中国科学技术大学医学影像智能与机器人（MIRACLE）实验室周少华教授、熊鹏特任研究员团队，推出开源RNA序列基础模型structRFM，在RNA结构预测、功能推断多项下游任务上实现性能提升，可服务于AI驱动的基础生物学研究、机制解析与药物研发。该成果于11月5日凌晨发表在《Nature》。
- 论文地址：https://doi.org/10.1038/s41586-026-11210-2
- 项目链接：https://github.com/heqin-zhu/structRFM
这也是2026年以来，中国科大作为第一署名与通讯单位，在Nature、Science、Cell三大顶刊发表的第16项成果。
RNA是核心生物大分子，参与蛋白合成、基因调控等生命活动，它的生物学功能高度依赖自身折叠形成的二级、三维结构。RNA基础模型借鉴NLP预训练思路，从海量测序数据中学习序列规律，是当前RNA研究的重要工具。
structRFM的核心思路是把结构知识融入序列预训练：团队构建约2100万条带计算注释的序列-二级结构配对数据集，设计联合预训练框架，同时学习序列上下文与结构依赖关系。模型仅输入RNA序列，就能输出序列、核苷酸、核苷酸对多尺度特征，适配多样化下游任务。
测试结果显示，structRFM在零样本同源分类、RNA二级结构预测上表现优异；将其特征接入三维结构预测管线，三维构象与对应二级结构预测精度同步改善。功能层面，模型可完成剪接位点预测、内部核糖体进入位点识别、非编码RNA分类，面对全新RNA家族依然保有不错的二级结构预测能力，借助分段方案支持长非编码RNA识别。消融实验证实，结构信息与掩码策略是性能提升的关键。
目前数据集、模型权重与源码全部开源开放，方便同行复现、二次开发。论文第一作者为生物医学工程学院朱河勤博士，周少华教授、熊鹏特任研究员为共同通讯作者。
© 版权声明
文章版权归作者所有，未经允许请勿转载。
