结构引导的 RNA 基础模型 structRFM 开源，登上《自然》
要点
中国科学技术大学医学影像智能与机器人实验室周少华教授、熊鹏特任研究员团队，发布了一款开源 RNA 序列基础模型 structRFM。相关研究成果于 11 月 5 日发表在国际学术期刊《自然》上，论文第一作者为朱河勤博士，周少华与熊鹏为共同通讯作者。这是中国科大 2026 年至今…
中国科学技术大学医学影像智能与机器人实验室周少华教授、熊鹏特任研究员团队，发布了一款开源 RNA 序列基础模型 structRFM。相关研究成果于 11 月 5 日发表在国际学术期刊《自然》上，论文第一作者为朱河勤博士，周少华与熊鹏为共同通讯作者。这是中国科大 2026 年至今以第一署名及通讯单位在《自然》《科学》《细胞》三大刊发表的第 16 篇成果。
这类工作的切入点，是把“结构”提前搬进预训练。RNA 通过碱基配对形成二级结构，并进一步折叠为三维构象，结构直接牵动分子的生物学活性与相互作用。过去 RNA 基础模型多只从海量序列里学规律，而 structRFM 在算法设计阶段就让模型同时学习序列上下文与结构依赖，用约 2100 万条经计算注释的序列—二级结构配对数据做预训练。预训练完成后，模型仅凭输入序列，就能提取序列级、核苷酸级和核苷酸对级三层特征，用于多种下游的结构与功能推断。
把效果拆开看，结构引导带来的增益落在两条线上。一条是结构预测：模型在零样本同源性分类中表现良好，二级结构预测性能提升；把这些特征注入三级结构预测模型后，三维结构及其对应二级结构的预测也一同改善。另一条是功能推断：模型支持剪接位点预测、内部核糖体进入位点（IRES）识别和非编码 RNA 分类，并通过分段策略扩展到长链非编码 RNA；在新发布的 RNA 家族上，模型仍保持了较好的二级结构预测表现。消融实验进一步验证了“引入结构信息”与“掩码策略”各自对性能提升的贡献。
从方法价值而非单点指标去理解，这项研究回应的是生物序列模型长期面临的错配：有海量序列、却缺结构标注。把结构知识前移到预训练阶段，等于用计算注释替代一部分实验数据，是 AI for Science 里最实际的省成本路径。这也解释了为什么团队选择完全开放——实验室已放出完整的配对数据、模型权重和源代码，为结果复现与后续模型开发提供可复用资源。
不过另一方的视角也值得记一笔。研究者自己承认，结构信息的有效利用仍面临挑战：结构注释本身可能存在预测误差，而针对特定结构任务设计的训练目标，也可能限制模型在其它任务中的泛化。论文也提示，具体 RNA 的生物学功能仍需要湿实验验证，合成 RNA、长程相互作用以及部分局部茎结构，依旧是难以啃下的硬骨头。换句话说，方法上的省成本，不等于绕开了实验确认这一关。
对国内 AI for Science 而言，这一次开源的意义不止于一篇《自然》论文。把权重和代码直接摊开，等于把“序列—结构—功能”的基线能力交给社区去复现、去二次开发，后续谁能把它接进药物发现、病原体 RNA 分析等真实场景，才是这场开源真正的落脚点。
