Nat Commun丨沈宁团队开发大模型RNA相关预测的统一基准测试框架

背景：RNA在基因表达调控、蛋白质合成及疾病发生机制中发挥核心作用，随着高通量测序数据的增长，预训练基因组语言模型（gLMs）成为从序列中破译生命密码的重要工具，但现有模型规模庞大、架构复杂，且缺乏系统性性能评估，限制了其应用。研究目的：为系统评估gLMs在RNA相关预测任务中的表现，沈宁团队开发了统一的基准测试框架，对11种主流gLMs在非编码RNA分类、m6A修饰预测、可变剪接位点预测和翻译效率预测四类任务中进行多指标对比，旨在提供模型选择指南。结论：研究发现模型性能受预训练数据匹配度、输入长度和分词策略交互影响，并非“模型越大越好”，并提出了基于数据量、任务类型和计算资源的选型导引；gLMs在小样本和长上下文场景具优势，但存在长序列处理与计算成本的矛盾，未来需融合多组学数据和高效架构。该工作填补了评测空白，并开源代码框架推动领域发展。