L'ARN no és només el missatger entre l'ADN i les proteïnes: moltes molècules d'ARN regulen gens, catalitzen reaccions o fan d'estructura dins de la cèl·lula, i el que fan depèn de com es pleguen. Els anomenats models de llenguatge d'ARN, entrenats amb milions de seqüències com els xatbots s'entrenen amb text, han millorat molt les prediccions, però sovint aprenen només de la seqüència de lletres i no de la forma que pren la molècula.
Un equip liderat per S. Kevin Zhou i Peng Xiong, de la Universitat de Ciència i Tecnologia de la Xina (USTC), amb investigadors de la Universitat de Zhejiang, presenta a la revista «Nature» structRFM, un model entrenat amb 21 milions de parelles de seqüència i estructura d'ARN. Durant l'entrenament, el model ha d'endevinar fragments amagats de la seqüència tenint en compte quines bases s'aparellen entre si. Per reduir els errors de les estructures de partida, que surten de programes de predicció, l'equip les combina de diverses fonts en un conjunt que anomena MUSES. Segons l'article, structRFM marca nous rècords en la predicció de l'estructura secundària (el patró d'aparellaments), i la seva versió per a l'estructura tridimensional, Zfold, obté resultats comparables als d'AlphaFold 3 en les proves de referència CASP15, CASP16 i RNA-Puzzles.
El model també millora la predicció de funcions de l'ARN i funciona amb famílies de molècules publicades després de l'entrenament i amb ARN llargs no codificants, un grup encara poc conegut. Un punt important és que els autors han fet públics el conjunt de 21 milions de parelles, els paràmetres del model i el codi, cosa que permet a altres laboratoris comprovar-ne els resultats i construir-hi a sobre, una diferència notable amb eines tancades o d'ús restringit.
Cal llegir el resultat amb prudència: «comparable» a AlphaFold 3 vol dir que no el supera de manera general, i les comparacions es fan amb proves de referència, no amb experiments nous al laboratori. A més, bona part de les estructures d'entrenament no són mesurades sinó predites per altres programes, una font d'error que MUSES redueix però no elimina. L'ús real en el disseny de fàrmacs basats en ARN encara s'haurà de demostrar.