Ustc lanza el modelo de base de secuencias de arn open-source structRFM, publicado en nature

Los investigadores del Laboratorio de Imágenes Médicas y Robótica de la Universidad de Ciencia y Tecnología de China (USTC) han presentado structRFM, un modelo de base de código abierto para secuencias de ARN. Este modelo mejora el rendimiento en diversas tareas posteriores relacionadas con la predicción de la estructura del ARN y la inferencia funcional, lo que podría ayudar en la investigación científica impulsada por la IA y el descubrimiento de fármacos. Este logro marca la 16ª publicación de USTC con el primer autor y la afiliación correspondiente en Nature, Science o Cell desde principios de 2026. El equipo, liderado por el profesor Zhou Shaohua y el investigador asociado Xiong Peng, desarrolló structRFM entrenándolo con aproximadamente 21 millones de pares de secuencias anotadas-estructura secundaria, integrando el conocimiento estructural en el aprendizaje de secuencias a gran escala. structRFM permite la extracción de características a nivel de secuencia, nucleótido y dinucleótido utilizando únicamente la secuencia de entrada. Los resultados experimentales muestran que el modelo funciona bien en la clasificación de homología en cero intentos y mejora la predicción de la estructura tridimensional cuando se incorporan sus características. Además, admite tareas de inferencia funcional como la predicción de sitios de splicing y la clasificación de ARN no codificado. Los datos completos, los pesos del modelo y el código fuente están disponibles públicamente para garantizar la reproducibilidad.