2.1. 用作基准的参考结构

为了训练支持向量机（SVM）分类器晶体结构以3.0至4.0的分辨率求解的蛋白质–RNA复合物模型 使用非冗余的包含RNA的三维结构集来选择？（Leontis和Zirbel，2012). 如果没有给定的衍射数据晶体结构，从相应的等价类中选择具有实验数据的结构。最后，晶体结构描述为“保守优化”的模型从PDB_REDO公司服务器（Joosten等。, 2012)以及二进制MTZ格式的相应实验衍射数据。该组包含70个结构；PDB代码的完整列表作为支持信息提供。

虽然分类器是在低分辨率结构上训练的，但所有的测试都是在一组晶体结构模型以中高分辨率求解。因此，在基准测试期间，将构建在模拟地图中的模型与高质量参考结构进行了比较，模拟地图具有部分随机模型阶段。

使用RCSB PDB（Bernstein）选择基准结构集等。, 1977)搜索服务（截至2014年7月26日）。晶体结构描述为“保守优化”的模型以及MTZ格式的实验衍射数据从PDB_REDO公司服务器（Joosten等。, 2012). Uppsala Electron Density Server（Kleywegt）标注为不可靠的条目等。, 2004)已从集合中删除。没有至少两个连续Watson–Crick碱基对的结构[使用3DNA软件（Lu&Olson，2008)和RNA Bricks数据库（Chojnowski等。, 2014)分别针对DNA和RNA）和分离的PDB条目被删除。最终测试包含50个纯DNA结构（从1187个中随机选择）、50个蛋白质-DNA复合物结构（540个条目的随机子集）、62个RNA-蛋白质复合物和31个纯RNA结构。测试集结构的完整列表作为支持信息提供。

2.2. RNA和DNA模体集

A-RNA和B-DNA结构模型使用3DNA（Lu&Olson，2008年). 从RNA Bricks数据库（Chojnowski）中提取RNA重复基序的坐标等。, 2014). 截至2014年8月8日，该集合包含2199个RNA片段，用户可以在每次发布RNA Bricks数据库时进行更新。然而，在基准测试期间，为每个测试结构分别选择了一组用于建模的RNA基序。对于给定的结构，所有来自结构的基序都定义为类似于包含RNA的三维结构的非冗余集合中的查询（Leontis和Zirbel，2012)被排除在外。

2.3. 模拟低质量和低分辨率电子密度图

作为基准的电子密度图是根据观察到的振幅生成的，并调整到所需的分辨率，以及有偏差的模型衍生相位。根据计算晶体学工具箱(cctbx公司)图书馆（格罗塞·库斯特里夫等。2002年). 它包括对一部分中心反射相位进行反演，并向无中心反射相位添加均匀分布的随机噪声。结果中报告的优值和平均相位差数字直接从有偏差的数据中计算得出。

对于每个参考结构，使用修剪到2.5、3.0、3.5和4.0的结构因子振幅生成地图 奥分辨率。此外，对于每个分辨率，计算了三组偏置相位，平均相位差（相对于参考结构的计算值）分别为18、35和54°，对应的优值分别为0.92、0.75和0.50。对于每个测试集结构，总共生成了12个不同质量和分辨率的地图。对于基准，总共使用了2316个不同的电子密度图，这些电子密度图是使用193个参考结构进行计算的。

2.4. 磷酸盐检测算法

2.5. 基于磷酸的核酸片段匹配

基于磷酸盐的匹配算法的输入是一组假定的P原子（P）和一个RNA或DNA三维基序（M）。任务是找到一组刚性变换，将M叠加到P上，其r.M.s.d.低于给定阈值。

首先，从M中选取所有可能的P原子三元组，并将其叠加到集合P中的所有类似三元组上（支持信息§S4）。将获得的变换应用于完整模体M，匹配的质量通过叠加后P和M中最接近的P原子对的r.M.s.d.进行评分。通过使用近似最近邻库中实现的KD-Trees方法，我们实现的计算成本得以降低(网址：https://www.cs.umd.edu/~安装/ANN/). 随着P和r.m.s.d.阈值的大小，计算时间和合理解的数量增长非常快（补充图S37；支持信息§S4中给出了时间复杂性估计）。因此，在我们的实现中，每次找到合理的解决方案时，都会依次删除P中的点，并且r.m.s.d.阈值从0.5逐渐增加到1.0 Å. 此外，对于非常大的结构(例如核糖体）非对称单元被分成几个盒子，盒子里的P原子数量少于1000个，这些盒子被单独处理。的计算时间Brickworx公司作为检测到的P原子数量的函数，如补充图S38所示。

2.6. 模型质量评估

所有晶体结构基准测试期间构建的模型与从PDB_REDO公司服务器。判断给定核苷酸残基是否正确构建的一般规则改编自Gruene&Sheldrick（2011）). 根据作者的建议，我们还引入了一个稍微宽松的、基本类型独立的标准，该标准应该更适合评估低分辨率构建的模型。总共考虑了三种不同的验证规则。

2.7. 使用的软件和Brickworx公司实施

Brickworx公司所有实用程序都是用Python 2.7和C++实现的，广泛使用了计算晶体学工具箱(cctbx公司)v.2013_07_05_0005（格罗西-昆斯特里夫等。2002年)近似最近邻库v.1.1和LEMON库v.1.3.1（Dezső等。, 2011). SVM分类器是使用科学知识学习套件v.0.14.1。web服务器界面是在Django框架中开发的(https://djangoproject.com)第1.6版。对于基准，DNA/RNA建模模块来自ARP协议/弯曲v.7.4补丁2，鹦鹉螺v.0.4和phenix.find_helices_strands公司和phenix.build_rna螺旋在中可用菲尼克斯v.1.9-1692（亚当斯等。, 2010)使用了。

2.8. 实验电子密度图

Brickworx公司测试了两个晶体结构衍射数据与实验相的模型已存放在PDB中。一个模型是第二组内含子结构（PDB条目每小时30磅)在3.1求解 分辨率（Toor等。, 2008). 使用Yb确定该结构的相³⁺以及铱六胺衍生物，产生了高质量的实验电子密度图。用于测试的第二个结构是赖氨酸核糖开关（PDB入口3d0单位)在2.8求解 分辨率（Garst等。, 2008)使用铱衍生物。在这两种情况下，模型都直接构建到实验阶段图中。

3.1. 项目概述

Brickworx公司需要一个带有结构系数振幅和相位的（二进制）MTZ文件（图1). 该程序能够在支持向量机分类器的帮助下预测P原子的位置，还可以接受用户指定的P原子位置。在后一种情况下，程序可以从PDB格式的用户定义文件中读取P原子位置。由于输入P原子位置的质量对程序的成功使用至关重要，因此在困难的情况下应手动修改预测模式。用户还必须指定目标结构是RNA还是DNA。这是确定用于建立初始模型的正确双螺旋几何结构所必需的。此外，如果目标分子是RNA，Brickworx公司此外，还将尝试构建从RNA Bricks数据库中衍生的非螺旋重复基序。On输出Brickworx公司提供了PDB格式的两个文件：预测的P-atom模式（如果适用）和全原子表示的模型。

图1 Brickworx公司算法流程图。

3.2.Brickworx公司磷酸盐检测算法基准

在中实现的磷酸盐组检测算法的质量Brickworx公司与Knuspr公司（Gruene&Sheldrick，2011年). 对于测试集中的每个映射，使用两个程序检测P原子模式，并与参考结构进行比较。估计了描述预测质量的两个参数：精度，定义为预测的正确P原子的分数（参见§2）和完整性，定义为正确预测的参考结构磷酸盐的分数。对于每对映射参数（分辨率和平均相位误差），估计给定参考结构类型（DNA、DNA与蛋白质、RNA或RNA与蛋白质）的两个预测质量参数的平均值。

对于所有引用结构类型Brickworx公司预测比来自Knuspr公司（图2和补充图S1–S12）。对于低分辨率和较大的平均相位误差，差异较大。相比之下，这两种预测方法的精度是可比较的，无论晶体结构构图和地图质量。此外，对于含有蛋白质成分的结构，这两种方法的预测质量明显较差（例如，参见补充图S1和S7）。

图2 完整性(一)和精度(b条)在Knuspr公司和Brickworx公司（分别为红线和绿线）。图中显示的结果基于仅RNA结构的计算图，平均相位误差和优值分别为35°和0.75。

3.3.Brickworx公司核酸结构基准

在中实现的多核苷酸模型构建算法的质量Brickworx公司与ARP协议/弯曲（Hattne&Lamzin，2008）),鹦鹉螺（Cowtan，2012年),phenix.find_helices_strands公司和phenix.build_rna螺旋（仅含RNA结构）（Terwilliger，2010). 测试集模型中的每个图都是使用这两种方法中的任何一种构建的，并使用Gruene&Sheldrick（2011）中定义的严格标准与参考结构进行比较)或不测试模型中的基类型是否与参考结构一致的宽松方案（参见§2获取详细信息）。引入宽松计划主要是因为以下事实鹦鹉螺设计上不适合基类型。对每组地图参数（分辨率和平均相位误差）和参考结构类型（DNA、DNA与蛋白质、RNA和RNA与蛋白质）的预测平均精度和完整性进行了评估。

3.3.1. 核酸结构

对于大多数RNA-only和DNA-only参考结构类型，Brickworx公司在大多数情况下，比其他方法产生更高的完整性和精度（图3以及补充图S13–S18和S19–S24）。有两个例外。对于分辨率为3.0的地图 Ω及以上，平均相位误差相对较低，为18°ARP协议/弯曲DNA/RNA建模模块比任何测试方法都具有更好的精度。此外，phenix.build_rna螺旋对较大相位误差的敏感性较弱。在平均相位误差为56°的地图的完整性方面，该方法明显优于其他工具。然而，应该注意的是phenix.build_rna螺旋精度低于Brickworx公司.

图3 完整性(一)和精度(b条)中实现的建模算法Brickworx公司，ARP协议/弯曲，鹦鹉螺，phenix.find_helices_strands公司和phenix.build_rna螺旋（分别为红色、绿色、蓝色、黑色和灰色线条）。输出模型中仅计算了P和C1′原子位置。图中显示的结果基于仅RNA结构的计算图，平均相位误差和优值分别为35°和0.75。

3.3.2. 蛋白质-核酸复合物

对于RNA-蛋白质和DNA-蛋白质复合物，Brickworx公司性能优于鹦鹉螺和phenix.find_helices_strands公司对于所有测试的数据集。它的完整性比ARP协议/弯曲如果平均相位误差超过18°且分辨率低于3.0 奥（图4和补充图S25–S36）。ARP协议/弯曲然而，对于以中高分辨率（高于3.0）计算的数据集，模型具有更好的精度 ？）平均相位误差为18°（图5). 最后，对于RNA–蛋白质复合物结构，使用phenix.build_rna螺旋覆盖最大比例的地图参考结构，平均相位误差为58°。另一方面，使用Brickworx公司显示出明显更高的精度。

图4 完整性(一)和精度(b条)中实现的建模算法Brickworx公司，ARP协议/弯曲，鹦鹉螺，phenix.find_helices_strands公司和phenix.build_rna_helices公司（分别为红色、绿色、蓝色、黑色和灰色线条）。输出模型中仅计算了P和C1′原子位置。图中的结果基于蛋白质–RNA复合物的计算图，平均相位误差和优值分别为35°和0.75。

图5 完整性(一)和精度(b条)中实现的建模算法Brickworx公司，ARP协议/弯曲，鹦鹉螺，phenix.find_helices_strands公司和phenix.build_rna螺旋（分别为红色、绿色、蓝色、黑色和灰色线条）。模型质量根据严格的标准（包括基础类型和位置）进行评估。图中的结果基于蛋白质–RNA复合物的计算图，平均相位误差和优值分别为35°和0.75。

3.4. 实验相位图测试

在这项工作中，我们试图提出详细的基准Brickworx公司这将减少测试用例选择的主观性。因此，模拟数据集涵盖了广泛的结构类型、分辨率和相位信息质量。这种方法提供了测试方法的平均性能数据，这在其他研究中很少有报道。给出了两个实验图的详细基准结果。

对于使用实验地图的测试，我们使用了Brickworx公司具有一整套重复的RNA基序。基准结果汇编见补充表S1和S2。这两个模型都是使用Web服务器版本的Brickworx公司.计算时间为20和7 min分别分析II组内含子和赖氨酸核糖开关图谱。

3.4.1. 第二组内含子

关键的一步Brickworx公司算法是检测单位单元格。这些后来被用来指导将双螺旋碎片构建成地图。在第二组内含子图中，Brickworx公司正确检测到388个P原子位置中的234个（参见§2.5获取详细信息），精度高达75%。这产生了一个高质量的模型，覆盖了大部分已发布的坐标（图6一). 该模型由233个部分组成核苷酸，其中179个（77%）核苷酸位置正确，占参考结构的46%。此外，119核苷酸具有正确预测的基本类型（参见§2.5，了解模型评估程序的详细说明）。

图6 发布坐标（蓝色）和使用建立的晶体结构模型的比较Brickworx公司（红色）。(一)来自II组内含子IC子域（Toor）的GCGA四环等。, 2008). 模型被拟合到实验阶段图（3.1 分辨率）显示为3.0σ.模型由一个由3个DNA（Lu&Olson，2008年)和从SSU中提取的四环（PDB条目第1页33). (b条)赖氨酸核糖开关（Garst）中的sarcin-ricin基序等。, 2008)安装到实验相位图中（2.8 分辨率）显示为1.8σ从LSU结构中提取匹配的基序（PDB条目第3页第62页)并通过使用定义的二级结构约束在实际空间中进一步细化ClaRNA（瓦伦等。, 2014).

与其他方法相比，ARP协议/弯曲能够构建涵盖参考结构最大部分的模型。从234核苷酸，84（36%）个核苷酸位置正确，25（11%）个碱基类型正确。相反，phenix.build_rna螺旋返回了一个正确构建比例最高的模型核苷酸：72核苷酸114个（63%）被正确放置，45个（40%）也有正确预测的碱基类型。详细的基准结果见补充表S1。

必须强调的是，所呈现的模型是使用最终的Web服务器版本Brickworx公司具有一整套RNA基序。因此，结果模型中的许多重复基序最初是从第二组内含子的其他模型中提取的(例如PDB条目4一汽)这显然有失偏颇。另一方面，Brickworx公司与单独使用a-RNA模型的任何其他测试方法相比，能够构建更完整的模型（补充表S1）。

4.1. 磷酸盐检测步骤对建模过程至关重要

对于Brickworx公司磷酸基团位置的检测对于将碎片构建到电子密度图中至关重要。尽管该程序可以处理相对较大数量的假阳性，但正确预测的数量应该很大。因此，我们实现了自己的程序，基于支持向量机分类器识别电子密度图中的磷酸基团。分类器经过训练，以牺牲精度为代价，提供高完整性的预测。根据§3，该方法以低至4.0的分辨率正确识别了80%以上的参考结构磷酸基团 当符号值较高时为和补充图S1–S12）。然而，对于低质量的地图，它仍然可以正确识别30%的参考结构磷酸基团。这足以建造超过10%的参考结构核苷酸在其他建模方法没有返回结果的情况下正确。

这个Brickworx公司建筑物特征晶体结构的模型核酸类在单波长的情况下，从磷酸盐组位置开始可能特别有用反常色散基于P原子异常信号（P-SAD）的方法。这种相位技术产生了P原子在单位单元格。 Brickworx公司可用于仅发现部分P原子且相应的电子密度图难以解释的情况。

4.2.Brickworx公司需要在晶体中存在双链RNA/DNA螺旋

在空间中近似匹配两组点的一般问题在计算上是昂贵的。在我们的方法中，由于使用了有效的数据结构（KD树）和算法（图匹配），因此可以减少计算时间。即使如此，它也可以用于在合理的时间内找到几个模型的初始匹配。为此，独特循环碎片的总数（超过2000个）大得令人望而却步。因此，在Brickworx公司RNA双螺旋首先被拟合到电子密度图中，然后用于找到环基序的正确位置。

规则的双链螺旋在核酸结构中相对常见。使用3DN（公称直径）我们发现，沉积在PDB中的84%的蛋白质-RNA复合物、95%的仅RNA结构、91%的仅DNA结构和92%的蛋白质-DNA复合物（截至2014年8月1日）至少含有A或B构象的单双螺旋。

4.3.Brickworx公司能够建立模型核酸类与蛋白质复合

晶体中蛋白质组分的存在容易影响在Brickworx公司（图2和图S11）。然而，该程序可以处理相对较大比例的错误磷酸盐组预测，因此结构中存在蛋白质不会影响核酸建模过程的成功率。在这种情况下Brickworx公司可与其他两个基准程序进行比较。然而，必须提到的是，无论晶体中是否存在蛋白质成分Brickworx公司与其他两个基准程序相比，这些模型在中等分辨率和高分辨率下具有可比性。

4.4。Brickworx公司以低分辨率构建模型

Brickworx公司适合RNA和DNA的完整片段三级构造由六个或六个以上组成的核苷酸电子密度图。使用二级结构约束对碎片进行进一步细化，从而使一组核苷酸即使在分辨率很低的情况下，也会发现基序中的一部分残基分辨率很低。在中实现的类似方法phenix.build_rna螺旋当相位质量非常低时，无论数据集分辨率如何，都会生成正确的模型。然而，这种方法目前只适用于RNA结构，并且只能构建双链螺旋。相比之下，其他经过测试的程序，如鹦鹉螺和ARP协议/弯曲依靠寻找电子密度的局部特征（磷酸盐和碱或糖环）将它们合并成一个连续的链。当这两个部分都可以在地图中轻松解析时，此方法效果最佳。另一方面，鹦鹉螺和ARP协议/弯曲可以建造纯单股结构，这在我们的方法中目前是不可能的。