网易首页 > 网易号 > 正文 申请入驻

Nature | 周少华/熊鹏团队提出开放RNA基础模型——structRFM,让AI在序列中学习结构规律

0
分享至


RNA的功能,远不止传递遗传信息。从参与蛋白质合成的核糖体RNA和转运RNA,到调控基因表达、介导RNA剪接的各类非编码RNA,这些分子的作用与其折叠方式密切相关。碱基序列决定哪些位置能够配对,配对进一步组织成茎环和更复杂的三维构象,最终影响RNA如何识别其他分子、参与生物学过程。如何建立序列、结构与功能之间的联系,一直是RNA研究的重要问题。

近年来,RNA语言模型借鉴自然语言处理中的预训练方法,从大规模序列中学习可迁移的特征,为结构预测和功能识别提供了新工具。不过,序列数据的快速积累,并未同步带来同等规模的高质量结构数据。已有模型虽然尝试引入结构信息,却往往依赖单一算法产生的预测结果,或在预训练时加入特定结构任务的监督目标。前者可能把预测工具的偏差带入模型,后者则可能使模型偏向某一任务,影响通用性。

2026年11月4日,中国科学技术大学周少华、熊鹏团队在Nature上发表了研究论文“An open structure-guided RNA foundation model for generalizable prediction”,提出了结构引导的RNA基础模型——structRFM。研究者构建了包含约2100万组RNA序列—结构配对的数据集,将碱基配对关系融入掩码语言建模,在保留通用自监督目标的同时,引导模型学习序列与结构之间的联系。该模型在RNA二级结构预测、三维结构建模及多项功能预测任务中展现出迁移能力,并开放了数据集、模型权重和源代码。


把结构知识融入“补全序列”的过程

普通掩码语言模型的学习方式,是遮住序列中的部分碱基,再根据上下文恢复它们。但RNA中的关联并不局限于序列上相邻的位置:两个相隔较远的碱基,可能通过配对共同组成一段茎结构。如果掩码过程始终随机进行,这类关系便缺少有针对性的学习引导。

团队设计的结构引导掩码语言建模策略SGMLM,将碱基配对信息用于选择遮蔽位置。通过PairMatch操作,当被选中的碱基参与配对时,掩码能够同时覆盖其配对伙伴,促使模型结合周围序列和结构上下文恢复被遮蔽的碱基。训练目标仍是预测缺失碱基,结构知识则通过掩码方式进入学习过程。随着训练推进,结构引导掩码在混合策略中的占比逐步增加,使模型从基础序列规律学习过渡到序列与结构的联合学习。

结构注释的来源同样重要。为降低对单一工具的依赖,团队提出多源二级结构集成策略MUSES,整合基于热力学的ViennaRNA、基于概率模型的CONTRAfold,以及结合物理先验的深度学习方法BPfold,生成用于预训练的共识配对信息。需要说明的是,这些结构主要来自计算预测,并非2100万条RNA均获得了实验结构;多源集成的作用,是降低单一预测方法带来的偏差。

完成预训练后,structRFM能够输出整条序列、单个核苷酸和核苷酸配对关系三个层面的特征,分别支持RNA分类、位点识别及结构推断等任务。

从二级结构到三维折叠,检验结构知识能否迁移

研究者首先在不进行任务专门训练的情况下,考察模型学到了什么。在17种生物语言模型的比较中,structRFM在两套数据上的零样本同源性分类均位居前四。部分注意力图还能够反映碱基配对模式,提示预训练已经使模型获得一定的结构表征能力。

经过面向二级结构预测的微调,structRFM在ArchiveII600和bpRNA-TS0数据集上的相互作用网络保真度指标INF分别达到0.890和0.669,高于比较模型RiNALMo-Mega的0.858和0.638。INF用于衡量预测与参考结构中相互作用关系的一致程度。与未采用结构引导预训练的消融模型相比,structRFM整体表现更好,支持预训练阶段引入配对信息的价值。

团队进一步将structRFM的配对特征接入trRosettaRNA三维结构预测流程,构建了Zfold。该方法利用预训练模型提供的结构信息,辅助生成用于三维折叠的几何约束。在CASP15天然RNA、CASP16及RNA-Puzzles测试中,Zfold在论文报告的多项结构指标上均优于原始trRosettaRNA及未采用结构引导预训练的模型,整体表现可与AlphaFold 3相比;在CASP15天然RNA及RNA-Puzzles上,其平均TM-score和GDT-TS略高于AlphaFold 3。

这些结果说明,预训练得到的配对特征不仅有助于恢复二级结构,也能服务于更复杂的三维建模。不过,这些比较来自特定RNA测试集,不能据此推断模型已在所有RNA结构预测场景中优于AlphaFold 3。论文也指出,合成RNA、长程相互作用及部分局部茎结构仍然具有挑战,预测结构中还存在键角和平面性等几何问题。

结构引导的收益,延伸至功能预测

基础模型的通用性,还需要在结构预测之外检验。团队选择剪接位点预测、内部核糖体进入位点(IRES)识别和非编码RNA分类,分别考察模型在核苷酸与整条序列层面的功能推断能力。

在剪接位点预测中,structRFM的top-k准确率为0.416,高于RNA-MSM、UTR-LM和RNA-FM等比较模型,但仍低于面向剪接任务的SpliceBERT。这个结果表明,从非编码RNA中学习的特征能够迁移到前体mRNA任务,同时也说明通用预训练尚不能替代所有专门模型。

在IRES识别任务中,structRFM的F1分数达到0.701,高于论文比较的IRESfinder和DeepIRES;在包含13类RNA的nRC数据集上,F1分数达到0.979。去掉结构引导预训练后,多项功能指标下降,提示结构信息带来的收益能够延伸到部分功能识别任务。不过,这些结果反映的是数据集上的预测能力,具体RNA的生物学功能仍需实验验证。

面对新家族和长RNA,泛化能力走到哪一步?

为检验模型能否处理预训练阶段未见的RNA家族,研究者从新版Rfam中整理了436条来自新增家族的序列。采用两套不同数据进行二级结构微调的模型,在这些序列上的INF分别达到0.648和0.698,说明模型对时间上晚于预训练数据的新家族保留了一定预测能力。

对于超过模型512个核苷酸输入上限的长RNA,团队比较了直接截断、不重叠窗口和重叠窗口三种处理方式。采用重叠窗口后,人和小鼠长链非编码RNA分类任务的F1分数分别约为0.959和0.946,优于直接截断。窗口策略能够利用更多局部信息,但尚不能完整捕捉整条长RNA上的全局关系,因此这一分类结果并不意味着长RNA结构预测问题已经解决。

总体而言,structRFM展示了一条将RNA结构知识融入通用预训练的可行路径:通过多源预测构建结构注释,再利用配对关系改变模型的学习方式,使获得的特征能够服务于多种下游任务。其价值既在于多项基准上的性能提升,也在于开放了可供后续研究使用的序列—结构数据与模型资源。未来,如何纳入非经典配对和更丰富的结构相互作用、直接建模更长序列,并系统评估训练效率与扩展能力,将决定这一路线能够走多远。

https://doi.org/10.1038/s41586-026-11210-2

学术合作组织

(*排名不分先后)



战略合作伙伴

(*排名不分先后)

推荐直播

转载须知


【非原创文章】本文著作权归文章作者所有,欢迎个人转发分享,未经作者的允许禁止转载,作者拥有所有法定权利,违者必究。

BioArt

Med

Plants

人才招聘


点击主页推荐活动

关注更多最新活动!



特别声明:以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布,本平台仅提供信息存储服务。

Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.

相关推荐
热点推荐
22.5万起!比亚迪新车官宣:纯电续航850km

22.5万起!比亚迪新车官宣:纯电续航850km

DeepAuto车探
2026-11-17 00:41:23
北京八宝山,数万坟位期满却无人再缴,并非儿孙不孝,实在是家里兜不住了

北京八宝山,数万坟位期满却无人再缴,并非儿孙不孝,实在是家里兜不住了

扶苏聊历史
2026-11-04 18:20:53
最新夺冠概率正式出炉!联盟第一湖人无缘上榜,残阵雷霆位居第二

最新夺冠概率正式出炉!联盟第一湖人无缘上榜,残阵雷霆位居第二

兵哥篮球故事
2026-11-16 13:15:13
深圳一女子点外卖,骑手迟到40分钟还一直看手机,女子透过窗户觉得不对劲,下楼后意外发现骑手的“秘密”

深圳一女子点外卖,骑手迟到40分钟还一直看手机,女子透过窗户觉得不对劲,下楼后意外发现骑手的“秘密”

LULU生活家
2026-11-16 16:56:03
马斯克这次是彻底摊牌了。他在社交平台上公开叫板,直言只要美国政府一句话,他随时乐意签字取消 SpaceX 的所有合同

马斯克这次是彻底摊牌了。他在社交平台上公开叫板,直言只要美国政府一句话,他随时乐意签字取消 SpaceX 的所有合同

扶苏聊历史
2026-11-11 15:56:12
A股:午后突然加速跳水,信号已经非常强烈!周二将有三大变数

A股:午后突然加速跳水,信号已经非常强烈!周二将有三大变数

云鹏叙事
2026-11-16 14:56:33
警惕!MCN杀猪盘套路:专挑女大学生下手,完不成直播任务就逼陪客抵债

警惕!MCN杀猪盘套路:专挑女大学生下手,完不成直播任务就逼陪客抵债

拍案社会
2026-11-15 10:08:36
乾隆为难才子,出上联:鼠无大小皆称老,才子妙对下联成千古绝对

乾隆为难才子,出上联:鼠无大小皆称老,才子妙对下联成千古绝对

千秋文化
2026-08-17 19:54:11
“光模块之父”,塌房了!

“光模块之父”,塌房了!

大财可富司机
2026-11-16 17:15:45
论三大淫妇的饥渴程度:潘金莲初会西门庆,一把将西门庆搂抱放倒

论三大淫妇的饥渴程度:潘金莲初会西门庆,一把将西门庆搂抱放倒

覃仕勇说史
2026-11-13 11:01:08
美论坛曾称:没得到美国的允许,中国为何敢私自研发DUV光刻板?

美论坛曾称:没得到美国的允许,中国为何敢私自研发DUV光刻板?

次元君情感
2026-11-16 17:39:18
河南荥阳一蓝天救援队队员因病离世,年仅46岁,生前累计志愿服务时长5160小时,曾获当地见义勇为模范,救援队负责人:除了多次参与救援,他还曾无偿献血23年

河南荥阳一蓝天救援队队员因病离世,年仅46岁,生前累计志愿服务时长5160小时,曾获当地见义勇为模范,救援队负责人:除了多次参与救援,他还曾无偿献血23年

极目新闻
2026-11-15 19:54:01
皇马的傲慢赌赢了,姆巴佩的舆情热度逐步降温,亚马尔成焦点,中国赞助商仍不敢轻易重启姆巴佩相关宣传

皇马的傲慢赌赢了,姆巴佩的舆情热度逐步降温,亚马尔成焦点,中国赞助商仍不敢轻易重启姆巴佩相关宣传

开成运动会
2026-11-16 22:35:22
中央政法委下死命令!严厉查处这些行为,一起都不放过!

中央政法委下死命令!严厉查处这些行为,一起都不放过!

职场资深秘书
2026-11-13 19:21:02
从月销2万台跌至不足2000台,理想i6经历了什么?

从月销2万台跌至不足2000台,理想i6经历了什么?

座驾参谋
2026-11-16 16:45:23
C罗母亲开炮:葡萄牙输1-4咎由自取!我儿子被欺骗+没得到队友尊重

C罗母亲开炮:葡萄牙输1-4咎由自取!我儿子被欺骗+没得到队友尊重

我爱英超
2026-11-16 23:59:53
幼儿园女老师赌气炒股,亏掉60万后:老公买房同样亏 60 万,凭什么他算投资我算赌?

幼儿园女老师赌气炒股,亏掉60万后:老公买房同样亏 60 万,凭什么他算投资我算赌?

民生故事会
2026-10-19 19:12:52
靴子落地,中美俄将会晤!日本政客狠批高市:特朗普不会正眼看你

靴子落地,中美俄将会晤!日本政客狠批高市:特朗普不会正眼看你

国际法大视野
2026-11-16 10:30:03
分开8年,胡海泉已是音乐学院院长,儿女双全,搭档现状让人唏嘘

分开8年,胡海泉已是音乐学院院长,儿女双全,搭档现状让人唏嘘

往史过眼云烟
2026-11-14 21:59:50
《花少8》嘉宾格格不入?又懒又邋遢就知道吃,殷桃终于说实话

《花少8》嘉宾格格不入?又懒又邋遢就知道吃,殷桃终于说实话

乡野小珥
2026-11-16 02:53:35
2026-11-17 02:47:00
BioArt incentive-icons
BioArt
探索生物艺术之奥秘
11714文章数 18549关注度
往期回顾 全部

科技要闻

硅谷大佬组局,帮黄仁勋杀回来!

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

头条要闻

中国女子在希腊失踪半年 保险箱发现10万欧元现金

体育要闻

伪强队?拥4亿豪阵欧国联6连败+世界杯出局

娱乐要闻

陈晓楠对话厉娜和许飞引全网热议

财经要闻

10万人逼宫英伟达,黄仁勋要复职了?

汽车要闻

更豪华更好开 问界新M8细节升级见真章

态度原创

旅游
艺术
本地
亲子
公开课

旅游要闻

秋假遛娃剑门关,全程17000步,6个小时,喜提废腿体验!

艺术要闻

漫天香氛,秋风醉人~杭州的秋天从不让人失望!13个地方,秒出大片!

本地新闻

乌兰察布:以前种土豆,现在种Token

亲子要闻

宝宝气人但是聪明的4个行为

公开课

李玫瑾:为什么性格比能力更重要?

无障碍浏览 进入关怀版