中国科学技术大学团队在《自然》发表研究,推出开源RNA序列基础模型structRFM。论文于2026年11月4日在线发表,属于最近7天内与自然语言处理方法存在交叉的新进展。论文原文
该模型借鉴自然语言处理中的预训练和掩码语言建模思路,在约2100万条RNA序列—二级结构配对数据上训练。研究团队通过“成对匹配”操作,把RNA碱基之间的配对关系纳入被遮蔽位置的学习过程,并使用多来源二级结构集成方法MUSES,以降低单一结构预测器可能带来的偏差。与只学习字母序列的模型相比,这种设计试图让模型同时掌握序列上下文和结构依赖。
论文称,训练完成后,structRFM只需输入RNA序列,就能提取序列级、单核苷酸级和核苷酸对级特征,并用于二级结构预测、三级结构预测、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。研究还报告了在零样本同源性分类、新RNA家族结构预测及长链非编码RNA分类上的表现改善。不过,这些结果主要来自论文作者设定的实验和基准,不能直接等同于在真实药物研发中的效果。
这项工作的价值不在于把RNA直接变成自然语言,而在于展示了NLP预训练范式向生物序列领域迁移的一种路径:当序列中存在稳定的远距离关系时,仅依赖相邻符号统计可能不够,还需要把结构先验嵌入预训练目标。中国科大方面表示,完整配对数据、模型权重和源代码已经开放,后续研究者可进一步复现实验或将模型接入其他RNA分析任务。中国科大新闻网
目前仍需关注开源资源的实际可复现性、不同物种和新RNA家族上的泛化表现,以及预测性能能否转化为实验验证和药物研发收益。就自然语言处理方向而言,这更适合作为“语言模型方法跨领域应用”的研究信息,而不是通用文本大模型的新产品发布。
参考来源:
- An open structure-guided RNA foundation model for generalizable prediction 2026-11-04
- 新华社客户端:中国科研团队发布开源核糖核酸序列基础模型 2026-11-05
由 AI 整理,仅供参考;请以原始来源为准。
帖子详情