11月5日凌晨，中國科學技術大學生物醫學工程學院醫學影像智能與機器人(MIRACLE)實驗室周少華教授、熊鵬特任研究員，在國際學術期刊《自然》(Nature)上在線發表題為“An open structure-guided RNA foundation model for generalizable prediction”的研究論文。研究團隊在RNA基礎模型研究上取得新進展：通過將二級結構中的堿基配對信息融入序列預訓練，提高了模型在RNA結構預測與功能推斷一系列下游任務中的性能。

圖:structRFM 結構引導預訓練框架

　　RNA(ribonucleic acid，核糖核酸)是一種重要的生物大分子，存在于生物細胞以及部分病毒、類病毒中，廣泛參與蛋白質合成、基因表達調控和RNA剪接等生命過程，其功能與序列和折疊結構密切相關。RNA分子通過堿基配對形成二級結構，并進一步折疊為三維構象，這些結構影響著分子的生物學活性及其與其他分子的相互作用。因此，理解序列、結構與功能之間的聯系，是揭示RNA生物學機制的重要基礎。隨著測序技術的發展，研究者積累了海量 RNA 序列數據。借鑒自然語言處理中的預訓練方法，RNA基礎模型能夠從這些數據中學習序列規律，提取可用于不同任務的通用特征，為結構預測和功能分析提供支持。然而，結構信息的有效利用仍面臨挑戰：結構注釋可能存在預測誤差，而針對特定結構任務設計的訓練目標，也可能限制模型在其他任務中的適用性。

　　此次研究旨在將結構知識融入大規模序列學習，同時保持模型在不同結構與功能任務中的適應性和泛化能力。研究團隊研發了RNA 基礎模型 structRFM，首先構建了約 2100 萬條經計算注釋的序列-二級結構的配對數據。在此基礎上，設計算法同時預訓練學習序列上下文與結構依賴。預訓練后的模型僅需輸入序列，即可提取序列級、核苷酸級和核苷酸對級特征，用于多種結構與功能推斷任務，并在多項任務中達到國際前沿水平。

　　實驗顯示，structRFM 在零樣本同源性分類中表現良好，并提高了二級結構預測性能;將其特征融入三級結構預測模型后，也改善了三維結構及其對應二級結構的預測結果。在功能推斷方面，模型支持剪接位點預測、內部核糖體進入位點識別和非編碼 RNA 分類。此外，模型在新發布的 RNA 家族上保持了較好的二級結構預測表現，并通過分段策略擴展至長非編碼 RNA 分類。消融實驗進一步驗證了結構信息的引入及掩碼策略對模型性能提升的作用，為算法設計提供了實驗支持。

　　研究人員介紹，目前，實驗室已開放完整配對數據、模型權重和源代碼，為研究結果的復現和相關模型的開發提供了可復用資源。

　　中國科大生物醫學工程學院朱河勤博士為論文第一作者，周少華教授和熊鵬特任研究員為該文章共同通訊作者。