性能远超当前SOTA，首个可解释RNA的AI植物基础模型来了，整合1124种植物RNA信息

植物rna的复杂序列蕴含着丰富的生物调控信息，这些信息在植物生长发育和环境适应中扮演着关键角色。近期，基于基础模型（fm）的最新研究成果展现了其在解读生物学“语言”方面的巨大潜力。来自东北师范大学、英国约翰·英尼斯中心和埃克塞特大学的研究团队开发了plantrna-fm，一款专为植物设计的、高性能且可解释的rna基础模型。

该模型整合了来自1124种植物物种的RNA序列和结构信息，在植物特异性下游任务中表现出色，其基因区域注释F1评分高达0.974，显著优于现有最佳模型（0.639）。PlantRNA-FM拥有强大的可解释性框架，能够识别具有生物学功能的RNA序列和结构基序，包括跨转录组的二级和三级结构基序，从而帮助植物学家破译植物中的RNA密码。这项研究成果已发表在《Nature Machine Intelligence》杂志上。

研究团队通过实验验证了PlantRNA-FM在识别植物翻译相关RNA基序方面的能力，并强调了这些功能性RNA基序在基因区域位置信息的重要性。

PlantRNA-FM模型详解

随着AI领域基础模型的兴起，生命科学研究也迎来了新的机遇。基础模型通常包含数百万甚至数十亿个参数，通过自监督学习方式对海量未标记数据进行预训练，这为生物学研究提供了理想的数据基础。更重要的是，基础模型具有高度适应性，可以微调以解决复杂的生物学问题。

为了理解RNA，研究人员利用RNA序列信息对PlantRNA-FM进行预训练。然而，仅有序列信息是不够的，因为RNA的二级和三级结构基序对其功能至关重要。PlantRNA-FM创新性地整合了来自1124种植物物种的RNA序列、注释和结构信息，全面捕捉了植物转录组的多样性。

图1：PlantRNA-FM预训练阶段示意图。

PlantRNA-FM在转录组水平上鉴定了对翻译功能至关重要的RNA基序，包括RNA序列以及二级和三级结构基序。这一成果标志着在解读转录组中核苷酸复杂调控密码方面取得了重大进展，为基于RNA的基因调控研究开辟了新的途径。

卓越性能与实际应用

研究团队利用1124个物种的转录组测序数据构建了PlantRNA-FM的预训练数据集，并针对RNA理解而非生成进行了优化。其标记化方法确保了在预训练过程中RNA结构基序的完整性。此外，他们还整合了RNA注释信息（CDS和UTR）并采用了先进的预训练技术。

PlantRNA-FM在多个数据集上的F1评分分别为0.750、0.924和0.981，显著高于其他模型。得益于对RNA结构信息的整合，PlantRNA-FM能够更准确地预测RNA结构。在与其他四个先进FM的基准测试中，PlantRNA-FM在植物特异性数据集上的基因区域注释预测中，F1评分领先第二名近50%。

图2：在植物特异性数据集上微调PlantRNA-FM。

研究团队还建立了一个可解释性框架，并开发了真实模型和背景模型进行对比分析，结果表明真实模型成功学习了相关RNA特征。

图3：模型可解释框架揭示了翻译相关的RNA特征。

通过注意力对比矩阵和无监督分层聚类策略，研究团队进一步确定了与翻译相关的RNA二级结构基序，并发现了高GC碱基对的低翻译相关基序与GC和AU碱基对比例平衡的高翻译相关基序之间的差异。PlantRNA-FM还能够识别转录组中的功能性RNA三级结构基序，例如rG4s。

开创性意义

PlantRNA-FM能够全面分析功能性RNA基序的类型、基因位置及其对基因表达的调控作用，这比传统的基因分析方法更具优势。该模型的开发是AI技术在植物科学领域的重大突破，有望推动植物科学研究和创新，并可能应用于其他生物学研究领域，对作物改良和下一代基于AI的基因设计产生深远影响。PlantRNA-FM是首个整合RNA序列和结构信息的可解释RNA基础模型，它为破译RNA密码，理解和调控植物基因表达提供了全新的视角。

原文链接：https://www.huida178.com/link/cedb0f1d9cba94cdb32f8ee05c8485e3

相关报道：https://www.huida178.com/link/d92871c9c3bdac4f3a6fb4458ca07c9a

源代码：https://www.huida178.com/link/26e0b344f4faa0d570b2ece2dde83d75

以上就是性能远超当前SOTA，首个可解释RNA的AI植物基础模型来了，整合1124种植物RNA信息的详细内容，更多请关注慧达安全导航其它相关文章！