中国科学技術大学のチームが、2100万組の配列-構造対データを用いて訓練したオープンソースのRNA配列基礎モデルstructRFMを発表。複数の核心指標が国際的最先端レベルに達し、その成果は『ネイチャー』に掲載された。文章作成者、出典：AIBase
中国科学技術大学の研究チームは、生命科学と人工知能の交差分野で重要な突破を達成し、名前をstructRFMとするオープンソースのRNA配列基礎モデルを正式に発表しました。関連する研究成果は、このたび国際的トップ学術雑誌『ネイチャー』に掲載されました。グローバルな科学研究エコシステムの共同発展を促進するため、研究チームは、このモデルの完全なペアデータ、モデル重み、およびソースコードをすべてオープンソース化し、世界中の研究者が無料で制限なく利用できるようにしました。
コア背景：RNA研究と新薬開発の基盤的な課題を解決する
RNAは生物体内で重要なコアマクロ分子の一つであり、遺伝子発現とタンパク質合成のライフサイクル全体に広く関与し、調節しているため、現在の世界中の新薬開発において避けられない重要なターゲットである。
微观レベルでは、RNA分子は塩基対形成を通じて複雑な二次構造を形成し、さらに特定の三次構造に折りたたまれます。これらの三次構造と二次構造が、分子の生物学的活性および他の分子との相互作用様式を直接決定します。しかし、長年にわたり、RNAの構造と機能を正確に解明することは、生物情報学分野における難題でした。
アーキテクチャとデータ：2,100万件のペアデータによるデュアルプリトレーニング
この課題を解決するため、中国科学技術大学の研究チームは、約2100万件の正確にアノテートされた配列-二次構造ペアデータを構築し、大規模モデルの訓練に広大で高品質なデータ基盤を提供した。
この基础上、開発チームは、モデルが事前学習段階でシーケンスのコンテキスト情報と構造的依存関係を同時に学習できるよう、革新的なアルゴリズムを精心して設計しました。深層事前学習を経た後、このモデルは非常に高い利便性と汎化能力を示しました。研究者は基本的なシーケンスを入力するだけで、モデルが自動的かつ正確にシーケンスレベル、ヌクレオチドレベル、ヌクレオチド対レベルの三重特徴を抽出し、さまざまな構造および機能推論タスクを効率的に支援します。
実験効果：複数のコア指標が国際的な最先端レベルに達しました
厳密な実験とベンチマークテストにおいて、structRFMは顕著な全般的なパフォーマンスを発揮しました：
ゼロショット分類と構造予測：モデルはゼロショット同源性分類タスクで優れた性能を発揮し、RNA二次構造予測の精度を大幅に向上させました。
三次元構成の協調最適化：研究者が抽出した特徴を三次元構造予測モデルにシームレスに統合したところ、三次元立体構成および対応する二次構造の最終予測結果が大幅に改善されました。
生物学的機能の正確な推論：実用的な機能推論において、このモデルはスプライシングサイト予測、内部リボソーム導入部位（IRES）の識別、および非コードRNAの分類を優れたサポートで実現します。
優れた汎化・拡張能力：新しく発見されたRNAファミリーに対しても、モデルは二次構造予測の性能を非常に高く維持した。柔軟なセグメンテーション戦略により、長非コーディングRNAの分類タスクへの適用範囲も成功裏に拡張した。
また、研究チームは詳細なアブレーション実験を通じて、構造情報の導入とマスキング戦略がモデル全体の性能向上に果たす重要な役割を科学的に検証し、今後のアルゴリズム設計に堅実な実験的根拠を提供しました。このモデルが全面的にオープンソース化されたことで、世界中の研究者がこの新ツールを活用し、RNA構造の解明と先端医薬品の開発を加速できるようになります。