CGM第474期：AI驱动的基础模型技术解码RNA语言
RNA基础模型怎样识别植物转录组中的功能信息？报告介绍PlantRNA-FM在序列与结构数据上的学习，讨论功能元件解释和实验验证，连接模型预测与转录后调控问题。
于昊澎
英国约翰英纳斯中心 · 博士后研究员
博士，现任英国约翰英纳斯中心（John Innes Centre）博士后研究员，人类前沿科学计划（HFSP）学者。他目前的研究主要聚焦于采用生物信息和AI技术（包括机器学习，深度学习，大语言模型等），解码DNA/RNA序列和结构的生物学功能，特别是在以下几个方向：（1）训练DNA/RNA大语言模型并解析DNA/RNA功能性顺式作用元件；（2）采用全基因组体内RNA结构库数据解析RNA结构在转录后调控的功能；（3）开发生物学数据库、服务器以及基于知识图谱技术的AI对话模型。
活动回放
在 Bilibili 打开完整回放 ↗植物RNA蕴含丰富的生物调控信息，主导着生长、发育及环境适应。我们构建了PlantRNA-FM，一款专为植物转录组设计的高性能、可解释的RNA基础模型。该模型基于1124种植物的RNA序列与RNA结构数据预训练，在植物特定任务中表现卓越，基因区域注释F1值达0.974，远超现有最佳模型（0.639）。PlantRNA-FM具备强大的可解释性，可识别转录组中的RNA序列及二、三级结构功能元件，并通过实验验证发现与翻译相关的RNA结构，同时揭示这些功能元件在基因区域中的关键位置信息。PlantRNA-FM为解析植物转录组的功能RNA元件提供了有力工具，为RNA编程研究开辟新方向。
参考文献
- Haopeng Yu, Heng Yang, Wenqing Sun, Zongyun Yan, Xiaofei Yang, Huakun Zhang, Yiliang Ding, Ke Li. An interpretable RNA foundation model for exploring functional RNA motifs in plants. Nature Machine Intelligence. 2024;6(12):1616-1625. DOI: 10.1038/s42256-024-00946-z
评论（0）
登录后即可发表评论。
登录暂无评论，来发表第一条评论吧！