Figure 1: CaCoFold-R3Dアルゴリズムの全体像 新しく開発されたRNA構造予測手法「CaCoFold-R3D」のワークフローが示されています。入力されたRNAアラインメントに対し、まずR-scapeが共変動する塩基対（Positive pairs）を特定します。次に、これらの塩基対を階層（レイヤー）に分け、第1レイヤーで二次構造と3Dモチーフを、後続のレイヤーでシュードノットなどの三次構造を予測し、最終的に一つの統合された構造として出力する流れが描かれています。共変動情報を手がかりに、二次構造、3Dモチーフ、三次構造を段階的かつ統合的に予測する本手法の基本原理が示されています。

Figure 2: 二次構造と3Dモチーフを統合するRBGJ3J4-R3D文法 本手法の核となる確率的文法「RBGJ3J4-R3D」の設計思想が示されています。図の左側(a)は、3分岐・4分岐ジャンクションを区別できる基本的な二次構造文法「RBGJ3J4」です。図の右側(b)では、この基本文法のループを生成するルールに、GNRAテトラループやKターンループといった特定の3Dモチーフを生成するルールを追加しています。これにより、二次構造の文脈の中に3Dモチーフを自然に組み込み、両者を一つのモデルで同時に予測することが可能になる仕組みが解説されています。

Figure 3: 3Dモチーフを記述する6つの基本アーキテクチャ「R3D文法」 多様な3Dモチーフを、それらが存在するループのトポロジーに基づいて6つの基本タイプ（ヘアピンループ、バルジループ、内部ループ、3分岐、4分岐、ブランチセグメント）に分類し、それぞれをモデル化するための一般化された「R3D文法」が示されています。各アーキテクチャは、構造的な相関を捉える確率的文法（SCFG）と、配列パターンを捉えるプロファイルHMMを組み合わせており、これにより個別のモチーフを詳細に記述するのではなく、一般化された枠組みで効率的に多くのモチーフを扱えるようになっています。

Figure 4: CaCoFold-R3Dによる代表的な3Dモチーフの検出事例 CaCoFold-R3Dが実際にどのようなモチーフを検出できるか、代表的な20種類の実例が示されています。ヘアピンループ（HL）に属するGNRAテトラループやUターン、内部ループ（IL）に属するKターンやCループ、ジャンクション（J3, J4）に属するハンマーヘッドリボザイムやHCV IRESなど、機能的に重要な既知モチーフが網羅されています。それぞれの例で、そのモチーフを持つことが知られているRfamファミリーのアラインメントから、CaCoFold-R3Dが共変動の裏付け（covariation support）のもと正しく構造を予測していることが示されており 、本手法の高い実用性と網羅性を証明しています。

Figure 5: 既知の複雑なRNAにおける二次構造と3Dモチーフの統合的予測 立体構造が実験的に決定されている複数の複雑なRNA分子について、CaCoFold-R3Dが行った構造予測の全体像が示されています。snoRNA U3、5S rRNA、SAMリボスイッチ、メタゾアンSRP RNAなど、複数の異なる3Dモチーフが混在するRNAにおいて、それらのモチーフが二次構造全体の正しい文脈の中に正確に配置されて予測されています。これにより、本手法が単に個々のモチーフを見つけるだけでなく、分子全体の構造を整合性を保ちながら統合的に予測できる高い性能を持つことが実証されています。