Nature | 中科大structRFM:引入碱基配对关系,结构引导的可迁移RNA基础模型
2026.11.05 · 收录日 2026.11.05 · 事件 · 论文 · 论文预印本
中科大团队将RNA碱基配对关系引入预训练,模型在结构、功能与新家族任务上验证可迁移性。
中国科学技术大学MIRACLE实验室的structRFM研究发表于《Nature》正刊,博士毕业生朱河勤为独立第一作者,周少华教授、熊鹏研究员为共同通讯作者。团队用MUSES集成三种二级结构预测器构建约2100万条序列—二级结构配对数据,并以SgMLM预训练让碱基配对参与掩码,在零样本表示、二级/三级结构、功能任务和新家族测试中检验可迁移性。
- MUSES集成ViennaRNA、CONTRAfold、BPfold,构建约2100万条经计算注释的序列—二级结构配对数据。
- SgMLM预训练联合遮蔽配对核苷酸,基础编码器输出序列、核苷酸、成对三类特征,可接入不同下游任务。
- 二级结构预测在ArchiveII600与bpRNA-TS0上INF为0.890和0.669,较无结构引导对照提高4.46%和6.19%。
- 三级结构Zfold在CASP15天然RNA、CASP16和RNA-Puzzles上平均TM-score为0.45、0.33和0.58。
- 功能任务中剪接位点平均top-k accuracy 0.416、IRES识别F1 0.701、13类非编码RNA分类F1 0.979。
为什么值得看
RNA基础模型如何把结构知识迁移到新家族与新任务,本文给出系统验证。
适合谁关注
关注AI for Science、RNA结构与生物基础模型的研究者和从业者。
