🔬 Авторы работы в Nature представили structRFM — модель ИИ, обученную на 21 млн пар «последовательность — структура РНК». Она использует сведения о спаривании оснований и помогает предсказывать структуру и функции РНК. По данным авторов, её версия для трёхмерного моделирования сопоставима с AlphaFold3 на трёх наборах тестовых данных.
Чтобы подготовить структурную разметку, исследователи разработали MUSES. Этот инструмент объединяет предсказания нескольких методов и призван уменьшить смещение, связанное с выбором отдельного алгоритма. При обучении structRFM авторы также меняли долю скрываемых элементов, балансируя задания на структуру и отдельные нуклеотиды.
Вариант модели для трёхмерных прогнозов назвали Zfold. Его сравнивали с другими моделями на наборах CASP15-natural, CASP16 и RNA-Puzzles, содержащих соответственно 8, 13 и 20 РНК. Zfold улучшал как трёхмерные прогнозы, так и вторичные структуры, извлечённые из них. Авторы также сообщают об улучшении предсказаний функций и о переносе возможностей structRFM на недавно добавленные семейства РНК и длинные некодирующие РНК.
✅ Набор из 21 млн пар, веса модели и исходный код открыты — другие исследователи могут использовать их для разработки моделей, учитывающих и последовательность, и структуру РНК. Однако обучающие данные распределены неравномерно: 66,3 % составляют рибосомные РНК, ещё 16,7 % — транспортные. Кроме того, Zfold хуже справляется с синтетическими РНК, содержащими многочисленные дальние взаимодействия, чем с природными, и иногда пропускает короткие локальные стебли.
