RNA是基因表达的关键,负责细胞中的多种催化和调节机制。了解RNA功能的一个重要步骤是确定其结构,因此二级结构分析的意义在于它可以帮助确定RNA分子的功能以及细胞的许多调节、催化和构造过程。除了确定RNA分子的功能外,RNA的二级结构还提供有关分子结构域和结构内重要位点位置的信息。RNA结构预测有两个重要作用。首先,它有助于解释与RNA功能相关的实验;其次,它有助于建立新的实验来探索功能。计算方法已成为预测过程不可或缺的一部分,也是目前的主流方法。由于传统测量RNA二级结构技术的局限性,多年来,RNA二级结构预测的计算方法是研究人员了解RNA结构和大多数RNA的相应潜在功能的主要来源。一种计算方法通常基于计算RNA二级结构自由能的热力学模型。另一种方法基于比较序列分析,通过从同源RNA序列中借用信息来预测RNA二级结构。除此之外,随着RNA数据的大量识别,研究人员引入了机器学习特别是深度学习技术来进行二级结构的预测,混合研究方法避免了单一方法的局限性,极大提升计算效率,能更全面分析多类RNA的结构信息,得到更准确的结果。本文提出的TCMfold方法也属于混合研究方法,主要是结合了基于深度学习的模型和RNA二级结构的构成硬约束。本方法分为预测单元和校正单元两部分。预测单元使用了transformer模型的encoder部分和卷积神经网络来学习序列特征,之后再使用卷积神经网络和多层感知机进行特征解码。预测单元的网络模型输出一个二维的碱基配对分数矩阵,将该矩阵使用校正单元进行校正约束。校正过程实际上是把RNA二级结构硬约束化为数学上的无约束问题,计算可得到碱基序列的对称配对矩阵。本文使用数据集RNAStralign对模型进行训练和评估,并用另外的4种常用算法在同一测试集上进行测试并对比。根据最后的得分结果,在5s RNA、t RNA两类RNA上,TCMfold的结果较次高得分的算法高了9个百分点以上。在tm RNA和telomerase两类RNA上,TCMfold结果较次高得分的算法高了21个百分点以上。虽然对于这两类长序列RNA的预测效果不如短序列,但本模型仍具有很强的竞争力。目前,已知的各RNA家族中,各家族的序列的数量以及序列的长度分布相差较大,对长序列的预测分数大部分都达不到90%,但随着RNA数据的增多,可以预见的是,随着更多的各家族RNA分子被收集到数据集中,数据量大幅度增加后,本文的模型一定能从中都学到更丰富的序列特征,获得更好的预测效果。