中国科大团队推出开源 RNA 序列基础模型 structRFM，基于 2100 万条序列-结构配对数据训练，多项核心指标达国际前沿，成果登上《自然》。
文章作者、来源：AIBase
中国科学技术大学研究团队近日在生命科学与人工智能交叉领域取得重磅突破，正式推出名为 structRFM 的开源 RNA 序列基础模型，相关研究成果已于近日荣登国际顶级学术期刊《自然》。为了推动全球科研生态的共同进步，研究团队宣布全面开源该模型的完整配对数据、模型权重以及源代码，供全球科研人员无门槛免费使用。
核心背景:攻克 RNA 研究与新药开发的底层痛点
作为生物体内一类至关重要的核心大分子，核糖核酸（RNA）广泛参与并调控着基因表达和蛋白合成的整个生命周期，是当前全球创新药研发中绕不开的关键靶点。
在微观层面，RNA 分子通过碱基配对形成复杂的二级结构，并进一步折叠成特定的三维构象。正是这些三维和二级结构，直接决定了分子的生物学活性以及它们与其他分子的相互作用方式。然而，长期以来，精准解析 RNA 的结构与功能一直是生物信息学领域的难关。
架构与数据:2100万条配对数据驱动的双重预训练
为了破解这一难题，中国科大研究团队另辟蹊径，构建了约2100万条经过精确计算注释的序列-二级结构配对数据，为大模型的训练奠定了海量且高质量的数据基石。
在此基础上，研发团队精心设计了一套创新算法，使模型在预训练阶段能够同时学习序列上下文信息与结构依赖关系。经过深度预训练后，该模型展现出了极高的便捷性与泛化能力:研究人员仅需输入基础序列，模型便能自动且精准地提取出序列级、核苷酸级和核苷酸对级的三重特征，从而高效支撑多种结构与功能推断任务。
实验成效:多项核心指标达到国际前沿水平
在严苛的实验与基准测试中，structRFM 展现出了令人瞩目的全方位性能:
零样本分类与结构预测: 模型在零样本同源性分类任务中表现优异，并显著提升了 RNA 二级结构预测的准确性。
三维构象协同优化: 当研究人员将其提取的特征无缝融入三维结构预测模型后，显著改善了三维立体构象及其对应二级结构的最终预测结果。
生物功能精准推断: 在实际应用功能推断方面，该模型能够出色地支持剪接位点预测、内部核糖体进入位点（IRES）识别以及非编码 RNA 分类。
强悍的泛化与扩展能力: 面对新发现的 RNA 家族，模型依然保持了极佳的二级结构预测表现;通过灵活的分段策略，它还成功将应用边界扩展至长非编码 RNA 的分类任务中。
此外，研究团队通过细致的消融实验，进一步从科学层面验证了结构信息的引入以及掩码策略对模型整体性能提升的关键作用，为未来的算法设计提供了坚实的实验数据支撑。随着该模型的全面开源，全球科研力量将能够依托这一全新工具，加速推进 RNA 结构解析与前沿生物医药的研发进程。