综述：RNA共转录折叠的计算模型

这篇综述系统阐述了RNA共转录折叠（cotranscriptional folding）的计算建模方法，对比了热力学（MFE）与动力学（Kinfold/Kinefold）预测差异，整合了实验辅助建模（SHAPE-seq/TECprobe-VL）技术进展，为解析非平衡态RNA结构-功能关系提供了多尺度研究框架。

　　

RNA分子在转录过程中的动态折叠机制是理解其生物学功能的核心。与传统的热力学折叠不同，共转录折叠（cotranscriptional folding）是一个受动力学主导的非平衡过程——随着RNA聚合酶的移动，新生RNA链不断延伸，新暴露的核苷酸序列会与已转录区域形成瞬时结构中间体，这些中间体可能通过"动力学陷阱"（kinetic trapping）机制持久影响最终结构。

热力学与动力学的博弈
热力学模型（如ViennaRNA的MFE预测）假设RNA能采样所有构象并达到平衡态，而共转录折叠常因转录速率限制形成亚稳态结构。例如，核糖开关（riboswitch）的功能构象往往由早期形成的三向连接结构（three-way junction）决定，而非全长RNA的热力学最优构象。分子动力学（MD）模拟显示，螺旋重排能垒（>10 k_B
T）可导致中间体寿命延长至生理相关时间尺度。

计算建模的两大范式
Ab initio方法通过能量景观（energy landscape）模拟折叠路径：

• 逐步延伸算法：COFOLD引入距离依赖的加权函数，显著提升长链RNA（如16S rRNA）预测准确率；Kinwalker则通过动态编程预计算局部最优子结构，但可能低估远端相互作用。
• 动力学路径模拟：Kinefold采用Gillespie算法追踪单碱基对（base-pair）转变，支持假结（pseudoknot）形成；而"景观缩放"（landscape zooming）模型通过分区粗粒化策略，将HIV-1 TAR RNA的模拟效率提升20倍。

实验数据的融合创新
化学探测（SHAPE/DMS）与NGS技术（SPET-seq）生成的反应性矩阵，可通过伪能量约束优化预测：

• R2D2框架整合150,000个候选结构采样，成功解析SRP RNA的toehold介导链置换机制
• 单分子技术（smFRET/光镊）揭示，大肠杆菌（E. coli）S-腺苷甲硫氨酸（SAM）核糖开关在5 nM配体浓度下存在双稳态转换

挑战与前沿方向
当前模型仍受限于：1）非经典碱基对的能量参数缺失；2）转录暂停（pausing）事件的动态整合不足。冷冻电镜（cryo-EM）捕获的折叠中间体与深度学习（如AlphaFold-RNA）的融合，或将开启转录速率-结构-功能关联研究的新纪元。核糖体结合、表观修饰等细胞环境因素的建模，将推动从"试管预测"到"体内模拟"的跨越。