← Neueste Arbeiten
📄 Molekularbiologie

B-RANKO: An ncRNA Foundation Model with Bidirectional Decoder-Only Architecture

B-RANKO ist ein neuartiges bidirektionales Decoder-only-Fundamentmodell mit 150 Mio. Parametern, das die De-novo-RNA-Sequenzgenerierung und das übertragbare Repräsentationslernen vereinigt und eine starke Leistung bei der Generierung biologisch plausibler Sequenzen sowie wettbewerbsfähige Ergebnisse bei RNA-Engineering-Aufgaben demonstriert.

Ursprüngliche Autoren: Vucenik, F., Penic, R. J., Sikic, M.

Veröffentlicht 2026-11-16
📖 5 Min. Lesezeit🧠 Tiefgang

Ursprüngliche Autoren: Vucenik, F., Penic, R. J., Sikic, M.

Originalarbeit lizenziert unter CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dies ist eine KI-generierte Erklärung eines Preprints, das nicht peer-reviewed wurde. Dies ist kein medizinischer Rat. Treffen Sie keine Gesundheitsentscheidungen auf Grundlage dieses Inhalts. Vollständigen Haftungsausschluss lesen

In jeder lebenden Zelle fungiert ein Molekül namens Ribonukleinsäure oder RNA als lebenswichtiger Botenstoff und Verwalter. Während die DNA den Masterplan des Lebens enthält, ist die RNA die aktive Arbeitskraft, die diese Anweisungen liest, Proteine aufbaut und sogar chemische Reaktionen katalysiert. In den letzten Jahren haben Wissenschaftler erkannt, dass RNA nicht nur ein passiver Informationsträger ist, sondern ein programmierbares Werkzeug mit immensem Potenzial für die Medizin und Biotechnologie. Aus diesem Grund haben Forscher auf künstliche Intelligenz zurückgegriffen, um neue RNA-Moleküle zu verstehen und zu entwerfen, in der Hoffnung, Therapien zu entwickeln, die Krankheiten mit hoher Präzision bekämpfen können. Es hat sich jedoch als schwierig erwiesen, einen Computer sowohl die komplexe Sprache der RNA verstehen als auch neue, funktionale Sequenzen erfinden zu lassen. Die meisten bestehenden KI-Modelle sind gut in einer oder der anderen Aufgabe, aber selten in beiden, was eine Lücke in unserer Fähigkeit hinterlässt, die Kraft dieser Moleküle voll auszuschöpfen.

Um diese Kluft zu überbrücken, hat ein Forscherteam der Universität Zagreb und des Genome Institute of Singapore ein neues System der künstlichen Intelligenz namens B-RANKO entwickelt. Dieses Modell ist darauf ausgelegt, zwei Dinge gleichzeitig zu tun: die tiefen Muster natürlicher RNA zu erlernen, um präzise Vorhersagen zu treffen, und völlig neue RNA-Sequenzen von Grund auf neu zu generieren. Die Forscher trainierten B-RANKO auf einer massiven Sammlung bekannter RNA-Sequenzen, die aus öffentlichen Datenbanken mit Millionen von Beispielen stammen. Die zentrale Innovation liegt darin, wie das Modell diese Sequenzen liest und schreibt. Im Gegensatz zu Standard-KI-Modellen, die Text strikt von links nach rechts lesen, verwendet B-RANKO eine einzigartige Methode, bei der es eine Sequenz gleichzeitig von beiden Enden her generiert und sich nach innen bewegt, bis die beiden Hälften in der Mitte aufeinandertreffen. Dieser Ansatz ahmt die Art und Weise nach, wie sich RNA-Moleküle natürlich falten, wobei die beiden Enden des Strangs oft zusammenkommen, um stabile Strukturen zu bilden. Durch das Training des Modells, das nächste Puzzleteil aus beiden Richtungen gleichzeitig vorherzusagen, ermöglichten die Forscher eine einzige Architektur, die sowohl die Erstellung neuer Moleküle als auch die Analyse bestehender zu beherrschen.

Als das Team die Fähigkeit des Modells testete, neue RNA zu erschaffen, waren die Ergebnisse beeindruckend. Der Computer generierte Sequenzen, die wie echte biologische Moleküle aussah und sich auch so verhielt. Sie wiesen das richtige chemische Gleichgewicht auf und falteten sich in Formen, die physikalisch stabil waren, ganz ähnlich wie die in der Natur vorkommende RNA. Entscheidend war, dass diese neuen Sequenzen keine bloßen Kopien dessen waren, was das Modell während des Trainings gesehen hatte. Als die Forscher die generierten Moleküle mit der riesigen Bibliothek bekannter RNA verglichen, fanden sie heraus, dass ein großer Teil der neuen Kreationen völlig neuartig war und einzigartige Variationen darstellte, die in den Trainingsdaten nicht existierten. Das Modell hatte die Vergangenheit nicht einfach nur auswendig gelernt; es hatte die zugrunde liegenden Regeln der RNA-Chemie so gut begriffen, dass es neue Möglichkeiten vorstellen konnte.

Die Forscher setzten B-RANKO dann praktischen Anwendungen aus, wobei sie speziell die Fähigkeit untersuchten, Aptamere zu entwerfen – dies sind RNA-Moleküle, die so konstruiert sind, dass sie an spezifische Ziele binden, vergleichbar mit einem Schlüssel, der in ein Schloss passt. Nach der Feinabstimmung des Modells auf einen Datensatz bekannter Aptamere generierte es erfolgreich neue Kandidaten, die den gewünschten Eigenschaften entsprachen. In einer breiteren Evaluierung über dreizehn verschiedene Aufgaben hinweg – die von der Vorhersage der RNA-Faltung bis hin zur Bestimmung der Interaktion mit zellulären Mechanismen reichten – zeigte B-RANKO eine bemerkenswerte Stärke. Es zeichnete sich besonders bei den Konstruktionsaufgaben aus, wie etwa der Vorhersage, wie stabil ein Vakzin-Molekül wäre oder wie gut ein CRISPR-Werkzeug ein spezifisches Gen targetieren würde, ohne falsche Ziele zu treffen. In diesen Bereichen übertraf es viele andere führende Modelle und demonstrierte damit, dass seine Fähigkeit, neue Sequenzen zu generieren, nicht auf Kosten des Verständnisses ging.

Obwohl das Modell großes Potenzial zeigte, wiesen die Forscher vorsichtig auf seine Grenzen hin. Es war nicht bei jeder einzelnen Aufgabe gleichermaßen perfekt; zum Beispiel war es bei der Vorhersage der feinen Details der internen Struktur der RNA etwas weniger genau als bei seinem Erfolg in breiteren Konstruktionsanwendungen. Dies deutet darauf hin, dass das Modell zwar die allgemeinen Regeln des RNA-Verhaltens erfasst hat, es aber noch Raum für Verbesserungen beim Verständnis der komplexesten lokalen Details gibt. Zudem wurden die vom Computer generierten Sequenzen bisher nur durch Simulationen evaluiert. Der wahre Test wird erst erfolgen, wenn diese Moleküle in einem Labor gebaut und in realen biologischen Systemen getestet werden, um zu sehen, ob sie wie vorhergesagt funktionieren.

Die Entwicklung von B-RANKO markiert einen bedeutenden Fortschritt auf dem Gebiet der computergestützten Biologie. Indem sie bewiesen haben, dass ein einziges Modell effektiv von der Natur lernen und dann neue biologische Werkzeuge erschaffen kann, haben die Forscher einen einheitlichen Rahmen für das RNA-Design bereitgestellt. Dieser Ansatz bietet eine leistungsstarke neue Möglichkeit, die riesige Landschaft der RNA-Moleküle zu erkunden und potenziell die Entdeckung neuer Medikamente und Biotechnologien zu beschleunigen. Die Arbeit legt nahe, dass die Zukunft des RNA-Engineerings möglicherweise keine separaten Werkzeuge für Analyse und Erstellung erfordert, sondern vielmehr ein einziges, vielseitiges System, das beides leisten kann, was die Tür zu einer neuen Ära der programmierbaren Biologie öffnet.

Ertrinken Sie in Arbeiten in Ihrem Fachgebiet?

Erhalten Sie tägliche Digests der neuesten Arbeiten passend zu Ihren Forschungsbegriffen — mit technischen Zusammenfassungen, in Ihrer Sprache.

Digest testen →