中国科大structRFM登《自然》：RNA大模型开源

中国科学技术大学的研究团队近日在生命科学与人工智能的交叉方向上取得重要进展，推出开源RNA序列基础模型structRFM，相关成果已登上国际顶级学术期刊《自然》。团队同时宣布，将该模型的完整配对数据、模型权重与源代码全部开放，全球科研人员均可免费使用，无需任何门槛。

RNA是生物体内一类关键的大分子，参与并调控基因表达与蛋白合成的全过程，也是全球创新药研发绕不开的靶点。正因如此，RNA研究与新药开发存在底层的难点需要攻克。

RNA分子在微观层面借助碱基配对形成复杂的二级结构，再进一步折叠为特定的三维构象。分子的生物学活性，以及它与其他分子如何相互作用，都由这些三维和二级结构直接决定。不过，精确解析RNA的结构与功能，一直是生物信息学领域的一道难关。

为破解这一难题，中国科大团队选择了另一条路径：构建约2100万条经精确计算注释的序列-二级结构配对数据，为模型训练打下规模庞大且质量过硬的数据基础。模型架构与数据设计由此展开，形成双重预训练的思路。

在此基础上，团队设计出一套创新算法，让模型在预训练阶段同时学习序列上下文信息与结构依赖关系。深度预训练之后，模型表现出很高的便捷性与泛化能力：研究人员只需输入基础序列，模型就能自动且准确地提取序列级、核苷酸级和核苷酸对级三重特征，为多种结构与功能推断任务提供高效支撑。

实验成效方面，多项核心指标达到国际前沿水平。在严格的实验与基准测试中，structRFM的全方位性能引人关注。

零样本分类与结构预测上，模型在零样本同源性分类任务中表现优异，RNA二级结构预测的准确性也有明显提升。

三维构象的协同优化方面，研究人员把模型提取的特征直接融入三维结构预测模型后，三维立体构象及其对应二级结构的最终预测结果均得到明显改善。

生物功能推断上，该模型在实际应用中能很好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。

泛化与扩展能力同样突出：面对新发现的RNA家族，模型仍保持很好的二级结构预测表现；借助灵活的分段策略，它还将应用边界拓展到长非编码RNA的分类任务。

此外，团队通过细致的消融实验，从科学层面验证了引入结构信息以及掩码策略对模型整体性能提升的关键作用，为后续算法设计提供了扎实的实验数据。模型全面开源后，全球科研力量可依托这一新工具，加快RNA结构解析与前沿生物医药研发的进程。