确定生物分子的三维形状是现代生物学和医学遇到的最困难的问题之一。公司和研究机构经常花费数百万美元来确定分子结构，但即使付出了巨大的努力也经常失败。
斯坦福大学的博士生Stephan Eismann和Raphael Townshend在计算机科学副教授Ron Dror的指导下，使用新的机器学习技术，开发了一种方法，通过计算预测精确结构从错误的形状中识别出RNA分子的三维形状。该算法对RNA折叠结构的计算预测尤为重要。
他们的研究成果分别发表在2021年8月27日的《科学》和2020年12月的《蛋白质》上，论文详细介绍了RNA分子和多蛋白复合物的应用。《科学》杂志上的这篇论文是与斯坦福大学生物化学副教授Rhiju Das实验室合作完成的。
研究人员设计的算法可以预测精确的分子结构，通过这种方法，科学家可以解释不同分子是如何工作的，其应用范围包括从基础生物学研究到药物设计实践。
Eismann和Townshend与Das实验室的斯坦福博士后Andrew Watkins共同撰写了《科学》杂志的论文，又与前斯坦福大学博士生Nathaniel Thomas共同撰写了《蛋白质》杂志的论文。
研究人员已经在蛋白质复合物和RNA分子上取得了成功，他们很高兴看到他们的方法还可以应用在其他领域。
“机器学习领域最近取得的大多数显著进展都需要大量数据进行实践。而这种方法在缺少实践数据的情况下还取得了成功，说明相关方法可以解决许多领域中由于数据匮乏而未解决的问题，”Dror说道。Dror是发表在《蛋白质》论文的资深作者，他和Das都是《科学》论文的共同资深作者。
研究人员表示，对于今后可能取得的成果，特别是在结构生物学方面，他们目前的成就还只是冰山一角。
