[论文解读] Enumeration of RNA structures by Matrix Models

Graziano Vernizzi, Henri Orland+1 more|HAL (Le Centre pour la Communication Scientifique Directe)|Oct 31, 2004

RNA and protein synthesis mechanisms被引用 6

一句话总结

该论文提出一种矩阵模型，可精确枚举按拓扑亏格分类的RNA接触结构，揭示对于长链RNA，非平面伪结结构占主导地位。通过大N矩阵积分公式，推导出一个精确的生成函数，按亏格对结构进行分类，表明亏格随序列长度线性增长（⟨g⟩ ≈ 0.23L）。

ABSTRACT

We enumerate the number of RNA contact structures according to their genus, i.e. the topological character of their pseudoknots. By using a recently proposed matrix model formulation for the RNA folding problem, we obtain exact results for the simple case of an RNA molecule with an infinitely flexible backbone, in which any arbitrary pair of bases is allowed. We analyze the distribution of the genus of pseudoknots as a function of the total number of nucleotides along the phosphate-sugar backbone.

研究动机与目标

• 开发一种组合框架，用于枚举超出平面二级结构的RNA接触结构。
• 利用矩阵模型公式，按拓扑亏格对RNA伪结进行分类。
• 量化伪结复杂度在RNA长度和亏格上的分布。
• 揭示在随机RNA序列中非平面结构的统计主导性。
• 为固定长度和亏格的结构数量提供精确的解析结果，支持熵和相空间分析。

提出的方法

• 将柔性RNA链的配分函数表述为关于厄米矩阵的大N展开的矩阵积分。
• 通过高斯积分和切比谢夫多项式恒等式推导出生成函数G(t,N)，编码按亏格分类的结构数量。
• 将生成函数按t（核苷酸数量）和1/N²（亏格）的幂展开，系数a_{L,g}给出长度L和亏格g下的精确结构计数。
• 利用广义拉盖尔多项式表达精确解，实现结构计数的递归计算。
• 通过总图总数对计数进行归一化，计算所有可能结构中亏格的分布。
• 通过数值方法提取渐近行为，显示亏格⟨g⟩随长度L线性增长（⟨g⟩ ≈ 0.23L）。

实验结果

研究问题

• RQ1 给定核苷酸数量和拓扑亏格的RNA接触结构的确切数量是多少？
• RQ2 随着RNA长度增加，伪结亏格的分布如何变化？
• RQ3 随机RNA结构中平面结构与非平面结构的比例是多少，且该比例如何随长度变化？
• RQ4 RNA结构的平均亏格随序列长度的渐近标度关系是什么？
• RQ5 矩阵模型公式能否捕捉RNA折叠中超越平面二级结构的拓扑复杂度（亏格）？

主要发现

• 长度L和亏格g的RNA结构的确切数量由生成函数G(t,N)中提取的系数a_{L,g}给出。
• 当L=4时，亏格为2的结构数量为2；当L=6时，总共有25个亏格为1的结构（v=1时）。
• RNA结构的平均亏格⟨g⟩随长度线性增长，对于大L，有⟨g⟩ ≈ 0.23L。
• 结构可能的最大亏格为g ≤ L/4，即亏格为g的结构至少需要L = 4g个核苷酸。
• 对于任意L ≫ 1，绝大多数结构为非平面结构，亏格集中在特征值⟨g⟩ ≈ 0.23L附近。
• 该模型表明，天然RNA序列在进化上被选择以避免高亏格伪结，因为大多数结构的亏格g ≤ 2。