Китайская академия наук представила открытую базовую модель последовательностей РНК structRFM, обученную на 21 миллионе пар «последовательность-структура»; несколько ключевых показателей достигли международного уровня, результат опубликован в журнале «Nature».Автор статьи, источник: AIBase
Недавно исследовательская группа Университета науки и технологий Китая достигла значительного прорыва в области пересечения生命科学 и искусственного интеллекта, официально запустив открытую базовую модель последовательностей РНК под названием structRFM. Соответствующие научные результаты были опубликованы в недавнем выпуске международного ведущего научного журнала «Nature». Для содействия совместному развитию глобальной научной экосистемы исследовательская группа объявила о полном открытии полных парных данных, весов модели и исходного кода для бесплатного и беспрепятственного использования всеми научными сотрудниками по всему миру.
Основной контекст: решение фундаментальных проблем в исследовании РНК и разработке новых лекарств
Рибонуклеиновая кислота (РНК), как один из ключевых биологических макромолекул в организме, широко участвует в регуляции всего жизненного цикла экспрессии генов и синтеза белков и является неотъемлемой ключевой мишенью для разработки инновационных лекарств по всему миру.
На микроуровне молекулы РНК образуют сложные вторичные структуры за счет парирования оснований и далее складываются в специфические трехмерные конформации. Именно эти трехмерные и вторичные структуры напрямую определяют биологическую активность молекулы и способы ее взаимодействия с другими молекулами. Однако на протяжении долгого времени точное определение структуры и функции РНК оставалось трудной задачей в области биоинформатики.
Архитектура и данные: двойное предварительное обучение на основе 21 миллиона пар данных
Чтобы решить эту проблему, исследовательская команда Университета науки и технологий Китая выбрала другой подход, создав около 21 миллиона точно аннотированных пар последовательность-вторичная структура, заложив тем самым огромную и высококачественную базу данных для обучения крупных моделей.
На этой основе исследовательская команда разработала инновационный алгоритм, позволяющий модели во время предварительного обучения одновременно изучать информацию о последовательном контексте и структурные зависимости. После глубокого предварительного обучения модель продемонстрировала высокую удобство использования и обобщающую способность: исследователям достаточно ввести базовую последовательность, и модель автоматически и точно извлекает три уровня признаков — на уровне последовательности, нуклеотида и пары нуклеотидов, эффективно поддерживая множество задач по прогнозированию структуры и функции.
Эффективность эксперимента: несколько ключевых показателей достигли международного передового уровня
В строгих экспериментах и тестах на производительность structRFM продемонстрировал впечатляющую всестороннюю производительность:
Нулевая классификация и структурное предсказание: модель показала отличные результаты в задаче нулевой классификации гомологичности и значительно повысила точность предсказания вторичной структуры РНК.
Совместная оптимизация трехмерной конформации: когда исследователи интегрировали извлеченные ими признаки в модель прогнозирования трехмерной структуры, это значительно улучшило конечные результаты прогнозирования трехмерной конформации и соответствующей вторичной структуры.
Точная инференция биологических функций: В практических приложениях инференции функций модель отлично поддерживает предсказание сайтов сплайсинга, идентификацию внутренних сайтов входа рибосом (IRES) и классификацию некодирующих РНК.
Отличная обобщающая и расширяемая способность: даже при работе с новыми семействами РНК модель сохраняет высокую точность предсказания вторичной структуры; благодаря гибкой стратегии сегментации она успешно расширила свои возможности на задачи классификации длинных некодирующих РНК.
Кроме того, исследовательская команда с помощью детальных абляционных экспериментов научно подтвердила ключевую роль введения структурной информации и стратегии маскировки для повышения общей производительности модели, обеспечив надежную экспериментальную базу для будущего дизайна алгоритмов. С полным открытием исходного кода модели глобальное научное сообщество сможет использовать этот новый инструмент для ускорения продвижения в области расшифровки структуры РНК и разработки передовых биомедицинских решений.