RNAFlow: RNA Structure & Sequence Design via Inverse Folding-Based Flow Matching

RNA工程在各种生物应用中的日益重要性，促使人们对开发基于结构的RNA设计的AI方法产生了兴趣。虽然扩散模型在蛋白质设计方面表现出色，但将它们适应于RNA设计却面临新的挑战，因为RNA的构象灵活性以及微调大型结构预测模型的计算成本。为此，我们提出了RNAFlow，一种用于蛋白质条件下RNA序列-结构设计的流匹配模型。其去噪网络集成了RNA反向折叠模型和预训练的RosettaFold2NA网络，用于生成RNA序列和结构。在结构去噪过程中整合反向折叠，使我们能够通过固定结构预测网络来简化训练。我们进一步通过基于推断的构象集对其进行调整，以模拟动态RNA构象，从而增强反向折叠模型。在蛋白质条件下的RNA结构和序列生成任务的评估中，证明了RNAFlow相对于现有的RNA设计方法的优势。

本论文旨在解决RNA工程在生物学应用中的重要性不断增长，但由于RNA的构象灵活性和结构预测模型的计算成本，将扩散模型应用于RNA设计面临的新挑战。论文尝试开发一种RNA结构设计的AI方法。

RNAFlow是一种流匹配模型，用于蛋白质条件下的RNA序列-结构设计。其去噪网络集成了RNA反向折叠模型和经过预训练的RosettaFold2NA网络，用于生成RNA序列和结构。通过在结构去噪过程中集成反向折叠模型，可以通过固定结构预测网络来简化训练。通过在推断的构象集合上进行调节，进一步增强了反向折叠模型，以模拟动态RNA构象。

论文在蛋白质条件下的RNA结构和序列生成任务上进行了评估，证明了RNAFlow相对于现有RNA设计方法的优势。实验使用了哪些数据集，有没有开源代码？哪些工作值得继续深入研究？需要进一步了解。

最近在这个领域中，还有一些相关的研究，例如“RNA Designer: Towards the Automatic Generation of RNA Sequences”的论文。