RNA triple helix with 11 consecutive base triplesNUCLEIC ACIDS RESEARCHOAAI
NUCLEIC ACIDS RESEARCHIF13.1
OAAI分享收藏
查看更多内容