RNADyn：用于生成和理解 RNA 动力学的基准

arXiv:2610.03712v1 公告类型：new 摘要：核糖核酸（RNA）通过构象变化发挥功能，而静态结构无法完整捕捉这些变化。然而，大规模标准化的 RNA 动力学数据仍然有限，现有方法通常将轨迹生成与动力学理解视为彼此独立的目标。在此，我们提出 RNADynBench，这是一个标准化的 RNA 分子动力学（MD）基准，包含 2585 条经过质量控制的 100 ns 全原子轨迹，并采用控制数据泄漏的数据划分。基于 RNADynBench，我们开发了 RNADynNet，这是一种统一的 RNA 动力学学习模型，使用共享骨干网络，从单个构象同时进行轨迹生成和动力学指纹提取。该模型结合坐标去噪、单帧到轨迹的对齐以及物理约束，将全原子轨迹生成与动力学表征学习连接起来。物理约束既提升了生成动力学的质量，也增强了从这些指纹中恢复物理信息的能力。在两个测试集上（包括高柔性挑战集），生成轨迹的 RMSF 相关性分别达到 0.875 和 0.766；同时，基于单个构象的预测也表现出与 MD 得到的动力学相当的一致性。RNADynBench 与 RNADynNet 共同建立了一个用于生成和理解 RNA 动力学的基准与统一建模框架。