Nature刊RNA結構基礎模型structRFM

MUSES建構配對數據

團隊提出MUSES方法，整合ViennaRNA、CONTRAfold與BPfold三種預測工具，透過集成方式緩解單一預測器偏差，為約2100萬條RNA建立序列與二級結構配對數據，令大量序列具備可參與訓練的配對資訊。

在訓練環節，SgMLM把部分遮蔽位置交由配對關係決定，相關核苷酸被聯合遮住，恢復任務因此要求模型綜合其餘上下文；隨機掩碼策略同時保留並動態平衡，結構知識得以參與學習而無需綁定特定任務標籤。

內部結構訊號可察

研究抽取覆蓋19個家族的23994條RNA，以t-SNE投影序列特徵，預訓練模型對家族的區分明顯優於隨機模型，部分高響應位置與真實接觸圖中的配對相對應。

同源性測試中，structRFM在Rfam與ArchiveII600的特徵相似度分布重疊比例分別約為0.10與0.45，在17個生物語言模型中位居前四；116條PDB RNA的零樣本配對測試裡，最佳注意力頭INF為0.462。

結構任務量測效益

二級結構預測方面，模型在ArchiveII600與bpRNA-TS0上的INF分別為0.890與0.669，較未採用結構引導預訓練的對照相對提升4.46%與6.19%；在預訓練後發布的Rfam新家族整理出436條RNA上，兩種微調版本INF分別為0.648與0.698。

三級結構方面，成對特徵接入trRosettaRNA框架並由Zfold預測幾何約束，在CASP15、CASP16與RNA-Puzzles的平均TM-score分別為0.45、0.33與0.58；纏繞分析未檢測到打結偽影，但鍵角與平面性誤差仍較常見，局部構象質量尚有優化空間。

功能任務跨域驗證

剪接位點任務平均top-k準確率為0.416，IRES識別F1為0.701，13類非編碼RNA分類F1為0.979；人和小鼠長非編碼RNA分類採用重疊窗口策略，F1均超過0.94，說明輸入處理方式會影響既有模型的可用範圍。

團隊指出，從BPfold到structRFM的持續研究線索，是如何讓分子結構成為模型學習的有效資訊；未來可進一步連接三維構象、相互作用、功能註釋與自然語言，逐步建立更廣泛的多模態生物基礎模型。