---
title: "RNA次級結構預測（RNA Secondary Structure Prediction）"
slug: rna-secondary-structure-prediction
language: zh-TW
source: https://aiterms.tw/terms/rna-secondary-structure-prediction
updated_at: 2026-07-04
tags: [機器學習, 深度學習, AI應用, 統計方法, source:arxiv]
ipas_term: false
---

# RNA次級結構預測（RNA Secondary Structure Prediction）

利用計算方法預測RNA分子單鏈內鹼基配對形成的二級結構，對於理解RNA功能至關重要。

## 完整說明

RNA次級結構預測是一種計算生物學技術，用於從RNA一級序列推斷其穩定二級結構。它揭示RNA分子內部的鹼基配對模式，對於理解RNA功能、調控機制及藥物設計至關重要。常見應用包括miRNA識別與ncRNA功能分析。

## 常見問題

### 為什麼RNA次級結構預測如此重要？

RNA次級結構預測至關重要，因為它直接影響RNA分子的生物功能。RNA的功能，無論是作為基因信息的載體、調控基因表達、還是執行催化活性，都與其在三維空間中的特定摺疊模式緊密相關。次級結構是這些複雜三維結構的基礎骨架，準確預測它能幫助科學家理解RNA如何與其他分子相互作用，識別潛在的藥物靶點，並設計具有特定功能的人工RNA分子，對於基礎生物學研究和應用開發都具有不可替代的價值。

### 熱力學模型和機器學習模型在RNA次級結構預測上有何主要區別？

熱力學模型主要基於物理學原理，透過最小化自由能來預測最穩定的結構，依賴於實驗測量的熱力學參數和動態規劃演算法。其優點是理論基礎明確，但可能忽略非平衡態或蛋白質相互作用。機器學習模型則從大量已知結構數據中學習模式，能夠捕捉更複雜的序列-結構關係，潛在克服熱力學參數的局限性。然而，機器學習模型高度依賴訓練數據的質量和數量，且其「黑箱」性質可能使其解釋性較差。兩者各有優勢，常結合使用以提高預測準確性。

### RNA次級結構預測的準確性受哪些因素影響？

RNA次級結構預測的準確性受多方面因素影響。首先是RNA序列本身的長度和複雜性，長序列和包含假結等複雜結構的序列更難準確預測。其次，熱力學模型的準確性受限於實驗測量的自由能參數的精確度及適用性。對於機器學習模型，訓練數據的規模、多樣性和質量是關鍵，數據不足或有偏差會導致模型泛化能力差。此外，細胞內的動態環境、共轉錄摺疊、蛋白質或小分子相互作用、以及核苷酸修飾等因素，都可能影響RNA的實際摺疊，而這些因素往往未被當前模型充分考慮。

---

來源：https://aiterms.tw/terms/rna-secondary-structure-prediction
快查頁：https://aiterms.tw/terms/rna-secondary-structure-prediction
最後更新：2026/07/04
深度解說：https://aiterms.tw/learning/what-is-rna-secondary-structure-prediction