美国弗吉尼亚理工大学研究团队开发出一种新型AI模型——RNAbpFlow，有效解决了RNA三维结构预测中数据稀缺的难题。该模型在RNA结构预测任务中的表现可媲美谷歌旗下“深度思维”公司开发的“阿尔法折叠3”，且无需依赖海量进化序列数据库，有望加速RNA靶向药物研发进程。相关研究成果于2026年6月30日发表在《自然·方法》期刊上。

与传统依赖进化信息推断的方法不同，该模型仅需RNA序列及碱基配对信息即可完成预测。RNAbpFlow采用流匹配技术，通过端到端方式，将完全随机的噪声在碱基配对信息引导下逐步“折叠”，直接生成RNA的全原子三维结构。这种生成方式不仅能精准预测，还能一次输出多个不同构象，从而更真实地反映RNA分子的动态变化。

在一项国际通用基准盲测中，该模型成功预测了14个RNA目标中的12个，准确率优于仅预测出8个的“阿尔法折叠3”。不过，研究团队也指出，对于尺寸更大、结构更加复杂的RNA，依赖丰富进化信息的现有预测平台仍具有一定优势，而RNAbpFlow则在数据稀缺的复杂场景中表现更为突出。目前，研究团队正开发升级版本并计划参加国际结构预测竞赛。

信息来源：

https://www.nature.com/articles/s41592-026-03128-4

https://www.news.cn/liangzi/20260701/3828c56013d240daaca6d80a8f8a3b4d/c.html