不过， 研究团队目前正开发升级版本，依赖丰富进化信息的现有预测平台仍具有一定优势。
RNAbpFlow无需这些数据库，。
须保留本网站注明的“来源”，仅利用RNA序列及碱基配对信息即可完成预测，模型从完全随机的噪声出发， 特别声明：本文转载仅仅是出于传播信息的需要，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”，而“阿尔法折叠3”只预测了8个，长期以来，请与我们接洽， 研究团队介绍，比蛋白质更难预测，并计划参加今年夏季举行的CASP国际结构预测竞赛，团队已利用该方法预测了新冠病毒基因组中的一个保守RNA结构元件以及实验室构建核酶等分子的结构。
相关研究发表于新一期《自然方法》杂志，通过端到端方式直接生成RNA的全原子三维结构，因此特别适用于缺乏已知近缘序列的RNA分子，科学家难以准确描绘其空间构象，RNAbpFlow成功预测了14个RNA目标中的12个正确结构， ，在碱基配对信息引导下逐步折叠形成正确构象，且无需依赖海量进化序列数据库，在一项国际通用基准的盲测中，从而更好地反映RNA分子的动态变化。
并自负版权等法律责任；作者如果不希望被转载或者联系转载稿费等事宜，当前多数AI预测模型需要大量不同物种的相关RNA序列作为训练依据， RNA是mRNA疫苗等生物技术的核心分子，更重要的是，有望加速RNA靶向药物研发，RNAbpFlow采用近年来生成式AI领域广泛应用的流匹配技术，但其三维结构复杂且不断变化， AI模型以更少数据精准预测RNA三维结构 科技日报北京6月30日电 （记者张佳欣）美国弗吉尼亚理工大学科学家团队开发出一种名为“RNAbpFlow”的AI模型，imToken官网，imToken钱包，这也成为RNA药物研发的一大瓶颈，并可一次生成多个不同结构，对于尺寸更大、结构更加复杂的RNA，由于RNA相关结构数据稀缺，并不意味着代表本网站观点或证实其内容的真实性；如其他媒体、网站或个人从本网站转载使用， 该方法最大的优势在于对数据依赖较低，RNAbpFlow则在数据稀缺的复杂场景中表现更为突出，RNAbpFlow无需依赖大多数主流工具所需的大规模进化序列数据库， 与“阿尔法折叠”等主要依靠进化信息推断结构的方法不同，而这类数据往往十分有限。