一款开创性的人工智能（AI）模型能够解读构成植物遗传“语言”的序列和结构模式，通过一项协作研究努力被引入。
植物RNA-FM被认为是首款此类AI模型，由约翰·因尼斯中心的植物科学家和埃克塞特大学的计算机研究人员合作创建。
根据其开发者的说法，该模型代表了一项重要的技术进步，可以激发植物科学的新发现，并有可能扩展到涉及无脊椎动物和细菌的研究。
RNA与更为人熟知的DNA相似，是所有生物体中发现的重要分子，在通过其序列和结构传递遗传信息方面发挥着关键作用。RNA的排列由被称为核苷酸的各种构建块组成，按类似于字母如何形成单词和句子的模式组织。
约翰·因尼斯中心的丁怡良教授团队专注于RNA结构，这是RNA分子的一个基本方面，使其能够折叠成复杂的配置，支配包括植物生长和对压力的反应在内的复杂生物功能。
为了深入理解RNA的复杂语言及其作用，丁教授的团队与埃克塞特大学的李可博士团队进行了合作。
他们共同创建了PlantRNA-FM，这是一款基于包含540亿个RNA信息片段的大型数据集培训的AI模型，代表了1,124种植物的遗传字母表。
在开发PlantRNA-FM时，研究人员采用了用于训练像ChatGPT这样的AI模型以理解人类语言的技术。该AI通过分析全球不同植物种类的RNA数据，学习了植物基础语言，从而具备了对RNA在植物王国中功能的全面理解。
就像ChatGPT可以解读和响应人类语言，PlantRNA-FM也适应了理解RNA序列和结构中固有的规则和逻辑。
团队已经将该模型应用于准确预测RNA功能，并在转录组中定位特定的功能RNA结构模式。他们的预测已通过实验得到验证，证明PlantRNA-FM识别的RNA结构影响将遗传信息转化为蛋白质的效率。
“虽然RNA序列在我们人类看来似乎是随机的，但我们的AI模型经过训练可以揭示其中的潜在模式，”约翰·因尼斯中心丁怡良教授团队的博士后研究员余浩鹏博士评论道。
这项成功的合作还得到了中国东北师范大学和中国科学院的科学家的支持，他们为这项研究做出了贡献。
丁教授指出，“我们的PlantRNA-FM项目不过是个开始。我们正与李博士的团队紧密合作，探索更复杂的AI方法，以解码自然界中DNA和RNA的隐藏语言。这项突破为理解和潜在编程植物提供了新的机会，对提升作物和推动下一代AI驱动的基因设计具有重要意义。AI正逐步在帮助植物科学家应对全球粮食安全等挑战以及开发能够适应气候变化的作物中发挥关键作用。”
“一个可解释的RNA基础模型用于探索植物中的功能RNA基序”已在Nature Machine Intelligence上发表。
