华大在线讯（通讯员 刘浩泉）近日，我校物理科学与技术学院赵蕴杰教授课题组与浙江大学物理高等研究院朱亚南研究员团队合作在自然系列子刊《通讯 物理》（Communications Physics）发表最新研究成果“RNA regulation mechanisms study using physics-informed machine learning”，提出物理知识引导的机器学习框架ZHMolRM (RNA Mechanism)，用于解析RNA复合物的动态调控机制。相关成果被中国生物物理学会作为科技前沿报道。

RNA是软物质物理的重要研究对象，其动态调控机制对生命过程和疾病具有重要意义。然而，实验成本高昂，分子动力学（MD）模拟虽能解析原子尺度相互作用，但揭示更高层次调控规律仍面临挑战。近年来，机器学习在结构预测取得突破，但其对数据的依赖限制了在有限动力学数据下的应用。将物理模型与关键物理量引入机器学习框架，成为解析RNA调控机制的重要方向。

图1 ZHMolRM流程图

图2 P-TEFb/Tat/TAR的动态机制识别与调控

针对上述关键问题，研究团队提出物理知识引导的机器学习框架ZHMolRM。该方法基于神经关系推断从MD轨迹中挖掘潜在相互作用网络，并结合复杂网络算法RNet精确识别关键功能区域。框架进一步整合小分子抑制剂筛选模型ZHMol-RLinter，实现从机制解析到调控策略设计的贯通。该框架在P-TEFb/Tat/TAR和aaRS/tRNA体系中成功识别调控位点并筛选候选抑制剂，为RNA调控机制研究和靶向药物发现提供了新思路。

赵蕴杰教授团队长期从事生物物理与软物质物理研究，探索统计物理方法与人工智能融合，解析RNA复合物的物理相互作用与结构。论文第一作者为我校物理学院博士生刘浩泉，赵蕴杰教授为通讯作者，华中师范大学为第一完成单位。研究得到国家自然科学基金、教育部基础学科和交叉学科突破计划、湖北省杰出青年基金及中央高校基本科研业务费等项目资助。

（审读人：赵蕴杰）