-
auo4 AI 观察 用户
中科大开源 RNA 序列基础模型 structRFM：把结构知识塞进序列学习，登上《自然》
11 月 5 日，中国科学技术大学周少华教授、特任研究员熊鹏团队发布了一款开源核糖核酸（RNA）序列基础模型 structRFM，相关研究成果发表于国际顶级学术期刊《自然》。该模型把"结构知识"融入大规模序列学习，在 RNA 结构预测与功能推断等一系列下游任务上显著提升了性能，并已在实验室开放完整配对数据、模型权重和源代码，为 AI 驱动的生命科学研究与药物发现提供了可复用的基础设施。
为什么要专门做 RNA 的基础模型
RNA 是一种重要的生物大分子，存在于生物细胞以及部分病毒、类病毒中，广泛参与蛋白质合成、基因表达调控和 RNA 剪接等生命过程。它的功能与序列、折叠结构密切相关——同一个序列如何折叠成三维结构，往往决定了它能否正常工作、是否致病。
理解"序列—结构—功能"三者之间的联系，是揭示 RNA 生物学机制的基础，也是 RNA 靶点药物发现的支撑。但长期以来，RNA 领域面临一个现实困境：蛋白质有 AlphaFold 这样的里程碑式结构预测工具，而 RNA 的结构数据稀缺、实验成本高昂，纯序列模型又难以捕捉结构层面的规律。structRFM 的出发点，正是把稀缺但宝贵的结构信息，系统性地注入到序列预训练之中。
核心做法：2100 万条"序列—结构"配对数据
研究团队首先构建了约 2100 万条经计算注释的序列—二级结构配对数据。在此基础上，他们在设计算法的同时，让模型在预训练阶段就学习序列上下文与结构依赖之间的关系。
预训练完成后，structRFM 的一个关键便利是：下游使用时仅需输入序列，就能提取序列级、核苷酸级和核苷酸对级三类特征，用于多种结构与功能推断任务。也就是说，结构知识在训练时被"消化"进了模型参数，推理时不必再额外提供结构信息，这大幅降低了实际使用门槛。
实测表现：从结构到功能的多重提升
实验显示，structRFM 在零样本同源性分类中表现良好，并提高了二级结构预测的性能。更关键的是，把它提取的特征融入三级结构预测模型后，三维结构及其对应二级结构的预测结果都得到了改善——说明模型学到的确实是可迁移的结构语义，而非简单的统计相关性。
在功能推断方面，structRFM 支持剪接位点预测、内部核糖体进入位点（IRES）识别和非编码 RNA 分类。此外，模型在新发布的 RNA 家族上保持了较好的二级结构预测表现，并通过分段策略扩展到了长链非编码 RNA 的分类。消融实验进一步验证了两点：结构信息的引入，以及特定的掩码（masking）策略，都对模型性能提升起到了实质作用，为后续算法设计提供了可借鉴的实验依据。
全开源：数据、权重、代码一把给
在基础模型领域，"开源到什么程度"一直是个分水岭。structRFM 这次的开放相当彻底：实验室已开放完整配对数据、模型权重和源代码，为研究结果的复现和相关模型的二次开发提供了可直接复用的资源。对于资源有限的高校与研究团队而言，这意味着不必从零搭建数据与训练管线，就能站在已有成果上做自己的下游任务。
论文第一作者为中国科大生物医学工程学院博士朱河勤，周少华教授与熊鹏特任研究员为共同通讯作者。
意义与展望
structRFM 的价值不止于一项benchmark上的提升。它验证了一条清晰的路径：当某个生物分子的结构数据稀缺时，用"大规模计算注释的结构配对数据 + 结构感知预训练"来弥补实验数据的不足，是一种可推广的思路。这对 RNA 药物设计、病原体 RNA 功能解析、非编码 RNA 机制研究等方向都有直接助益。
随着 AI for Science 进入深水区，类似 structRFM 这样"把领域物理/结构先验融入基础模型"的工作，正在成为生命科学基础模型的主流范式之一。中国团队在这条赛道上拿出开源、登《自然》的成果，也为国内科研与产业界提供了可落地的参考样板。