핵산 구조 예측

Nucleic acid structure prediction
이 글은 핵산 구조의 연산 예측에 관한 것이다. 실험 방법은 핵산 구조 결정을 참조하십시오.

핵산 구조 예측은 그 순서에서 2차 및 3차 핵산 구조를 결정하는 연산 방법이다. 이차 구조는 하나 또는 여러 개의 핵산 염기서열로부터 예측할 수 있다. 3차 구조는 시퀀스로부터 또는 비교 모델링을 통해 예측할 수 있다(동음이의 시퀀스의 구조가 알려진 경우).

핵산 이차 구조를 예측하는 문제는 주로 염기쌍과 염기쌓기 상호작용에 의존한다; 많은 분자들은 3차원 구조를 가지고 있기 때문에, 이러한 구조를 예측하는 것은 tr과 같은 알려진 종류의 핵산 분자와 명백한 순서와 기능적 유사성이 없는 한 도달하지 못하는 상태를 유지한다.ansfer RNA(tRNA) 또는 microRNA(miRNA)가 관찰된다. 많은 2차 구조 예측 방법은 동적 프로그래밍의 변화에 의존하므로 가성비를 효율적으로 식별할 수 없다.

방법은 비슷하지만 RNA와 DNA 구조 예측에 대한 접근법에는 약간의 차이가 있다. 체내에서는 DNA 구조가 두 가닥 사이에 완전한 상호보완성을 갖는 이중성일 가능성이 더 높은 반면, RNA 구조는 리보솜, 스플라이소솜 또는 전달 RNA와 같은 복잡한 2차 및 3차 구조로 접힐 가능성이 더 높다. 이것은 부분적으로 RNA의 여분의 산소가 핵산 백본의 수소 결합 경향을 증가시키기 때문이다. 에너지 매개변수도 두 핵산에 대해 다르다. 구조 예측 방법은 완전히 이론적인 접근법 또는 실험 데이터를 포함하는 복합적인 접근법을 따를 수 있다.[1][2]

단일 시퀀스 구조 예측

RNA와 함께 일하는 연구자들이 공통적으로 겪는 문제는 핵산 염기서열만 주어진 분자의 3차원 구조를 결정하는 것이다. 그러나 RNA의 경우 최종 구조의 많은 부분이 분자의 2차 구조 또는 분자 내 분자 내 염기쌍의 상호작용에 의해 결정된다. 이것은 다양한 종에 걸친 염기쌍의 높은 보존에 의해 보여진다.

가장 안정된 구조

작은 RNA 분자의 이차 구조는 수소 결합과 염기 쌓기와 같은 강한 국소적 상호작용에 의해 결정된다. 그러한 상호작용에 대한 자유 에너지를 합하면 주어진 구조물의 안정성에 대한 근사치를 제공해야 한다. 주어진 이차 구조의 접힘 자유 에너지를 예측하기 위해 경험적 인접 모델을 사용한다. 가장 가까운 이웃 모델에서 각 모티브에 대한 자유 에너지 변화는 모티브의 순서와 가장 가까운 베이스 페어에 따라 달라진다.[3] 왓슨-크릭 쌍, GU 쌍 및 루프 영역에 대한 최소 에너지 모델과 매개변수는 경험적 열량계 실험에서 도출되었으며,[4] 대부분의 소프트웨어 패키지는 1999년에 조립된 이전 세트를 사용하지만 가장 최신 매개변수가 2004년에 발표되었다.[5]

가장 낮은 자유 에너지 구조를 찾는 가장 간단한 방법은 가능한 모든 구조를 생성하고 이를 위한 자유 에너지를 계산하는 것이지만, 수열의 가능한 구조물의 수는 RNA의 길이에 따라 기하급수적으로 증가한다. number of secondary structures = (1,8)N, N- number of nucleotides.[6] 더 긴 분자의 경우, 가능한 2차 구조의 수는 거대하다: 100개의 뉴클레오티드가 10개25 이상의 2차 구조를 가지고 있다.[3]

동적 프로그래밍 알고리즘

RNA와 DNA의 2차 구조를 예측하는 가장 인기 있는 방법은 동적 프로그래밍을 포함한다.[7][8] RNA 2차 구조를 예측하기 위한 초기 시도 중 하나는 루스 누시노프와 동료들이 일련의 "블록"(폴리뉴클레오티드 체인)의 길이와 수를 최대화하는 동적 프로그래밍 기반 알고리즘을 개발한 것이다.[7] 각 "블록"은 최소 두 개의 뉴클레오티드가 필요했고, 이것은 단일 베이스 매칭 접근법에 대한 알고리즘의 저장 요건을 감소시켰다.[7] 후일 누시노프 외 연구진은 현재 누시노프 알고리즘으로 알려진 이전 접힘의 결과를 저장하면서 점점 크기가 커지는 서브섹션을 접음으로써 RNA 크기 제한을 최대 1,000 베이스까지 증가시키는 개선된 성능의 적응적 접근법을 발표했다.[8] 1981년, 마이클 주커와 패트릭 스티글러는 누시노프 등의 솔루션에 필적할 만한 성능을 갖췄지만, "최적" 이차 구조를 찾을 수 있는 추가적인 능력을 갖춘 세련된 접근법을 제안했다.[9]

동적 프로그래밍 알고리즘은 구조를 명시적으로 생성하지 않고 가능한 RNA 이차 구조의 모든 변형을 암묵적으로 확인할 수 있는 수단을 제공한다. 첫째, 가장 짧은 조각부터 시작하여 더 긴 조각에 대해 가능한 각 시퀀스 조각에 대해 가장 낮은 순응 자유 에너지를 결정한다. 더 긴 조각의 경우, 짧은 시퀀스에 대해 결정된 최적의 자유 에너지 변화에 대한 재귀는 가장 낮은 접히는 자유 에너지의 결정 속도를 높인다. 일단 완전한 시퀀스 중 가장 낮은 자유 에너지가 계산되면, RNA 분자의 정확한 구조가 결정된다.[3]

동적 프로그래밍 알고리즘은 "잘 내포된" 베이스 페어링 패턴, 즉 시퀀스 위치에서 서로 겹치지 않는 베이스에만 수소 결합을 형성하는 베이스 페어링 패턴을 검출하는 데 흔히 사용된다. 이 범주에 속하는 이차 구조물은 이중 나선형, 줄기-루프형 및 전달 RNA 분자에서 발견되는 "클로버리프" 패턴의 변형이다. 이러한 방법은 왓슨-크릭 및 후그스틴 기본 쌍을 포함한 특정 유형의 베이스 페어링 상호작용과 관련된 자유 에너지를 추정하는 사전 계산된 매개변수에 의존한다. 방법의 복잡성에 따라 단일 베이스 쌍, 짧은 2 베이스 또는 3 베이스 세그먼트를 고려하여 베이스 스택의 효과를 통합할 수 있다. 이 방법은 계산적으로 매우 비용이 많이 드는 실질적인 알고리즘 수정 없이는 잘 내포되지 않는 가성비를 식별할 수 없다.[10]

부최적 구조물

자유 에너지 최소화에 의한 한 시퀀스의 RNA 이차 구조 예측 정확도는 다음과 같은 몇 가지 요인에 의해 제한된다.

  1. 가장 가까운 인접 모델에서 자유 에너지 값의 리스트가 불완전함
  2. 알려진 모든 RNA가 열역학적 최소치에 부합하는 방식으로 접히는 것은 아니다.
  3. 일부 RNA 시퀀스에는 둘 이상의 생물학적 활성 순응(즉, 리보스와이어)이 있다.

이러한 이유로, 유사한 낮은 자유 에너지를 가진 구조를 예측하는 능력은 중요한 정보를 제공할 수 있다. 그러한 구조물은 부최적 구조라고 불린다. MFORD는 차선의 구조를 생성하는 프로그램 중 하나이다.[11]

가성 예측

RNA 2차 구조를 예측할 때 발생하는 문제점 중 하나는 표준 자유 에너지 최소화 및 통계 샘플링 방법이 가성비를 찾을 수 없다는 점이다.[5] 주요 문제는 통상적인 동적 프로그래밍 알고리즘이 2차 구조를 예측할 때 가장 가까운 뉴클레오티드의 상호작용만을 고려하는 반면 원거리 뉴클레오티드의 상호작용에 의해 가성비가 형성된다는 점이다. 리바스와 에디는 가성비를 예측하기 위한 동적 프로그래밍 알고리즘을 발표했다.[10] 그러나 이 동적 프로그래밍 알고리즘은 매우 느리다. 자유 에너지 최소화를 위한 표준 동적 프로그래밍 알고리즘은 시간 단위로 O(N3)를 스케일링하고(N은6 시퀀스 내 뉴클레오티드의 수), 리바스와 에디 알고리즘은 시간 단위로 스케일링한다. 이로 인해 여러 연구자들이 가성비 계급을 제한하는 알고리즘 버전을 구현하게 되었고, 결과적으로 성능이 향상되었다. 예를 들어, pknotsRG 도구는 단순 재귀 가성비 등급만 포함하고 시간 내에 스케일 O(N4)를 제공한다.[12]

RNA 이차 구조 예측을 위한 기타 접근법

RNA 2차 구조 결정을 위한 또 다른 접근방식은 프로그램 SFORD에서 예시된 바와 같이 볼츠만 앙상블에서 구조물을 샘플링하는 것이다.[13][14] 이 프로그램은 가능한 모든 RNA 이차 구조의 통계 샘플을 생성한다. 알고리즘은 볼츠만 분포에 따라 이차 구조를 샘플링한다. 표본 추출 방법은 접힘의 불확실성 문제에 대한 호소력 있는 해결책을 제공한다.[14]

비교이차구조 예측

S. 세레비시아 tRNA-PHE 구조 공간: RNA subopt를 이용하여 에너지와 구조를 계산하고 RNA 거리를 이용하여 계산한 구조 거리를 계산하였다.

시퀀스 공분산 방법은 연관성이 있지만 서로 다른 시퀀스를 가진 복수의 동질 RNA 시퀀스로 구성된 데이터 세트의 존재에 의존한다. 이러한 방법은 진화에 있어 개별 기지 부지의 공분산을 분석한다. 기저 쌍을 이루는 뉴클레오티드의 두 개의 광범위하게 분리된 부위에서 유지되는 것은 그러한 위치들 사이에 구조적으로 필요한 수소 결합의 존재를 나타낸다. 가성 예측의 일반적인 문제는 NP-완전인 것으로 나타났다.[15]

일반적으로 정렬 문제와 합의구조 예측 문제는 밀접한 관련이 있다. 합의 구조 예측에 대한 세 가지 접근방식을 구별할 수 있다.[16]

  1. 정렬 접기
  2. 동시 시퀀스 정렬 및 폴딩
  3. 예측 구조물의 정렬

정렬 후 접기

실용적인 경험적 접근방식은 여러 개의 RNA 시퀀스의 정렬을 생성하기 위해 다중 시퀀스 정렬 도구를 사용하여 합의 시퀀스를 찾은 다음 접는 것이다. 정렬의 품질에 따라 컨센서스 구조 모델의 정확도가 결정된다. 합의 순서는 개별 구조 예측 문제와 유사하게 다양한 접근방식을 사용하여 접는다. 열역학적 접이식 접근방식은 RNAalifold 프로그램에 의해 예시된다.[17] 다른 접근방식은 Pfold와 ILM 프로그램에 의해 예시된다. Pfold 프로그램은 SCFG를 구현한다.[18] 선형 접힘에 대한 다른 알고리즘과 달리 ILM(복제 루프 매칭)은 유사점 구조를 반환할 수 있다. 열역학 및 상호 정보 콘텐츠 점수 조합을 사용한다.[19]

정렬 및 접기

진화는 종종 RNA 시퀀스보다 기능적인 RNA 구조를 더 잘 보존한다.[17] 따라서, 공통적인 생물학적 문제는 두 개 이상의 고도로 분화되었지만 동음이의 RNA 시퀀스에 대한 공통 구조를 유추하는 것이다. 실제로 시퀀스 정렬은 적합하지 않으며, 두 시퀀스의 시퀀스 유사성이 50% [20]미만인 경우 구조 예측의 정확도를 개선하는 데 도움이 되지 않는다.

구조 기반 정렬 프로그램은 이러한 정렬의 성능을 향상시키며 대부분은 상코프 알고리즘의 변형이다.[21] 기본적으로 Sankoff 알고리즘은 시퀀스 정렬과 Nussinov(최대-페어링) 접기 동적 프로그래밍 방식의 결합이다.[22] Sankoff 알고리즘 자체는 극한의 연산 자원(시간에는(n3m) O, 공간에는(n2m) O)이 필요하기 때문에 이론적인 연습이다. 여기서 n은 시퀀스 길이, m은 시퀀스 수입니다. 제한된 버전의 Sankoff 알고리즘을 구현하기 위한 몇 가지 주목할 만한 시도로는 Foldalign,[23][24] Dynalign,[25][26] PMMulti/PMcomp,[22] Stemloc,[27] Murlet 등이 있다.[28] 이러한 구현에서는 가능한 합의 구조의 변형이나 정렬의 최대 길이가 제한된다. 예를 들어, Foldalign은 로컬 선형에 초점을 맞추고 시퀀스 선형의 가능한 길이를 제한한다.

접은 후 정렬

덜 널리 사용되는 접근법은 단일 시퀀스 구조 예측 방법을 사용하여 시퀀스를 접고 트리 기반 메트릭스를 사용하여 결과 구조를 정렬하는 것이다.[29] 이 접근방식의 근본적인 약점은 단일 시퀀스 예측이 부정확한 경우가 많으므로 추가 분석이 모두 영향을 받는다는 것이다.

3차 구조 예측

RNA의 2차 구조가 알려지면 다음 과제는 3차 구조를 예측하는 것이다. 가장 큰 문제는 이중 좌초된 나선지역 사이의 지역 구조를 결정하는 것이다. 또한 RNA 분자는 종종 전치 후 변형된 뉴클레오시드를 포함하고 있는데, 이것은 새로운 가능성 있는 비수평적 상호작용 때문에 3차 구조 예측에 많은 문제를 일으킨다.[30][31][32][33]

3차원 구조 예측 방법에서는 템플릿이라고 알려진 관련 구조에서 시작되는 비교 모델링을 사용할 수 있다.[34] 대안 전략은 RNA 이차 구조의[35] de novo 모델링으로, 분자 역학이나[36] 정합 지형의[37] 무작위 샘플링과 같은 물리 기반 원리를 사용하고, 그 후에 통계적 채점 잠재력을 가진 스크리닝이 뒤따른다.[38] 이 방법들은 핵산 구조의 모든 원자 표현을[39] 사용하거나 굵은 결을 이용한 표현을 사용한다.[40] 이러한 모델링 방법 중 다수가 생성하는 저해상도 구조는 고해상도 정교함을 받는다.[41]


참고 항목

참조

  1. ^ Ponce-Salvatierra, Almudena; --, Astha; Merdas, Katarzyna; Chandran, Nithin; Ghosh, Pritha; Mukherjee, Sunandan; Bujnicki, Janusz M (2019-01-22). "Computational modeling of RNA 3D structure based on experimental data". Bioscience Reports. 39 (2): BSR20180430. doi:10.1042/bsr20180430. ISSN 0144-8463. PMC 6367127. PMID 30670629.{{cite journal}}: CS1 maint: 숫자 이름: 작성자 목록(링크)
  2. ^ Magnus, Marcin; Matelska, Dorota; Łach, Grzegorz; Chojnowski, Grzegorz; Boniecki, Michal J; Purta, Elzbieta; Dawson, Wayne; Dunin-Horkawicz, Stanislaw; Bujnicki, Janusz M (2014-04-23). "Computational modeling of RNA 3D structures, with the aid of experimental restraints". RNA Biology. 11 (5): 522–536. doi:10.4161/rna.28826. ISSN 1547-6286. PMC 4152360. PMID 24785264.
  3. ^ a b c Mathews D.H. (2006). "Revolutions in RNA secondary structure prediction". J. Mol. Biol. 359 (3): 526–532. doi:10.1016/j.jmb.2006.01.067. PMID 16500677.
  4. ^ Mathews DH, Disney MD, Childs JL, Schroeder SJ, Zuker M, Turner DH (2004). "Incorporating chemical modification constraints into a dynamic programming algorithm for prediction of RNA secondary structure". Proceedings of the National Academy of Sciences USA. 101 (19): 7287–7292. Bibcode:2004PNAS..101.7287M. doi:10.1073/pnas.0401799101. PMC 409911. PMID 15123812.
  5. ^ a b Mathews DH, Sabina J, Zuker M, Turner DH (1999). "Expanded sequence dependence of thermodynamic parameters improves prediction of RNA secondary structure". J Mol Biol. 288 (5): 911–40. doi:10.1006/jmbi.1999.2700. PMID 10329189. S2CID 19989405.
  6. ^ Zuker M.; Sankoff D. (1984). "RNA secondary structures and their prediction". Bull. Math. Biol. 46 (4): 591–621. doi:10.1016/s0092-8240(84)80062-2.
  7. ^ a b c d Nussinov R, Piecznik G, Grigg JR 및 Kleitman DJ(1978) 루프 매치 알고리즘. 응용수학에 관한 SIAM 저널.
  8. ^ a b Nussinov R, Jacobson AB (1980). "Fast algorithm for predicting the secondary structure of single-stranded RNA". Proc Natl Acad Sci U S A. 77 (11): 6309–13. Bibcode:1980PNAS...77.6309N. doi:10.1073/pnas.77.11.6309. PMC 350273. PMID 6161375.
  9. ^ Zuker M, Stiegler P (1981). "Optimal computer folding of large RNA sequences using thermodynamics and auxiliary information". Nucleic Acids Res. 9 (1): 133–48. doi:10.1093/nar/9.1.133. PMC 326673. PMID 6163133.
  10. ^ a b Rivas E, Eddy SR (1999). "A dynamic programming algorithm for RNA structure prediction including pseudoknots". J Mol Biol. 285 (5): 2053–68. arXiv:physics/9807048. doi:10.1006/jmbi.1998.2436. PMID 9925784. S2CID 2228845.
  11. ^ Zuker M (2003). "Mfold web server for nucleic acid folding and hybridization prediction". Nucleic Acids Research. 31 (13): 3406–3415. doi:10.1093/nar/gkg595. PMC 169194. PMID 12824337.
  12. ^ Reeder J.; Giegerich R. (2004). "Design, implementation and evaluation of a practical pseudoknot folding algorithm based on thermodynamics". BMC Bioinformatics. 5: 104. doi:10.1186/1471-2105-5-104. PMC 514697. PMID 15294028.
  13. ^ McCaskill JS (1990). "The equilibrium partition function and base pair binding probabilities for RNA secondary structure". Biopolymers. 29 (6–7): 1105–19. doi:10.1002/bip.360290621. hdl:11858/00-001M-0000-0013-0DE3-9. PMID 1695107. S2CID 12629688.
  14. ^ a b Ding Y, Lawrence CE (2003). "A statistical sampling algorithm for RNA secondary structure prediction". Nucleic Acids Res. 31 (24): 7280–301. doi:10.1093/nar/gkg938. PMC 297010. PMID 14654704.
  15. ^ Lyngsø RB, Pedersen CN (2000). "RNA pseudoknot prediction in energy-based models". J Comput Biol. 7 (3–4): 409–427. CiteSeerX 10.1.1.34.4044. doi:10.1089/106652700750050862. PMID 11108471.
  16. ^ Gardner P.P.; Giegerich, Robert (2004). "A comprehensive comparison of comparative RNA structure prediction approaches". 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). "Secondary structure prediction for aligned RNA sequences". J Mol Biol. 319 (5): 1059–66. CiteSeerX 10.1.1.73.479. doi:10.1016/S0022-2836(02)00308-X. PMID 12079347.
  18. ^ Knudsen B, Hein J (2003). "Pfold: RNA secondary structure prediction using stochastic context-free grammars". Nucleic Acids Res. 31 (13): 3423–8. doi:10.1093/nar/gkg614. PMC 169020. PMID 12824339.
  19. ^ Ruan, J, Stormo, G.D. & Zhang, W. (2004) ILM: 가성운으로 RNA 2차 구조를 예측하기 위한 웹 서버. 핵산 연구, 32(웹 서버 문제), W146-149.
  20. ^ Bernhart SH, Hofacker IL (2009). "From consensus structure prediction to RNA gene finding". Brief Funct Genomic Proteomic. 8 (6): 461–71. doi:10.1093/bfgp/elp043. PMID 19833701.
  21. ^ Sankoff D (1985). "Simultaneous solution of the RNA folding, alignment and protosequence problems". SIAM Journal on Applied Mathematics. 45 (5): 810–825. CiteSeerX 10.1.1.665.4890. doi:10.1137/0145048.
  22. ^ a b Hofacker IL, Bernhart SH, Stadler PF (2004). "Alignment of RNA base pairing probability matrices". Bioinformatics. 20 (14): 2222–7. doi:10.1093/bioinformatics/bth229. PMID 15073017.
  23. ^ Havgaard JH, Lyngso RB, Stormo GD, Gorodkin J (2005). "Pairwise local structural alignment of RNA sequences with sequence similarity less than 40%". Bioinformatics. 21 (9): 1815–24. doi:10.1093/bioinformatics/bti279. PMID 15657094.
  24. ^ Torarinsson E, Havgaard JH, Gorodkin J. (2007) RNA 시퀀스의 다중 구조 정렬 및 클러스터링. 생물정보학
  25. ^ Mathews DH, Turner DH (2002). "Dynalign: an algorithm for finding the secondary structure common to two RNA sequences". J Mol Biol. 317 (2): 191–203. doi:10.1006/jmbi.2001.5351. PMID 11902836.
  26. ^ Harmanci AO, Sharma G, Mathews DH, (2007) Dynalign, BMC 생물정보학, 8(130)에서 확률론적 정렬 제약조건을 이용한 효율적인 쌍방향 RNA 구조 예측.
  27. ^ Holmes I. (2005) RNA 구조 진화의 가속화된 확률론적 추론. BMC 생물정보학. 2005년 3월 24일 6시 73분.
  28. ^ Kiryu H, Tabei Y, Kin T, Asai K (2007). "Murlet: A practical multiple alignment tool for structural RNA sequences". Bioinformatics. 23 (13): 1588–1598. doi:10.1093/bioinformatics/btm146. PMID 17459961.
  29. ^ Shapiro BA와 Zhang K (1990) 생물학에서 나무 비교 컴퓨터 응용 프로그램을 사용한 다중 RNA 이차 구조 비교, vol. 6, 4, 페이지 309–318.
  30. ^ 샤피로 BA, 잉링 YG, Kasprzak W, Bindewald E. (2007) RNA 구조 예측의 간극을 메우는 것. Curr Opon Structure Biol.
  31. ^ Major F, Turcotte M, Gautheret D, Lapalme G, Fillion E, Cedergren R (Sep 1991). "The combination of symbolic and numerical computation for three-dimensional modeling of RNA". Science. 253 (5025): 1255–60. Bibcode:1991Sci...253.1255F. doi:10.1126/science.1716375. PMID 1716375.
  32. ^ Major F, Gautheret D, Cedergren R (Oct 1993). "Reproducing the three-dimensional structure of a tRNA molecule from structural constraints". Proc Natl Acad Sci U S A. 90 (20): 9408–12. Bibcode:1993PNAS...90.9408M. doi:10.1073/pnas.90.20.9408. PMC 47577. PMID 8415714.
  33. ^ Frellsen J, Moltke I, Thiim M, Mardia KV, Ferkinghoff-Borg J, Hamelryck T (2009). "A probabilistic model of RNA conformational space". PLOS Comput Biol. 5 (6): e1000406. Bibcode:2009PLSCB...5E0406F. doi:10.1371/journal.pcbi.1000406. PMC 2691987. PMID 19543381.
  34. ^ Rother, Magdalena; Rother, Kristian; Puton, Tomasz; Bujnicki, Janusz M. (2011-02-07). "ModeRNA: a tool for comparative modeling of RNA 3D structure". Nucleic Acids Research. 39 (10): 4007–4022. doi:10.1093/nar/gkq1320. ISSN 1362-4962. PMC 3105415. PMID 21300639.
  35. ^ Neocles B Leontis; Eric Westhof, eds. (2012). RNA 3D structure analysis and prediction. Springer. ISBN 9783642257407. OCLC 795570014.
  36. ^ Vangaveti, Sweta; Ranganathan, Srivathsan V.; Chen, Alan A. (2016-10-04). "Advances in RNA molecular dynamics: a simulator's guide to RNA force fields". Wiley Interdisciplinary Reviews: RNA. 8 (2): e1396. doi:10.1002/wrna.1396. ISSN 1757-7004. PMID 27704698. S2CID 35501632.
  37. ^ Chen, Shi-Jie (June 2008). "RNA Folding: Conformational Statistics, Folding Kinetics, and Ion Electrostatics". Annual Review of Biophysics. 37 (1): 197–214. doi:10.1146/annurev.biophys.37.032807.125957. ISSN 1936-122X. PMC 2473866. PMID 18573079.
  38. ^ Laing, Christian; Schlick, Tamar (June 2011). "Computational approaches to RNA structure prediction, analysis, and design". Current Opinion in Structural Biology. 21 (3): 306–318. doi:10.1016/j.sbi.2011.03.015. ISSN 0959-440X. PMC 3112238. PMID 21514143.
  39. ^ Zhao, Chenhan; Xu, Xiaojun; Chen, Shi-Jie (2017), Predicting RNA Structure with Vfold, Methods in Molecular Biology, vol. 1654, Springer New York, pp. 3–15, doi:10.1007/978-1-4939-7231-9_1, ISBN 9781493972302, PMC 5762135, PMID 28986779
  40. ^ Boniecki, Michal J.; Lach, Grzegorz; Dawson, Wayne K.; Tomala, Konrad; Lukasz, Pawel; Soltysinski, Tomasz; Rother, Kristian M.; Bujnicki, Janusz M. (2015-12-19). "SimRNA: a coarse-grained method for RNA folding simulations and 3D structure prediction". Nucleic Acids Research. 44 (7): e63. doi:10.1093/nar/gkv1479. ISSN 0305-1048. PMC 4838351. PMID 26687716.
  41. ^ Stasiewicz, Juliusz; Mukherjee, Sunandan; Nithin, Chandran; Bujnicki, Janusz M. (2019-03-21). "QRNAS: software tool for refinement of nucleic acid structures". BMC Structural Biology. 19 (1): 5. doi:10.1186/s12900-019-0103-1. ISSN 1472-6807. PMC 6429776. PMID 30898165.

추가 읽기