RNA作为一种古老的、重要的生物大分子,它通过反向折叠可以形成RNA结构,从而参与更为复杂的细胞活动。随着技术的发展,多种预测算法与实验技术被用于RNA结构的解析。其中,最为革命性的是结合高通量测序技术用化学探针探测细胞内全转录组RNA的单链位点,以此在一个样本中同时获得上万条转录本的体内RNA结构。另一种技术,核糖体图谱,结合了高通量测序技术对核糖体足迹进行测序,获得了单碱基精度的体内核糖体位置。这两种技术的出现让我们分析细胞内核糖体对mRNA结构的影响成为可能。本研究首先对比了酿酒酵母体内体外RNA结构数据。采用基尼系数作为评价RNA结构强度的指标,得到了转录组体外RNA结构普遍强于体内RNA结构且非编码区的RNA结构普遍强于编码区的结论。为了衡量体内RNA结构的解链程度,我们提出了“RNA结构消失程度（DIS）”的指标。我们通过组学数据处理对每一个RNA结构提出了五种RNA结构特征,包括:RNA结构区的核糖体密度（RD）、RNA结构所在mRNA的翻译起始核糖体密度（INI）、RNA结构的相对位置（POS）、RNA结构的最小自由能（MFE）和GC含量（GC）。这五种特征与DIS指标的相关分析中,RD与DIS的正相关最强,可以初步得到核糖体密度的增高会引起体内RNA结构的解链的结论。接着,研究中将RNA结构按照DIS值分类高解链结构（HUS）和低解链结构（LUS）,并采用深度学习技术建立二分类模型。通过十折交叉验证的方法最终获得了泛化性与精度较高的深度学习模型,Deep DRU。单因素梯度突变的方法被用于逐一解析各个结构特征对体内RNA结构解链程度的贡献,并计算其影响因子。我们发现翻译起始的核糖体密度对RNA结构解链的贡献最大,较高的起始核糖体密度会导致整条mRNA上解链程度的降低;其次是RNA结构区的核糖体密度,高核糖体密度由于核糖体的占位会造成mRNA结构较高的解链程度;同时,mRNA的5’端虽然具有较高的核糖体密度,但是解链程度较低。研究还发现,RNA结构的序列特征,包括通过序列计算出的最小自由能和GC含量,对体内RNA结构的贡献最低。我们还通过模型预测获得了酿酒酵母中787个具有稳定的高解链程度的区域（s HUS）和1905个稳定的低解链程度的区域（s LUS）。最后,通过对收集到的转录组RNA结构探测数据进行统计、整理并实现可视化,建立了转录组RNA结构数据库（RSVdb,https://taolab.nwsuaf.edu.cn/rsvdb）。RSVdb目前包含8个物种,178个样本,626,225个具有有效DMS活性数据的转录本。数据库不仅对RNA结构相关的测序数据重新进行了数据处理与标准化,还生成了可交互式的统计图表与报告,同时支持搜索任意RNA序列并以DMS活性值作为限制在线进行RNA结构预测和RNA结构的可交互展示。数据库还包含详细的用户手册并且提供RNA结构数据的下载。综上所述,本研究主通过结合两种组学数据,应用了深度学习技术对体内RNA结构的解链程度进行建模,充分阐述了核糖体以及其他结构特征对mRNA结构的影响,最后通过服务器与网络技术将所收集的转录组RNA结构数据进行建库并实现可视化。本研究尝试采用多组学与新技术融合的方案解决生物学问题并取得了一定进展,深化了对细胞内RNA结构影响因素的认识,为未来研究转录组RNA结构的调控提供了新的思路与数据库支持。