← Nieuwste papers
📄 moleculaire biologie

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

B-RANKO is een nieuw 150M-parameter bidirectioneel decoder-only fundatiemodel dat de novo RNA-sequentiegeneratie en overdraagbaar representatieleer verenigt, waarbij het sterke prestaties demonstreert in het genereren van biologisch plausibele sequenties en concurrerende resultaten behaalt op RNA-engineeringtaken.

Oorspronkelijke auteurs: Vucenik, F., Penic, R. J., Sikic, M.

Gepubliceerd 2026-11-16
📖 5 min leestijd🧠 Diepgaand

Oorspronkelijke auteurs: Vucenik, F., Penic, R. J., Sikic, M.

Oorspronkelijk artikel gelicentieerd onder CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Dit is een AI-gegenereerde uitleg van een preprint die niet peer-reviewed is. Dit is geen medisch advies. Neem geen gezondheidsbeslissingen op basis van deze inhoud. Lees de volledige disclaimer

In elke levende cel fungeert een molecuul genaamd ribonucleïnezuur, of RNA, als een vitale boodschapper en manager. Terwijl DNA de meesterblauwdruk voor het leven bevat, is RNA de actieve werker die die instructies leest, eiwitten bouwt en zelfs chemische reacties katalyseert. In de afgelopen jaren hebben wetenschappers beseft dat RNA niet slechts een passieve drager van informatie is, maar een programmeerbaar hulpmiddel met een enorme potentie voor geneeskunde en biotechnologie. Daarom hebben onderzoekers zich tot kunstmatige intelligentie gewend om nieuwe RNA-moleculen te begrijpen en te ontwerpen, in de hoop therapieën te creëren die ziekten met hoge precisie kunnen aanpakken. Het is echter moeilijk gebleken om een computer zowel de complexe taal van RNA te laten begrijpen als nieuwe, functionele sequenties te laten verzinnen. De meeste bestaande AI-modellen zijn goed in één van beide taken, maar zelden in beide tegelijk, wat een gat laat in ons vermogen om de kracht van deze moleculen volledig te benutten.

Om deze kloof te overbruggen, heeft een team onderzoekers van de Universiteit van Zagreb en het Genome Institute van Singapore een nieuw systeem voor kunstmatige intelligentie ontwikkeld genaamd B-RANKO. Dit model is ontworpen om twee dingen tegelijk te doen: de diepe patronen van natuurlijk RNA leren voor nauwkeurige voorspellingen, en geheel nieuwe RNA-sequenties vanaf nul te genereren. De onderzoekers trainden B-RANKO op een enorme collectie bekende RNA-sequenties, afkomstig uit publieke databases die miljoenen voorbeelden bevatten. De kerninnovatie ligt in de manier waarop het model deze sequenties leest en schrijft. In tegen tegenstelling tot standaard AI-modellen die tekst strikt van links naar rechts lezen, gebruikt B-RANKO een unieke methode waarbij het een sequentie vanaf beide uiteinden tegelijkertijd genereert, waarbij het naar binnen beweegt totdat de twee helften elkaar in het midden ontmoeten. Deze aanpak bootst de manier na waarop RNA-moleculen zich natuurlijk vouwen, waarbij de twee uiteinden van de streng vaak samenkomen om stabiele structuren te vormen. Door het model te trainen om het volgende puzzelstukje vanuit beide richtingen tegelijkertijd te voorspellen, stelden de onderzoekers een enkele architectuur in staat om zowel de creatie van nieuwe moleculen als de analyse van bestaande moleculen te beheersen.

Toen het team de bekwaamheid van het model om nieuwe RNA te creëren testte, waren de resultaten opmerkelijk. De computer genereerde sequenties die eruitzagen en zich gedroegen als echte biologische moleculen. Ze hadden de juiste chemische balans en vouwden zich in vormen die fysiek stabiel waren, net als het RNA dat in de natuur wordt gevonden. Cruciaal was dat deze nieuwe sequenties niet simpelweg kopieën waren van wat het model tijdens de training had gezien. Toen de onderzoekers de gegenereerde moleculen vergeleken met de enorme bibliotheek van bekende RNA, ontdekten ze dat een groot deel van de nieuwe creaties volledig nieuw was, wat unieke variaties vertegenwoordigde die niet in de trainingsdata voorkwamen. Het model had de geschiedenis niet simpelweg memoriseert; het had de onderliggende regels van de RNA-chemie goed genoeg geleerd om nieuwe mogelijkheden te kunnen bedenken.

De onderzoekers zetten B-RANKO vervolgens op de proef in praktische toepassingen, waarbij ze specifiek keken naar het vermogen om aptameren te ontwerpen, wat RNA-moleculen zijn die zijn ontworpen om aan specifieke doelwitten te binden, vergelijkbaar met een sleutel die in een slot past. Na het verfijnen van het model op een dataset van bekende aptameren, genereerde het succesvol nieuwe kandidaten die aan de gewenste eigenschappen voldeden. In een bredere evaluatie over dertien verschillende taken, variërend van het voorspellen van hoe RNA vouwt tot het bepalen van de interactie met cellulaire machinerie, presteerde B-RANKO met opvallende kracht. Het blonk met name uit in engineeringtaken, zoals het voorspellen van hoe stabiel een vaccinmolecuul zou zijn of hoe goed een CRISPR-instrument een specifiek gen zou targeten zonder de verkeerde genen te raken. Op deze gebieden presteerde het beter dan veel andere leidende modellen, wat aantoonde dat het vermogen om nieuwe sequenties te genereren niet ten koste ging van het begrip.

Hoewel het model veelbelovend was, merkten de onderzoekers voorzichtig op dat het niet even perfect was bij elke taak; het was bijvoorbeeld iets minder accuraat in het voorspellen van de fijne details van de interne structuur van RNA in vergelijking met het succes in bredere engineeringtoepassingen. Dit suggereert dat hoewel het model de algemene regels van RNA-gedrag heeft gevangen, er nog steeds ruimte is voor verbetering in het begrijpen van de meest ingewikkelde lokale details. Bovendien zijn de door de computer gegenereerde sequenties tot nu toe alleen via simulatie geëvalueerd. De echte test zal komen wanneer deze moleculen in een laboratorium worden gebouwd en in echte biologische systemen worden getest om te zien of ze functioneren zoals voorspeld.

De ontwikkeling van B-RANKO vormt een belangrijke stap voorwaarts in het vakgebied van de computationele biologie. Door te bewijzen dat één enkel model effectief kan leren van de natuur en vervolgens nieuwe biologische instrumenten kan creëren, hebben de onderzoekers een verenigd kader geboden voor RNA-ontwerp. Deze aanpak biedt een krachtige nieuwe manier om de uitgestrekte landschap van RNA-moleculen te verkennen, wat de ontdekking van nieuwe medicijnen en biotechnologieën potentieel kan versnellen. Het werk suggereert dat de toekomst van RNA-engineering mogelijk geen aparte tools vereist voor analyse en creatie, maar eerder een enkel, veelzijdig systeem dat beide kan doen, wat de deur opent naar een nieuw tijdperk van programmeerbare biologie.

Verdrinkt u in papers in uw vakgebied?

Ontvang dagelijkse digests van de nieuwste papers die bij uw onderzoekswoorden passen — met technische samenvattingen, in uw taal.

Probeer Digest →