第三章 文獻探討
3.3 核醣核酸共同結構尋找的相關方法
目前已知，具有相同生物功能的核醣核酸，並非在序列上擁有相似的片段，
而是在結構具有一致性。然而，核醣核酸共同結構的尋找卻比去氧核醣核酸分析 來得困難 ，因 為核醣核酸整體結構相同並不代表序列內容相同， 因為共變 (covariation)的現象使得序列的突變也不至於造成結構的改變。這種自然的特 性，使得鑑定核醣核酸二級結構的發展較為遲緩，儘管如此，依舊吸引許多學者 紛紛加入此研究領域。
過 去 預 測 核 醣 核 酸 二 級 結 構 的 方 法 有 很 多， 大 致 可 分 為 熱 力 學 模 型 (thermodynamic)與序列比較分析(comparative sequence analysis)兩大類。若 能取得同源的核醣核酸序列，則序列比較分析方法所預測出來的結構會比能量最 佳化的結果來得可靠。因此，常用來建立已知是同家族的核醣核酸序列的結構。
傳統的做法是，在一組已排比完成同源的序列中，偵測出有代表性的雙股區域，
有些區域甚至可能會出現互補性突變。主要關鍵是，利用χ2−統計量(Chi-square statistics)(Chiu et al., 1991) 或 互 見 訊 息 (mutual information) 的 多 寡 (Gutell et al., 1992) 作為每個鹼基對共變的證據，量測發生共變的位置，再 找出共同的二級結構。
此類方法雖然可以辨認出擬節結構，但最大的困難在於，如何獲得良好的序 列排比結果。有些核醣核酸序列只有些微相似，但結構上卻是一致的，因此，良 好的序列比較分析方法，應該容許序列的差異卻保有結構上的相同，故序列排比 時，應該考慮結構的資訊。然而，諸如 CLUSTALW(Thompson et al., 1994)這類 做排比的工具，並不能執行結構的排比。現在許多演算法做排比時會一起考慮序
列與結構資訊(Kim et al., 1996; Notredame et al., 1997)，或是排比與結構 的預測同時進行(Eddy et al., 1994; Gorodkin et al., 1997; Hofacker et al., 1998; Gorodkin et al., 2001)。但這些方法受限於序列的長度，只能處理較短 的序列或者要求其中某一個序列的結構是已知的。共變現象的可靠度必須參照親 屬遠近關係，故亦一併考慮序列的親緣關係(Gulko et al., 1996; Akmaev et al., 1999; Parsch et al., 2000)。
基因演算法是一種隨機最佳化的方法，運用的是達爾文的『適者生存』的 概念，已廣泛地應用在各個領域中。在核醣核酸二級結構預測的議題中，亦可利 用基因演算法搭配熱力學模型(Chen et al., 2000)來尋找共同結構元。熱力學 的 觀 點 是 以 結 構 的 自 由 能 (free energy) 當 作 適 應 度 評 估 標 準 (fitness criterion)。雖然不須要做序列的排比，但自由能的計算也有它不足之處。因為 這須要參考核醣核酸結構的相關知識，即使考慮了細部的條件，有些結構，利用 這些能量模型的計算規則與參數(Mathews et al., 1999)計算出來的能量並非是 最小的(最穩定)。且能量計算公式與參數值只是實驗估計值，無法完整考慮細節 部份，更不能代表生物體內的實際狀態，例如熱力學模型假設核醣核酸的結構處 在熱力平衡的狀態，與環境條件無關。然而，許多核醣核酸會與蛋白質結合，而 造成自由能的改變。
第 三 類 用 來 尋 找 核 醣 核 酸 二 級 結 構 元 的 方 法 是 從 正 規 語 言 的 角 度 出 發 (Sakakibara et al., 1994; Kundsen et al., 1999; Kundsen et al., 2003)。
不同於蛋白質序列，核醣核酸每個鹼基之間並非完全獨立
，
兩個位置若能形成 配對，則這兩個鹼基便有很高的相依性，而隨機式前後文無關性文法(Stochastic context-free grammars , SCFG)可以描述序列上遠距離的相依關係，恰能表示核 醣核酸序列獨有的共現特性。這種機率模型在訓練完成後即代表此核醣核酸家族的共同結構，故可再用於資料庫的搜尋，但訓練過程中須要序列排比的資訊，因 此它的成效受制於排比的結果；除此之外，它最令人詬病的是，此種方法不能偵 測出擬節結構(此於 4.2.1 核醣核酸結構描述語言將有詳細介紹)。