# RNA基础模型

作者提出 RNASeek——一个基于 DeepSeek 架构、在跨门转录组语料上训练的 16 亿参数生成式基础模型，用自然语言 token 实现条件预测与序列设计；该模型在零样本下捕捉物种特异性转录特征与内含子-外显子边界，经微调可预测核酶自切割活性与病毒 mRNA 稳定性并揭示环柔性、茎稳定性及 AU 富集基序等可解释特征，再以这些功能预测器作为奖励模型、用 GRPO 更新生成策略，产出满足用户指定 IUPAC 约束的更快切割核酶与增强稳定性的 3′ UTR，其中实验验证的生成核酶达到野生型活性水平，生成的 3′ UTR 超过训练数据与已基准测试的 AI 生成 3′ UTR 的表现。

作者提出 RNASeek——一个基于 DeepSeek 架构、在跨门转录组语料上训练的 16 亿参数生成式基础模型，用自然语言 token 实现条件预测与序列设计；该模型在零样本下捕捉物种特异性转录特征与内含子-外显子边界，经微调可预测核酶自切割活性与病毒 mRNA 稳定性并揭示环柔性、茎稳定性及 AU 富集基序等可解释特征，再以这些功能预测器作为奖励模型、用 GRPO 更新生成策略，产出满足用户指定 IUPAC 约束的更快切割核酶与增强稳定性的 3′ UTR，其中实验验证的生成核酶达到野生型活性水平，生成的 3′ UTR 超过训练数据与已基准测试的 AI 生成 3′ UTR 的表现。