国际 AI 资讯

中国科大团队发布开源RNA基础模型structRFM,成果发表于《自然》

中国科学技术大学研究团队在生命科学与人工智能交叉领域推出开源RNA序列基础模型structRFM,相关研究成果发表于《自然》。团队同步开放完整配对数据、模型权重与源代码,供全球科研人员免费使用。

海宇数科 · 事件日期 · 约 2 分钟 · 1 次阅读

中国科大团队发布开源RNA基础模型structRFM,成果发表于《自然》 配图
中国科大团队发布开源RNA基础模型structRFM,成果发表于《自然》 配图

中国科学技术大学研究团队在生命科学与人工智能交叉领域推出RNA序列基础模型structRFM,相关研究成果发表于《自然》。团队对该模型实行全面开源,完整配对数据、模型权重和源代码均向全球科研人员免费开放。

核心背景:攻克 RNA 研究与新药开发的底层痛点

RNA是参与基因表达、调控蛋白合成的核心大分子,也是创新药研发的关键靶点。

RNA通过碱基配对形成二级结构并进一步折叠为三维构象,结构既决定其生物学活性,也决定分子间相互作用,如何精准解析其结构与功能关系仍是一大难题。

中国科大团队发布开源RNA基础模型structRFM 成果发表于 自然 配图 1
相关配图

架构与数据:2100万条配对数据驱动的双重预训练

研究团队构建了约2100万条序列-二级结构配对数据,并经过精确计算注释,为模型训练奠定数据基础。

团队设计了创新算法,使模型在预训练中同时学习序列上下文与结构依赖关系。模型以基础序列为输入,可提取序列级、核苷酸级和核苷酸对级特征,为结构与功能推断提供支撑。

实验成效:多项核心指标达到国际前沿水平

经实验与基准测试,structRFM展现出较为全面的性能。

在零样本同源性分类任务中,该模型表现优异,并提升了RNA二级结构预测的准确性。

将其特征融入三维结构预测模型后,三维构象预测与二级结构预测结果均得到改善。

该模型可支持剪接位点预测、内部核糖体进入位点识别以及非编码RNA分类等任务。

在新RNA家族的二级结构预测中,structRFM表现良好;借助分段策略,其应用范围还可扩展至长非编码RNA分类。

消融实验验证了引入结构信息与采用掩码策略对提升模型整体性能的作用,也为算法设计提供了实验数据。团队表示,全面开源有望加速RNA结构解析与生物医药研发。

← 返回AI 资讯