国产RNA生物大模型正式开源 登上国际顶刊《自然》

刘绪刚

快科技11月5日消息，中国科学技术大学团队推出一款名叫structRFM的开源RNA序列基础模型，相关研究成果已经登上《自然》期刊。
研究人员介绍，目前，实验室已开放完整配对数据、模型权重和源代码，全球科研人员都可以拿来使用。
RNA是生物体内一类关键大分子，参与基因调控、蛋白合成，很多新药研发都绕不开对RNA的研究。
RNA分子通过碱基配对形成二级结构，并进一步折叠为三维构象，这些结构影响着分子的生物学活性及其与其他分子的相互作用。
此次，研究团队研发了RNA基础模型structRFM，首先构建了约2100万条经计算注释的序列-二级结构的配对数据。
在此基础上，设计算法同时预训练学习序列上下文与结构依赖。预训练后的模型仅需输入序列，即可提取序列级、核苷酸级和核苷酸对级特征，用于多种结构与功能推断任务，并在多项任务中达到国际前沿水平。
实验显示，structRFM在零样本同源性分类中表现良好，并提高了二级结构预测性能；将其特征融入三级结构预测模型后，也改善了三维结构及其对应二级结构的预测结果。
在功能推断方面，模型支持剪接位点预测、内部核糖体进入位点识别和非编码RNA分类。此外，模型在新发布的RNA家族上保持了较好的二级结构预测表现，并通过分段策略扩展至长非编码RNA分类。
消融实验进一步验证了结构信息的引入及掩码策略对模型性能提升的作用，为算法设计提供了实验支持。
项目开源链接：https://github.com/heqin-zhu/structRFM

structRFM 结构引导预训练框架