Cientistas chineses lançam modelo de RNA de código aberto structRFM, publicado na Nature

A equipe da Universidade de Ciência e Tecnologia da China lançou o modelo base de sequência de RNA de código aberto structRFM, treinado com 21 milhões de pares de sequência-estrutura, alcançando indicadores-chave de ponta internacional e sendo publicado na Nature.

Autor e fonte do artigo: AIBase

Uma equipe de pesquisa da Universidade de Ciência e Tecnologia da China acabou de alcançar uma grande inovação no campo interdisciplinar entre ciências da vida e inteligência artificial, lançando oficialmente o modelo base de sequência de RNA chamado structRFM. Os resultados da pesquisa foram recentemente publicados na prestigiada revista acadêmica internacional Nature. Para promover o avanço coletivo do ecossistema científico global, a equipe anunciou a abertura completa dos dados de pareamento, pesos do modelo e código-fonte, disponibilizando-os gratuitamente e sem restrições para pesquisadores em todo o mundo.

Como uma classe de macromoléculas fundamentais no organismo vivo, o ácido ribonucleico (RNA) participa amplamente e regula todo o ciclo de vida da expressão gênica e da síntese proteica, sendo um alvo-chave indispensável na pesquisa global de medicamentos inovadores.

Em nível microscópico, as moléculas de RNA formam estruturas secundárias complexas por meio de pareamento de bases e se dobram ainda mais em conformações tridimensionais específicas. São exatamente essas estruturas tridimensionais e secundárias que determinam diretamente a atividade biológica da molécula e a forma como interage com outras moléculas. No entanto, por muito tempo, a resolução precisa da estrutura e função do RNA tem sido uma dificuldade na área da bioinformática.

Para resolver esse desafio, a equipe de pesquisa da Universidade de Ciência e Tecnologia da China adotou um caminho alternativo, construindo aproximadamente 21 milhões de pares de sequência-estrutura secundária com anotações precisamente calculadas, estabelecendo uma base de dados massiva e de alta qualidade para o treinamento de grandes modelos.

Com base nisso, a equipe de pesquisa desenvolveu cuidadosamente um algoritmo inovador que permite ao modelo aprender simultaneamente informações de contexto sequencial e relações de dependência estrutural durante a fase de pré-treinamento. Após um pré-treinamento aprofundado, o modelo demonstrou alta conveniência e capacidade de generalização: os pesquisadores precisam apenas inserir uma sequência básica, e o modelo automaticamente e com precisão extrai três níveis de características — nível sequencial, nível de nucleotídeo e nível de pares de nucleotídeos — fornecendo suporte eficiente para diversas tarefas de inferência estrutural e funcional.

Em experimentos e testes de referência rigorosos, o structRFM demonstrou um desempenho abrangente notável:

Classificação zero-shot e previsão de estrutura: o modelo apresenta excelente desempenho na tarefa de classificação de homologia zero-shot e aumenta significativamente a precisão da previsão da estrutura secundária do RNA.

Otimização coordenada da conformação tridimensional: Quando os pesquisadores integraram seamlessmente os recursos extraídos ao modelo de previsão de estrutura tridimensional, os resultados finais da previsão da conformação tridimensional e de sua estrutura secundária correspondente foram significativamente aprimorados.

Inferência precisa de funções biológicas: Em aplicações práticas de inferência funcional, o modelo oferece excelente suporte à previsão de sítios de splicing, identificação de sítios de entrada de ribossomos internos (IRES) e classificação de RNA não codificante.

Excelente capacidade de generalização e expansão: diante de novas famílias de RNA descobertas, o modelo mantém um desempenho excelente na previsão da estrutura secundária; por meio de uma estratégia de segmentação flexível, ele também conseguiu expandir sua aplicação para tarefas de classificação de RNA não codificante longo.

Além disso, a equipe de pesquisa validou, por meio de experimentos de ablação detalhados, o papel crucial da introdução de informações estruturais e da estratégia de mascaramento no aprimoramento do desempenho geral do modelo, fornecendo suporte experimental sólido para o design de algoritmos futuros. Com o lançamento completo de código aberto deste modelo, a comunidade científica global poderá utilizar esta nova ferramenta para acelerar o avanço na resolução da estrutura do RNA e no desenvolvimento de novas terapias biomédicas.