跳到主要内容

# RNA序列设计

2 篇关联报道

researchsquare.com 2026年11月9日
RNA序列设计改用离散扩散：不靠折叠预言机，也能生成结构匹配且彼此差异大的候选
RNA逆折叠长期依赖迭代优化和外部折叠算法打分，生成过程受初始化影响且容易收敛到局部解。该工作把多项式扩散直接定义在核苷酸序列上，用目标二级结构引导去噪，并比较二维接触图投影与一维配对感知两种架构。在同分布测试集上，二维与一维模型的中位归一化RNAforester相似度分别为0.82和0.79，生成序列的多样性接近随机序列水平。
RNA逆折叠长期依赖迭代优化和外部折叠算法打分，生成过程受初始化影响且容易收敛到局部解。该工作把多项式扩散直接定义在核苷酸序列上，用目标二级结构引导去噪，并比较二维接触图投影与一维配对感知两种架构。在同分布测试集上，二维与一维模型的中位归一化RNAforester相似度分别为0.82和0.79，生成序列的多样性接近随机序列水平。
Weihenstephan-Triesdorf University of Applied Sciences Max Planck Society
Georg Back（第一作者、通讯作者）
RNA逆折叠多项扩散 RNA序列设计
bioRxiv 2026年9月28日
RNASeek 以 16 亿参数跨门转录组模型实现 RNA 功能预测与 GRPO 引导设计，生成核酶达野生型活性、3′ UTR 超越训练数据
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。
Columbia University Irving Medical Center University of California, Riverside
Shiyuan Chen（第一作者）Joy S. Xiang（通讯作者）
RNASeek RNA基础模型组相对策略优化 RNA序列设计

已读完全部报道