UFold — это метод предсказания вторичной структуры РНК, основанный на глубоких нейронных сетях, предложенный в 2022 году. В отличие от традиционных термодинамических подходов, UFold обучается непосредственно на аннотированных данных и правилах спаривания оснований, что позволяет ему эффективно предсказывать структуру РНК без необходимости в сложных вычислениях энергии свободного свёртывания. Метод использует представление РНК-последовательностей в виде изображений, что делает возможным применение полностью свёрточных нейронных сетей (FCN) для обработки данных.
UFold продемонстрировал превосходство над предыдущими методами на наборах данных, относящихся к одной и той же группе РНК, достигая улучшения точности предсказания на 10–30% по сравнению с традиционными термодинамическими моделями и на 27% по сравнению с другими методами, основанными на обучении. Время вывода составляет около 160 миллисекунд на последовательность длиной до 1500 оснований, что делает UFold быстрым инструментом для анализа РНК-структур.
- Глубокое обучение без термодинамических предположений: UFold обучается непосредственно на аннотированных данных и правилах спаривания оснований, исключая необходимость в термодинамических моделях.
- Представление РНК-последовательностей как изображений: Используется уникальное представление РНК-последовательностей в виде изображений, что позволяет применять свёрточные нейронные сети для обработки данных.
- Поддержка псевдокнёлсов: UFold способен точно предсказывать псевдокнёлсы, которые являются сложными элементами структуры РНК.
- Высокая точность и скорость: Метод показывает улучшение точности предсказания на 10–30% по сравнению с традиционными методами и достигает времени вывода около 160 миллисекунд на последовательность длиной до 1500 оснований.
- Открытый исходный код и веб-сервер: Исходный код UFold доступен на GitHub, а также имеется онлайн-веб-сервер для предсказания структуры РНК.