findscripter 何时使用
当你需要基于热力学最近邻参数（Turner 2004）预测 RNA 二级结构时使用本条，典型场景：
- 预测 RNA 序列（mRNA、lncRNA、miRNA 前体、适配体）的最小自由能（MFE）结构与点括号表示
- 计算配分函数得到配对概率矩阵（bpp），评估结构置信度、定位明确的茎环
- 评估 siRNA / 反义寡核苷酸效率：折叠靶 mRNA 区域、计算位点可及性（P(unpaired)）
- 评估 CRISPR sgRNA：检查 guide 自身二级结构是否折叠从而降低 Cas9 结合效率
- 建模 RNA-RNA 互作（cofold / duplex），用于 miRNA-靶标配对、反义寡核苷酸设计
- 批量比较一组序列的折叠自由能（稳定性排序）
不该用本条的边界：
- 需要 RNA 三级结构 / 3D 坐标建模 → 用专门的三级结构工具，ViennaRNA 只做二级结构
- 特定需要 Mfold 算法 或 RNAstructure 的 Efold 配分函数输出 → 用对应工具；ViennaRNA 用 Turner 2004 参数，是研究级热力学预测的标准
- 蛋白结构、序列比对、变体注释 → 用对应领域技能
步骤
- 装环境：conda 装 viennarna（带 C 库），验证
import RNA - 序列归一化：大写、T→U、校验字母表（ACGUNX）
- 基础折叠：
RNA.fold(seq)得(structure, mfe) - 进阶分析建
fc = RNA.fold_compound(seq)，先fc.mfe()再fc.exp_params_rescale(mfe)再fc.pf()，最后fc.bpp()取配对概率矩阵（1-indexed） - 按需求分支：可及性分析（siRNA）/ cofold（RNA-RNA）/ subopt（次优结构）/ 硬约束折叠
- 可视化：bpp 热图、可及性柱状图、mountain plot
- 批量场景用
RNAfoldCLI（subprocess + 正则解析），或RNA.fold循环
指令
安装与验证：
conda install -c conda-forge -c bioconda viennarna # conda 强烈推荐（自动处理 C 库）
python -c "import RNA; print(RNA.__version__)" # 例：2.6.4
pip install matplotlib numpy pandas
RNAfold --version # 可选：确认 CLI 可用
进阶分析的固定调用顺序（顺序错则 bpp 全零）：fc.mfe() → fc.exp_params_rescale(mfe) → fc.pf() → fc.bpp()。
关键模型参数（model detail）：temperature（默认 37℃，降温更稳）、dangles（默认 2=平均，多数场景用 2）、noGU（禁 G-U 摆动配对）、noLP（禁孤立配对，降噪）。RNA.subopt 的能量窗口 delta 单位为 10-cal（kcal/mol × 100）。
示例
基础 MFE 折叠 + 序列归一化与校验：
import RNA
def prepare_sequence(seq: str) -> str:
seq = seq.upper().replace("T", "U").strip()
invalid = set(seq) - set("ACGUNX")
if invalid:
raise ValueError(f"非法字符: {invalid}")
return seq
seq = prepare_sequence("GCGGAUUUAGCUCAGUUGGGAGAGCGCCAGACUGAAGAUCUGGAGGUCCUGUGUUCGAUCCACAGAAUUCGCACCA")
structure, mfe = RNA.fold(seq) # E. coli tRNA-Phe
assert len(structure) == len(seq)
print(structure, f"{mfe:.2f} kcal/mol") # (((((((..((((...))))...))))))).. -31.30
配分函数 + 配对概率矩阵（取高置信配对）：
import numpy as np
fc = RNA.fold_compound(seq)
_, mfe = fc.mfe()
fc.exp_params_rescale(mfe) # 重标 Boltzmann 因子，数值稳定
_, gibbs = fc.pf() # 系综 Gibbs 自由能
bpp = fc.bpp() # (n+1)x(n+1)，1-indexed
n = len(seq)
probs = np.zeros((n, n))
for i in range(1, n + 1):
for j in range(i + 1, n + 1):
if bpp[i][j] > 0:
probs[i-1][j-1] = probs[j-1][i-1] = bpp[i][j]
high = [(i, j, probs[i, j]) for i in range(n) for j in range(i+1, n) if probs[i, j] > 0.9]
siRNA 可及性（每位点 P(unpaired)，越高越可及）：
def accessibility(seq):
n = len(seq); fc = RNA.fold_compound(seq)
_, mfe = fc.mfe(); fc.exp_params_rescale(mfe); fc.pf(); bpp = fc.bpp()
p_paired = np.zeros(n)
for i in range(1, n+1):
for j in range(1, n+1):
if i != j:
p_paired[i-1] += bpp[min(i,j)][max(i,j)]
return 1.0 - np.clip(p_paired, 0, 1)
# 取 P(unpaired) 最高的位点作为 siRNA/ASO 候选靶点
RNA-RNA cofold（用 & 拼接两条链）：
structure, mfe = RNA.cofold("UAGCUUAUCAGACUGAUGUUGA" + "&" + "UCAACAUCAGUCUGAUAAGCUA")
# 输出结构中保留 &；按各链长度切片解析跨链配对
CLI 批量折叠（subprocess + 正则解析）：
import subprocess, re
def run_rnafold(seq):
r = subprocess.run(["RNAfold", "--noPS"], input=seq,
capture_output=True, text=True, timeout=30)
if r.returncode != 0:
raise RuntimeError(r.stderr)
last = r.stdout.strip().split("\n")[-1] # 形如 "((....)) (-5.40)"
m = re.match(r"^([.()\[\]{}<>|]+)\s+\((-?\d+\.\d+)\)$", last)
return m.group(1), float(m.group(2))
echo "GCGGAUUUAGC...CACCA" | RNAfold # stdin 单序列
RNAfold < seqs.fasta > out.txt # 批量 FASTA
RNAfold --noPS < seqs.fasta # 抑制 PostScript 输出
RNAfold -p < seqs.fasta # 输出配对概率 dot plot（rna.ps）
次优结构 + 硬约束折叠：
fc = RNA.fold_compound(seq)
RNA.hc_add_bp(fc, 1, 72) # 强制位点 1 与 72 配对（已知茎）
structure_c, mfe_c = fc.mfe()
subopt = RNA.subopt(seq, int(5.0 * 100)) # MFE 上方 5 kcal/mol 内的次优结构
for s in subopt[:3]:
print(s.structure, s.energy / 100.0) # energy 单位为 10-cal，除 100 得 kcal/mol
注意事项
- 调用顺序铁律：同一 fold_compound 上必须先
fc.mfe()、再exp_params_rescale、再fc.pf()，否则fc.bpp()全零。 - 安装用 conda：
pip install常因 C 库未链接而ImportError: No module named 'RNA'；conda 环境记得先 activate 再跑脚本（否则RNAfold not found）。 - 索引约定：
bpp矩阵 1-indexed（bpp[i][j]=位点 i 与 j 配对概率），转 numpy 分析时注意 −1 偏移。 - 能量单位：
RNA.subopt与s.energy单位是 10-cal，需 ÷100 得 kcal/mol；窗口delta传入也要 ×100。 - 短序列 MFE 可能为正：<10 nt 或重复序列无有利配对时 MFE>0 属正常。
- 次优枚举会爆炸：长/极稳定序列在 5 kcal/mol 窗口内可能上千条，长序列把
delta降到 2~3。 - cofold 异常配对：若某条链自身折叠占主导会干扰双链，先单独折叠各链、看其个体 MFE 排查。
- T 由 ViennaRNA 自动转 U；字母表 ACGU（含 N/X）。
互见
- related：
genomic-file-toolkit—— 处理 FASTA/序列文件 I/O - related：
single-cell-rnaseq-analysis、scientific-database-lookup—— RNA 数据获取与下游分析 - related：
cheminformatics-toolkit、molecular-dynamics-simulation—— 同属分子/结构建模领域 - combines_with：
scientific-database-lookup—— 先检索目标序列再做结构预测
本条采编自 jaechang-hits/SciAgent-Skills（CC-BY-4.0），适配重写而非逐字翻译。