核糖核酸(RNA)是生物体内重要的基本物质。在编码、解码、调节和表达基因中起重要的作用。RNA的功能主要取决于其三维空间结构,而通过X射线衍射和核磁共振等实验方法获取RNA的三维结构,不仅实验成本高,且存在技术上的很大挑战。这使得通过计算的方法来预测RNA的三级结构变得非常必要。RNA三级结构的从头预测需要一个好的打分函数。在这项研究中,我们基于机器学习的方法发展了一个新的打分函数。人工神经网络作为机器学习的重要分支,在近几年发展迅速。我们希望可以用神经网络这个具有潜力的工具来解决结构预测中遇到的难题。与传统的打分函数相比,该方法在引入不同特征时更加灵活,也不用面对选择参考态的难题。我们构建并训练了两个多层神经网络。它们以候选RNA的结构和序列特性作为输入,然后输出其相似性分数,评估候选RNA与天然结构的相似性。第一个网络使用粗粒化的RNA结构作为输入,第二个网络则使用全原子信息。我们还构建了一个RNA数据库,并将其分为训练、验证和测试集,分别包含322、70和70个RNA。每个RNA伴有300个由高温分子动力学模拟产生的decoy。我们把神经网络在训练集上进行训练,然后根据验证集的误差情况使用早停策略进行优化,最后在测试集上测试网络的性能。我们的结果优于最近一个基于知识的全原子统计势。本论文的内容安排如下:第一章主要介绍了 RNA和人工神经网络的相关背景知识;第二章主要介绍了基于多层神经网络的用于三级结构预测的RNA打分函数;第三章对本文做出了总结,并对这个工作进行了展望。