← Últimos artigos
📄 biologia molecular

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

O B-RANKO é um novo modelo de fundação decodificador apenas bidirecional de 150M de parâmetros que unifica a geração de sequências de RNA de novo e o aprendizado de representação transferível, demonstrando um forte desempenho na geração de sequências biologicamente plausíveis e alcançando resultados competitivos em tarefas de engenharia de RNA.

Autores originais: Vucenik, F., Penic, R. J., Sikic, M.

Publicado 2026-11-16
📖 5 min de leitura🧠 Leitura aprofundada

Autores originais: Vucenik, F., Penic, R. J., Sikic, M.

Artigo original sob licença CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). ⚕️ Esta é uma explicação gerada por IA de um preprint que não foi revisado por pares. Não é aconselhamento médico. Não tome decisões de saúde com base neste conteúdo. Ler aviso legal completo

Dentro de cada célula viva, uma molécula chamada ácido ribonucleico, ou RNA, atua como um mensageiro e gestor vital. Enquanto o DNA detém o plano mestre da vida, o RNA é o trabalhador ativo que lê essas instruções, constrói proteínas e até catalisa reações químicas. Nos últimos anos, os cientistas perceberam que o RNA não é apenas um transportador passivo de informação, mas uma ferramenta programável com imenso potencial para a medicina e a biotecnologia. Por causa disso, pesquisadores recorreram à inteligência artificial para compreender e projetar novas moléculas de RNA, esperando criar terapias que possam visar doenças com alta precisão. No entanto, ensinar um computador a entender tanto a linguagem complexa do RNA quanto a inventar novas sequências funcionais provou ser difícil. A maioria dos modelos de IA existentes é boa em uma tarefa ou em outra, mas raramente em ambas, deixando uma lacuna em nossa capacidade de aproveitar plenamente o poder dessas moléculas.

Para unir essa divisão, uma equipe de pesquisadores da Universidade de Zagreb e do Instituto de Genoma de Singapura desenvolveu um novo sistema de inteligência artificial chamado B-RANKO. Este modelo foi projetado para fazer duas coisas ao mesmo tempo: aprender os padrões profundos do RNA natural para fazer previsões precisas e gerar sequências de RNA inteiramente novas do zero. Os pesquisadores treinaram o B-RANKO em uma coleção massiva de sequências de RNA conhecidas, extraídas de bancos de dados públicos que contêm milhões de exemplos. A inovação central reside na forma como o modelo lê e escreve essas sequências. Ao contrário dos modelos de IA padrão, que leem texto estritamente da esquerda para a direita, o B-RANKO utiliza um método único onde gera uma sequência de ambos os lados simultaneamente, movendo-se para dentro até que as duas metades se encontrem no meio. Essa abordagem imita a maneira como as moléculas de RNA se dobram naturalmente, onde as duas extremidades da fita frequentemente se unem para formar estruturas estáveis. Ao treinar o modelo para prever a próxima peça do quebra-cabeça de ambas as direções ao mesmo tempo, os pesquisadores permitiram que uma única arquitetura dominasse tanto a criação de novas moléculas quanto a análise das existentes.

Quando a equipe testou a capacidade do modelo de criar novo RNA, os resultados foram impressionantes. O computador gerou sequências que pareciam e se comportavam como moléculas biológicas reais. Elas tinham o equilíbrio químico correto e se dobravam em formas que eram fisicamente estáveis, muito parecidas com o RNA encontrado na natureza. Crucialmente, essas novas sequências não eram apenas cópias do que o modelo viu durante o treinamento. Quando os pesquisadores compararam as moléculas geradas com a vasta biblioteca de RNA conhecido, descobriram que uma grande parte das novas criações era inteiramente inédita, representando variações únicas que não existiam nos dados de treinamento. O modelo não apenas memorizou o passado; ele aprendeu as regras subjacentes da química do RNA bem o suficiente para imaginar novas possibilidades.

Os pesquisadores então colocaram o B-RANKO à prova em aplicações práticas, especificamente observando sua capacidade de projetar aptâmeros, que são moléculas de RNA engenheiradas para se ligarem a alvos específicos, tal como uma chave encaixando em uma fechadura. Após ajustar o modelo em um conjunto de dados de aptâmeros conhecidos, ele gerou com sucesso novos candidatos que correspondiam às propriedades desejadas. Em uma avaliação mais ampla através de treze tarefas diferentes, que variam desde prever como o RNA se dobra até determinar como ele interage com a maquinaria celular, o B-RANK_O apresentou uma força notável. Ele se destacou particularmente em tarefas de engenharia, como prever quão estável seria uma molécula de vacina ou quão bem uma ferramenta CRISPR atingiria um gene específico sem atingir os errados. Nessas áreas, superou muitos outros modelos líderes, demonstrando que sua capacidade de gerar novas sequências não ocorreu às custas da compreensão.

Embora o modelo tenha mostrado grande promessa, os pesquisadores foram cuidadosos ao notar suas limitações. Ele não foi igualmente perfeito em todas as tarefas; por exemplo, foi ligeiramente menos preciso ao prever os detalhes finos da estrutura interna do RNA em comparação com seu sucesso em aplicações de engenharia mais amplas. Isso sugere que, embora o modelo tenha capturado as regras gerais do comportamento do RNA, ainda há espaço para melhorias na compreensão dos detalhes locais mais intrincados. Além disso, as sequências geradas pelo computador foram, até o momento, avaliadas apenas por meio de simulação. O verdadeiro teste virá quando essas moléculas forem construídas em um laboratório e testadas em sistemas biológicos reais para ver se funcionam conforme o previsto.

O desenvolvimento do B-RANKO marca um passo significativo no campo da biologia computacional. Ao provar que um único modelo pode efetivamente aprender com a natureza e depois criar novas ferramentas biológicas, os pesquisadores forneceram uma estrutura unificada para o design de RNA. Essa abordagem oferece uma nova e poderosa maneira de explorar o vasto cenário das moléculas de RNA, potencialmente acelerando a descoberta de novos medicamentos e biotecnologias. O trabalho sugere que o futuro da engenharia de RNA pode não exigir ferramentas separadas para análise e criação, mas sim um sistema único e versátil capaz de fazer ambos, abrindo as portas para uma nova era da biologia programável.

Afogado em artigos na sua área?

Receba digests diários dos artigos mais recentes que correspondam às suas palavras-chave de pesquisa — com resumos técnicos, no seu idioma.

Experimentar Digest →