基于物理的RNA–配体结合预测框架P-RISE揭示可靠预测的物理决定因素

《Nucleic Acids Research》：Physical determinants of reliable RNA–ligand binding prediction revealed by P-RISE

　　

RNA靶向小分子药物的发现面临实验表征的RNA–配体复合物稀缺以及现有计算方法在化学多样体系间可迁移性有限的挑战。研究人员在此提出了P-RISE，一个基于物理的RNA–配体结合预测框架，并利用其识别支撑可靠性能（reliable performance）的物理决定因素。通过对力场（force field）、离子环境（ionic environment）、介电处理（dielectric treatment）和熵校正（entropy correction）的系统评估，研究揭示了三项耦合需求：在离子敏感条件下保持RNA结合口袋（RNA-binding pocket）的完整性；通过升高的内部介电常数（internal dielectric constant）实现有效的静电误差抵消机制（electrostatic error cancellation regime）；以及熵校正与溶剂建模（solvent modeling）之间经验性观察到的耦合关系。整合上述特征后，P-RISE提供了稳定的亲和力排序（affinity ranking）、基于物理的理化适用性域（applicability domain）界定、精确的金属离子位点定位（metal ion site localization），以及与已确立的RNA对接（RNA docking）和打分（scoring）方法相比更优的结合构象判别能力（binding pose discrimination）。关键的是，与AlphaFold3的基准对比研究表明，针对结构生成而非能量排序（energetic ranking）进行优化的共折叠模型（co-folding model），受益于显式的基于物理的评估层（physics-based evaluation layer）。此外，多样化的机器学习（machine-learning）对比研究表明，纯数据驱动方法（purely data-driven methods）在这种数据贫乏体系（data-poor regime）中缺乏稳定性和泛化能力。最终，P-RISE为RNA–配体建模提供了机制性理解（mechanistic understanding），作为定义可靠预测边界的合理物理基线（principled physical baseline），并指导未来的数据驱动整合（data-driven integration）。

**论文解读**

RNA已成为药物研发的重要靶点类别。人类基因组中约85%被转录为RNA，而仅约1%编码蛋白质，其中绝大多数转录产物为非编码RNA（ncRNA），在基因表达调控、蛋白质合成与病毒复制中行使关键功能。已有研究证实，多种非编码RNA与癌症、神经退行性疾病等疾病相关，且核糖霉素（ribocil）及其衍生物结合黄素单核苷酸（FMN）核开关的研究证明了靶向RNA的小分子药物发现的可行性。然而，RNA靶向小分子发现面临两大瓶颈：其一，实验表征数据极度稀缺——截至2025年，PDBbind数据库收录超过27000个蛋白质–配体复合物，而RNA–配体结构仅约100个，相差近两个数量级；其二，现有计算方法在化学多样体系间可迁移性有限。这种数据贫乏（data-poor）环境导致人工智能模型在构象判别和精确能量排序等任务中出现统计不稳定性。尽管自由能微扰（FEP+）等严格物理方法具有严谨的物理解释基础，但其计算成本高昂且主要用于相对结合自由能计算；基于端点的分子力学/广义Born表面积（MM/GBSA）方法则长期停留在试错调参阶段，缺乏对RNA体系中关键理化决定因素的系统认识。

针对上述问题，研究人员在《Nucleic Acids Research》发表论文，提出P-RISE——一个基于物理的RNA–配体结合预测框架，系统评估力场、离子环境、介电处理与熵校正的协同作用，鉴定出三项耦合的物理决定因素，并构建了多层次验证基准。研究得出核心结论：RNA–配体可靠预测的性能并非源于各能量单项的精确建模，而是源于静电、溶剂与熵项之间的系统性误差抵消机制。

研究人员为开展研究主要综合运用以下关键技术方法：分子动力学（MD）模拟（采用AMBER22软件的pmemd.cuda引擎）；MM/GBSA与分子力学/Poisson-Boltzmann表面积（MM/PBSA）结合自由能计算（基于AmberTools23的MMPBSA.py脚本）；OL3与YIL力场参数化方案；TIP3P显式水模型；NaCl、KCl、MgCl₂三种盐类的浓度梯度实验；准谐波（QH）与简正模式（NMODE）熵评估；3D参考相互作用位点模型（3D-RISM）离子密度预测；RDKit、MOE等分子描述符计算；XGBoost、随机森林（RF）、高斯过程回归（GPR）等五种机器学习算法；AlphaFold3共折叠结构预测；PLANTS对接构象生成软件；以及SHAP特征归因分析。样本队列方面，Dataset I（主要亲和力数据集，27个复合物）改编自已发表的PCCP研究，Dataset II（外部验证集，含Benzimidazole、Rbt、Flavins三个子集）来源于Schr?dinger公司的RNA–配体FEP研究，Dataset III（构象判别基准集，20个系统）基于Protein Data Bank（PDB）中X射线分辨率优于3.0 ?的RNA–配体共结晶结构构建。

研究结果部分包含以下主要内容。

在基准设计方面，研究人员构建了三层互补基准：Dataset I用于域表征与适用性域定义（以Pearson相关系数R_p和均方根误差RMSE评估）；Mg²⁺离子定位案例研究；Dataset II用于外部亲和力验证；Dataset III以Top-1成功率评估构象判别；同时建立机器学习对比基准。

在离子环境与结合口袋完整性方面，系统评估发现OL3力场显著优于YIL力场，GBSA模型优于PBSA模型。0.5 M MgCl₂获得最高预测相关性（R_p=0.639），2 M NaCl和1 M KCl次之，均显著优于纯水环境（R_p=0.513）。结构分析表明，高离子强度通过维持结合口袋局部稳定性而非整体刚性发挥作用；模拟精度在离子类型依赖的有限时间窗口内达到峰值（MgCl₂为1–2 ns，NaCl为2–4 ns，KCl为4–6 ns），此后因力场误差累积而下降，即高离子强度充当"静电支架"（electrostatic scaffold）。

在静电与熵校正方面，介电常数扫描显示内部介电常数ε_in从1升至20显著提升预测相关性。引入QH熵校正后，浓度依赖的外部介电常数ε_out开始优于固定值ε_out=80，揭示了熵校正与溶剂建模的经验性耦合。最终P-RISE协议在Dataset I上达到R_p=0.696，较此前最优值0.513显著提升；经三个独立随机种子重复验证（R_p=0.62±0.07）和留一法分析确认结果稳健。

在任务可迁移性方面，Mg²⁺位点定位中，P-RISE在RNA–茶碱复合物（PDB: 1O15）中成功复现三个专家放置的Mg²⁺位点并预测四个新结合区，而3D-RISM方法结果弥散无法精确定位。适用性域分析定义了"最优电荷窗口"（配体电荷约+3至+4，RNA电荷约?25至?35），并发现鸟嘌呤主导体系预测精度系统性偏低；P-RISE在域内Benzimidazole（R_p=0.799）和Rbt（R_p=0.747）子集上表现优异，在域外Flavins子集（R_p=0.811）甚至超过FEP+（R_p=0.654）。构象判别中，P-RISE的Top-1成功率为75%，显著优于AnnapuRNA（45%）和AlphaFold3 ranked_0预测（15%），对AlphaFold3失败案例的补救率达70.6%；"试金石"测试中80%的体系将更低能量赋予天然构象，证实能量评估层具有内在的构象判别力。

在数据约束下的比较方面，物理特征增强使五种机器学习算法性能显著提升，但最优混合模型仍未超过纯物理P-RISE（R_p=0.696）。学习曲线外推显示，达到P-RISE性能水平需混合模型约395个样本、纯数据驱动模型约1418个样本，物理先验相当于节省约400–1400个昂贵实验测量。SHAP分析显示混合模型由P-RISE与MD导出的能量项主导，性能增益实质为对已知物理规律的"恢复"而非新化学洞见；在Dataset II外部迁移中，纯数据驱动模型近乎失效，而P-RISE保持稳定。

讨论部分指出，P-RISE的核心价值在于以物理一致的方式界定预测边界：鸟嘌呤主导识别与超出最优电荷窗口的体系性能下降，暴露了固定电荷力场在描述电子极化、方向性氢键、α/γ与χ扭转偏好及二价离子参数方面的内在局限。研究人员强调，所报道的增益是跨能量项系统性误差抵消的结果，应理解为相对排序一致性的提升，而非各能量项的精确恢复；隐式溶剂模型对高电荷磷酸骨架的描述、平均场离子氛以及近似构象熵仍是方法的内在边界。与AlphaFold3的对比揭示三类机制局限：基于回归的采样探索瓶颈、内置置信度评分与构象精度的解耦（R_p仅0.264）、以及受体结构预测误差向配体构象的传播（RNA结构TM-score需高于0.8方有成功的配体预测），据此共折叠模型应被视为"构象假设生成器"，而P-RISE充当"物理合理性过滤器"。据此，研究人员提出计算范式三阶段演化路线图：Stage I（N<400）显式物理模型主导；Stage II（N约400–1500）混合整合阶段，以P-RISE为物理骨架进行增量学习（delta-learning）以校正极化等盲区；Stage III（N>1500）隐式物理学习阶段，将物理约束内化于模型参数。研究结论表明，当前领域正处于Stage I向Stage II的过渡期，极化力场、机器学习力场（MLFFs）以及物理增强AI是未来提升RNA–配体结合预测可靠性的关键方向，P-RISE作为机制可解释的物理基线，为当前数据稀缺条件下的可靠预测提供了明确边界，并为未来数据驱动整合奠定了物理参照。