Plant RNA-FM是一种极具创新性的人工智能模型。它通过利用来自多达1100多种植物的RNA数据进行训练，致力于解码其中的遗传模式。这一举措旨在推进植物科学领域的研究，改善各类作物的品质与产量，从而有效应对全球农业所面临的诸多挑战。
在一项具有开创意义的研究合作中，一种别开生面的人工智能（AI）模型横空出世，其核心目标在于破解构成植物遗传“语言”的那些序列和结构模式。
这种被命名为“Plant RNA-FM”的创新模型在该领域堪称首创。它是由约翰英纳斯中心的植物研究人员与埃克塞特大学的计算机科学家携手合作开发而成的。
该模型的创造者们表示，这是一个意义非凡的技术突破，有望推动植物科学在发现与创新方面迈出新的步伐，并且有可能在无脊椎动物和细菌的相关研究中发挥重要作用。
RNA，就如同它更为大众所熟知的化学“亲戚”DNA一样，是存在于所有生物体中的关键分子。它肩负着以其独特的序列和结构承载遗传信息的重任。在基因组这个微观世界里，RNA的结构是由被称为核苷酸的构建块相互组合而形成的，而核苷酸的排列方式恰似语言中单词和短语的字母拼接方式。
解码RNA的复杂结构
丁义良教授所在的约翰英纳斯中心团队专注于RNA结构的研究，因为这是RNA分子的关键语言之一。RNA能够折叠形成复杂的结构，而这些结构可以对复杂的生物功能进行调节，例如植物的生长过程以及应激反应等。
为了更加深入地理解RNA的复杂“语言”及其所具备的功能，丁教授的团队积极与埃克塞特大学李科博士的团队展开合作。
双方共同开发出了PlantRNA-FM这一模型。该模型是在由540亿个RNA信息构成的庞大数据集上进行训练的，这些信息涵盖了1124种植物的遗传字母表。
在创建PlantRNA-FM的过程中，研究人员借鉴了像ChatGPT这类人工智能模型接受训练以理解人类语言的方法。人工智能模型通过对世界各地植物物种的RNA信息进行深入研究，学习基于植物的语言，进而全面掌握RNA在植物界中所发挥的作用。
就如同ChatGPT能够准确理解和回应人类语言一样，PlantRNA-FM已然学会理解RNA序列和结构的语法规则以及内在逻辑。
研究人员借助该模型对RNA功能做出了精准的预测，并且在转录组中成功确定了特定的功能性RNA结构模式。他们所做的预测已经通过实验得到了验证，结果表明PlantRNA-FM所鉴定出的RNA结构对遗传信息转化为蛋白质的效率产生了影响。
约翰英纳斯中心丁一亮教授小组的博士后研究员余浩鹏博士表示：“尽管RNA序列在人眼看来或许显得毫无规律、十分随机，但我们所研发的人工智能模型已经掌握了解码其中隐藏模式的技巧。”
具有未来潜力的合作努力
此次成功的合作还获得了东北师范大学和中国科学院科学家们的大力支持，他们也为此项工作贡献了自己的力量。
丁教授强调：“我们的PlantRNA-FM仅仅是一个开端。目前，我们正在与李博士的团队紧密协作，致力于开发更为先进的人工智能方法，以便深入了解自然界中隐藏的DNA和RNA语言。这一突破为理解和编程植物开辟了全新的可能，这极有可能对作物改良以及下一代基于人工智能的基因设计产生极其深远的影响。人工智能在助力植物科学家应对各种挑战方面正发挥着日益重要的作用，从保障全球人口的食物供应，到培育能够在不断变化的气候条件下茁壮成长的作物，都有着广阔的应用前景。”
