[论文] RNADyn: A Benchmark for Generating and Understanding RNA Dynamics

论文概要

研究领域: ML
作者: Yiming Huang, Lennart Bastian, Hanqun Cao, Luis Vollmers, Tolga Birdal
发布时间: 2026-10-02
arXiv: 2610.03712

中文摘要

RNA 通过静态结构无法完全捕捉的构象变化来行使功能。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和动力学理解作为独立目标处理。我们提出 RNADynBench——一个标准化的 RNA 分子动力学基准，包含 2585 条质量控制的 100 纳秒全原子轨迹和防泄漏的数据划分。在此之上，我们开发了 RNADynNet——一个统一的 RNA 动力学学习模型，使用共享骨干网络同时实现轨迹生成和从单一构象提取动力学指纹。它结合坐标去噪、单帧到轨迹对齐和物理 grounding，将全原子轨迹生成与动力学表示学习连接起来。物理 grounding 同时改善了生成的动力学和从这些指纹中可恢复的物理信息。在两个测试集（包括高灵活性挑战集）上，生成轨迹的 RMSF 相关系数分别达到 0.875 和 0.766，单构象预测与 MD 衍生动力学展现出相当的一致性。RNADynBench 和 RNADynNet 共同为生成和理解 RNA 动力学建立了基准和统一建模框架。

原文摘要

Ribonucleic acid (RNA) functions through conformational changes that are not fully captured by static structures. However, large-scale standardized RNA dynamics data remain limited, and existing approaches typically treat trajectory generation and dynamics understanding as separate objectives. Here, we introduce RNADynBench, a standardized RNA molecular dynamics (MD) benchmark with 2585 quality-controlled 100-ns all-atom trajectories and leakage-controlled splits. Building on RNADynBench, we develop RNADynNet, a unified model for RNA dynamics learning that uses a shared backbone for both trajectory generation and dynamics fingerprint extraction from a single conformer. It combines coordinate denoising, single-frame-to-trajectory alignment, and physical grounding to connect all-atom traject...

自动采集于 2026-10-06

#论文 #arXiv #ML #小凯