# RNA逆折叠

RNA逆折叠长期依赖迭代优化和外部折叠算法打分，生成过程受初始化影响且容易收敛到局部解。该工作把多项式扩散直接定义在核苷酸序列上，用目标二级结构引导去噪，并比较二维接触图投影与一维配对感知两种架构。在同分布测试集上，二维与一维模型的中位归一化RNAforester相似度分别为0.82和0.79，生成序列的多样性接近随机序列水平。

RNA逆折叠长期依赖迭代优化和外部折叠算法打分，生成过程受初始化影响且容易收敛到局部解。该工作把多项式扩散直接定义在核苷酸序列上，用目标二级结构引导去噪，并比较二维接触图投影与一维配对感知两种架构。在同分布测试集上，二维与一维模型的中位归一化RNAforester相似度分别为0.82和0.79，生成序列的多样性接近随机序列水平。

RNA逆折叠要从目标三维结构反推核苷酸序列，此前方法主要依赖二级结构和骨架拓扑，很少把决定分子间相互作用的分子表面纳入约束。gRFold把表面点云、骨架图和二级结构经分层交叉注意力融合，再驱动自回归解码，并在推理时按折叠结果与目标碱基配对的一致性重排候选。在RNA-蛋白复合物、单体RNA和RNA-Puzzles三个基准上，gRFold的序列回收率分别为49.65%、51.67%和45.00%，均为所比较方法中最高；消融显示表面分支与骨架分支贡献互补。

RNA逆折叠要从目标三维结构反推核苷酸序列，此前方法主要依赖二级结构和骨架拓扑，很少把决定分子间相互作用的分子表面纳入约束。gRFold把表面点云、骨架图和二级结构经分层交叉注意力融合，再驱动自回归解码，并在推理时按折叠结果与目标碱基配对的一致性重排候选。在RNA-蛋白复合物、单体RNA和RNA-Puzzles三个基准上，gRFold的序列回收率分别为49.65%、51.67%和45.00%，均为所比较方法中最高；消融显示表面分支与骨架分支贡献互补。

结构条件RNA逆向设计此前要么为每个目标骨架单独训练策略，要么依赖离线偏好优化，可复用的骨架条件模型缺少在线后训练。MORAD把六个设计测量映射到有界合意分数，用加权几何平均合成奖励，再以组相对归一化驱动扩散模型的前向过程更新。在153个评测目标上，它把GDT-TS从0.3300提到0.3827、配对MCC从0.6110提到0.7295，并把归一化系综缺陷从0.3906降到0.2830。

结构条件RNA逆向设计此前要么为每个目标骨架单独训练策略，要么依赖离线偏好优化，可复用的骨架条件模型缺少在线后训练。MORAD把六个设计测量映射到有界合意分数，用加权几何平均合成奖励，再以组相对归一化驱动扩散模型的前向过程更新。在153个评测目标上，它把GDT-TS从0.3300提到0.3827、配对MCC从0.6110提到0.7295，并把归一化系综缺陷从0.3906降到0.2830。