Đội ngũ Đại học Khoa học và Công nghệ Trung Quốc ra mắt mô hình nền tảng RNA sequence mở nguồn structRFM, được huấn luyện trên 21 triệu cặp dữ liệu trình tự-cấu trúc, đạt nhiều chỉ số cốt lõi ở trình độ tiên tiến quốc tế, kết quả được đăng trên tạp chí Nature.Tác giả bài viết, nguồn: AIBase
Đội ngũ nghiên cứu của Đại học Khoa học và Công nghệ Trung Quốc vừa đạt được bước đột phá quan trọng trong lĩnh vực giao thoa giữa khoa học sự sống và trí tuệ nhân tạo, chính thức ra mắt mô hình nền tảng chuỗi RNA mang tên structRFM. Nghiên cứu liên quan đã được công bố trên tạp chí học thuật hàng đầu thế giới Nature. Để thúc đẩy sự tiến bộ chung của hệ sinh thái khoa học toàn cầu, đội ngũ nghiên cứu đã công bố mở nguồn đầy đủ dữ liệu cặp, trọng số mô hình và mã nguồn, cho phép các nhà khoa học trên toàn thế giới sử dụng miễn phí không giới hạn.
Bối cảnh cốt lõi: Giải quyết các điểm đau nền tảng trong nghiên cứu RNA và phát triển thuốc mới
Là một loại phân tử lớn cốt lõi cực kỳ quan trọng trong cơ thể sinh vật, axit ribonucleic (RNA) tham gia rộng rãi và điều hòa toàn bộ vòng đời của biểu hiện gen và tổng hợp protein, là mục tiêu then chốt không thể bỏ qua trong nghiên cứu và phát triển thuốc đổi mới toàn cầu hiện nay.
Ở cấp độ vi mô, các phân tử RNA tạo thành các cấu trúc bậc hai phức tạp thông qua cặp bazơ và sau đó gập lại thành các cấu hình ba chiều đặc trưng. Chính những cấu trúc ba chiều và bậc hai này trực tiếp quyết định hoạt tính sinh học của phân tử cũng như cách chúng tương tác với các phân tử khác. Tuy nhiên, trong thời gian dài, việc phân tích chính xác cấu trúc và chức năng của RNA vẫn là một thách thức lớn trong lĩnh vực sinh tin học.
Kiến trúc và dữ liệu: Hai lần tiền huấn luyện được thúc đẩy bởi 21 triệu cặp dữ liệu
Để giải quyết vấn đề này, nhóm nghiên cứu của Đại học Khoa học và Công nghệ Trung Quốc đã tìm ra một hướng tiếp cận mới, xây dựng khoảng 21 triệu cặp dữ liệu trình tự-cấu trúc bậc hai được ghi chú chính xác, tạo nền tảng dữ liệu khổng lồ và chất lượng cao cho việc huấn luyện mô hình lớn.
Trên cơ sở này, đội ngũ nghiên cứu đã thiết kế một thuật toán sáng tạo giúp mô hình học đồng thời thông tin ngữ cảnh chuỗi và mối quan hệ phụ thuộc cấu trúc trong giai đoạn tiền huấn luyện. Sau khi tiền huấn luyện sâu, mô hình này thể hiện độ tiện dụng và khả năng khái quát hóa cực cao: các nhà nghiên cứu chỉ cần nhập chuỗi cơ bản, mô hình sẽ tự động và chính xác trích xuất ba đặc trưng ở cấp độ chuỗi, cấp độ nucleotide và cấp độ cặp nucleotide, từ đó hỗ trợ hiệu quả nhiều nhiệm vụ suy luận cấu trúc và chức năng.
Hiệu quả thí nghiệm: Nhiều chỉ số cốt lõi đạt mức tiên tiến quốc tế
Trong các thí nghiệm và bài kiểm tra hiệu năng khắt khe, structRFM đã thể hiện hiệu suất toàn diện đáng chú ý:
Phân loại không mẫu và dự đoán cấu trúc: Mô hình thể hiện hiệu suất xuất sắc trong nhiệm vụ phân loại đồng nguồn không mẫu và nâng cao đáng kể độ chính xác trong dự đoán cấu trúc bậc hai của RNA.
Tối ưu hóa đồng bộ cấu hình ba chiều: Khi các nhà nghiên cứu tích hợp liền mạch các đặc trưng đã trích xuất vào mô hình dự đoán cấu trúc ba chiều, kết quả dự đoán cuối cùng về cấu hình ba chiều và cấu trúc cấp hai tương ứng đã được cải thiện đáng kể.
Suy luận chức năng sinh học chính xác: Trong các ứng dụng thực tế về suy luận chức năng, mô hình này có thể hỗ trợ xuất sắc trong việc dự đoán các vị trí cắt nối, nhận diện các vị trí vào ribosome nội bộ (IRES) và phân loại RNA không mã hóa.
Khả năng tổng quát và mở rộng mạnh mẽ: Đối với các họ RNA mới được phát hiện, mô hình vẫn duy trì hiệu suất dự đoán cấu trúc bậc hai xuất sắc; thông qua chiến lược phân đoạn linh hoạt, nó còn thành công mở rộng phạm vi ứng dụng sang nhiệm vụ phân loại RNA không mã hóa dài.
Ngoài ra, nhóm nghiên cứu đã thông qua các thí nghiệm loại trừ chi tiết để xác minh về mặt khoa học vai trò then chốt của việc tích hợp thông tin cấu trúc và chiến lược che mờ trong việc nâng cao hiệu suất tổng thể của mô hình, cung cấp nền tảng dữ liệu thực nghiệm vững chắc cho thiết kế thuật toán trong tương lai. Với việc mở nguồn toàn bộ mô hình này, cộng đồng khoa học toàn cầu sẽ có thể dựa vào công cụ hoàn toàn mới này để đẩy nhanh tiến trình nghiên cứu giải mã cấu trúc RNA và phát triển các ứng dụng y sinh tiên tiến.