RNA secondary structure packages evaluated and improved by high-throughput experiments.
RNA secondary structure packages evaluated and improved by high-throughput experiments.
复制标题
DOI：
10.1038/s41592-022-01605-0
复制
发表时间：
2022-10
期刊：
影响因子：
48
通讯作者：
Das, Rhiju
中科院分区：
文献类型：
--
作者：
Wayment-Steele, Hannah K.;Kladwang, Wipapat;Strom, Alexandra I.;Lee, Jeehyung;Treuille, Adrien;Becka, Alex;Das, Rhiju
尽管计算机辅助研究和设计RNA分子的普及，很少有人知道的准确性，常用的结构建模软件包在任务中敏感的RNA的集合属性。在这里，我们证明了EternaBench数据集，一组在RNA设计平台Eterna上设计的超过20，000个合成RNA构建体，在面向集合的结构预测任务中评估当前包时提供了敏锐的辨别力。我们发现，Rifold和RNAsoft，通过统计学习得出的参数包，实现一致的更高的准确性比更广泛使用的软件包在其标准设置，主要从热力学实验中得出的参数。我们假设，在EternaBench中使用不同的数据类型训练多任务模型可能会改善对基于集成的预测任务的推断。事实上，由此产生的名为EternaFold的模型表现出改进的性能，可推广到不同的外部数据集，包括完整的mRNA、在人类细胞中探测的病毒基因组和模拟mRNA疫苗的合成设计。合成RNA构建体的EternaBench数据集用于直接比较面向集合的预测任务的RNA二级结构预测软件包，并用于训练EternaFold模型以提高性能。
Despite the popularity of computer-aided study and design of RNA molecules, little is known about the accuracy of commonly used structure modeling packages in tasks sensitive to ensemble properties of RNA. Here, we demonstrate that the EternaBench dataset, a set of over 20,000 synthetic RNA constructs designed on the RNA design platform Eterna, provides incisive discriminative power in evaluating current packages in ensemble-oriented structure prediction tasks. We find that CONTRAfold and RNAsoft, packages with parameters derived through statistical learning, achieve consistently higher accuracy than more widely used packages in their standard settings, which derive parameters primarily from thermodynamic experiments. We hypothesized that training a multi-task model with the varied data types in EternaBench might improve inference on ensemble-based prediction tasks. Indeed, the resulting model, named EternaFold, demonstrated improved performance that generalizes to diverse external datasets including complete mRNAs, viral genomes probed in human cells and synthetic designs modeling mRNA vaccines. The EternaBench dataset of synthetic RNA constructs was used to directly compare RNA secondary structure prediction software packages on ensemble-oriented prediction tasks and used to train the EternaFold model for improved performance.
登录
查看更多内容
DOI：
10.1073/pnas.2112979119
发表时间：
2022-05-03
影响因子：
11.1
作者：
通讯作者：
--
DOI：
10.1261/rna.055756.115
发表时间：
2016-08
期刊：
RNA (New York, N.Y.)
影响因子：
--
作者：
Deng F;Ledda M;Vaziri S;Aviran S
通讯作者：
Aviran S
影响因子：
16
作者：
Huston NC;Wan H;Strine MS;de Cesaris Araujo Tavares R;Wilen CB;Pyle AM
通讯作者：
Pyle AM
DOI：
10.1093/bioinformatics/bts565
发表时间：
2012-12-01
期刊：
Bioinformatics (Oxford, England)
影响因子：
--
作者：
Fu L;Niu B;Zhu Z;Wu S;Li W
通讯作者：
Li W
DOI：
10.1073/pnas.1219988110
发表时间：
2013-04-02
影响因子：
11.1
作者：
Hajdin, Christine E.;Bellaousov, Stanislav;Weeks, Kevin M.
通讯作者：
Weeks, Kevin M.