Un equipo de la USTC publica structRFM, un modelo base abierto de ARN entrenado con 21 millones de pares secuencia-estructura
El artículo en Nature afirma que su adaptación 3D, Zfold, rinde de forma comparable a AlphaFold3 en CASP15, CASP16 y RNA-Puzzles; el conjunto de datos, los pesos y el código son abiertos.
Por qué importa
La mayoría de los modelos de lenguaje de ARN aprenden solo de la secuencia, pero la función del ARN depende de cómo se pliega. structRFM incorpora el apareamiento de bases al preentrenamiento y usa un conjunto multifuente de estructuras secundarias llamado MUSES para reducir el sesgo de un solo predictor. Los autores informan de nuevos récords en predicción de estructura secundaria y mejoras en tareas funcionales, incluidas familias de ARN recién publicadas y ARN largos no codificantes. Como el conjunto de 21 millones de pares y los pesos son públicos, otros grupos pueden comprobar la comparación con AlphaFold3; habrá que ver resultados independientes y su uso en diseño de fármacos de ARN.
Datos clave
- Publicado en Nature el 4 de noviembre de 2026
- Entrenado con 21 millones de pares secuencia-estructura de ARN
- Usa MUSES, un conjunto multifuente de estructuras secundarias
- La adaptación 3D Zfold es comparable a AlphaFold3 en CASP15, CASP16 y RNA-Puzzles
- Datos, pesos y código fuente abiertos
- Desarrollado en la Universidad de Ciencia y Tecnología de China