11月5日，

中国科学技术大学又一项科研成果

登上国际顶尖学术期刊《自然》（Nature）。

该校医学影像智能与机器人实验室团队

研发出一款开源RNA序列基础模型structRFM，

将人工智能大模型应用于

RNA结构预测与功能推断，

并取得一系列性能提升，

有望为生命科学研究和药物发现

提供新的技术工具。

structRFM 结构引导预训练框架。中国科大供图

据了解，研究团队已向全球开放该模型的完整配对数据、模型权重和源代码，为相关研究的复现及后续模型开发提供可复用资源。

RNA，即核糖核酸，是一种重要的生物大分子，广泛参与蛋白质合成、基因表达调控等生命过程。其生物学功能与自身的序列及折叠结构密切相关。理解RNA序列、结构与功能之间的联系，是揭示生命活动机制、推动药物研发的重要基础。

近年来，随着测序技术的发展，科研人员积累了海量RNA序列数据。如何利用人工智能从这些数据中提取有效信息，成为相关领域的研究方向之一。此次，中国科大团队研发的structRFM模型，正是尝试将RNA结构知识融入大规模序列学习，提高模型在不同结构与功能任务中的适应能力。

研究过程中，团队首先构建了约2100万条经过计算注释的RNA序列与二级结构配对数据，并设计相应算法，让模型同时学习序列信息和结构特征。经过预训练后，模型仅需输入RNA序列，即可提取不同层级的特征，用于结构预测和功能推断等多种任务。

实验结果显示，structRFM在RNA二级结构预测、三维结构预测等任务中取得了性能提升，并在零样本同源性分类中表现良好。在功能推断方面，该模型还可用于剪接位点预测、内部核糖体进入位点识别和非编码RNA分类等任务，多项性能达到国际前沿水平。

此外，研究团队还验证了模型在新发布RNA家族及长非编码RNA分类任务中的适用性。相关实验表明，将结构信息引入模型训练，有助于进一步提升其预测性能。

研究人员表示，该模型及相关数据的开源，将为人工智能驱动的RNA研究提供新的基础工具，有望助力生物学机制理解、药物发现等领域的后续研究。

合肥日报-合新闻

文字：卞怡菲

编辑：董媛康

一审：董媛康/二审：束芳/三审：汪竞