– Atomic AI的ATOM-1大语言模型 (LLM) 展示了预测RNA结构和功能的最先进的准确性

– 可以利用技术来评估和优化开发基于RNA和RNA靶向药物模式的关键特征

– ATOM-1由Atomic AI内部收集的数十亿级化学测绘数据集独特支持

2023 年12月15日，Atomic AI宣布已创建了第一个利用化学图谱数据的大语言模型 (LLM)。在bioRxiv上发表的预印本论文中，Atomic AI描述了其专有的ATOM-1™平台组件，这是一个基础模型，可以准确预测RNA的结构和功能，并有助于优化 RNA 疗法的开发。

ATOM-1：基于化学作图数据的RNA结构和功能的基础模型

基于mRNA新冠疫苗的最新进展凸显了RNA疗法在治疗从传染病、癌症到神经退行性疾病等多种疾病方面的潜力。然而，由于缺乏可用于预测RNA结构和功能的数据，当前设计和发现RNA疗法的方法存在问题。迄今为止，生命科学界几乎没有可用的高质量RNA数据，因为现有方法，例如，用于收集体内信息的动物模型或用于确定3D RNA结构的冷冻电子显微镜 (cryo-EM)，难以进行数据收集和耗时过长。由于缺乏“真实”数据，优化关键RNA治疗特性（包括稳定性、毒性和翻译效率）一直具有挑战性。

 

Manjunath Ramarao博士

Atomic AI首席科学官

ATOM-1能够预测RNA结构和功能方面以及RNA模式的关键特征，包括小分子、mRNA疫苗、siRNA和环状RNA，以帮助有效设计治疗方法。我们的目标是创建一个简化的药物发现流程，以推进我们自己的管道，并与合作伙伴合作，帮助验证他们的RNA靶点和工具，最终快速、有效地为患者提供所需的治疗方法。

在论文《ATOM-1：基于化学图谱数据构建的RNA结构和功能的基础模型》中，Atomic AI 的研究人员利用定制湿实验室内部收集的大规模化学图谱数据创建了一个创新平台组件化验。科学家们收集了数百万条RNA序列的数据，并进行了超过10 亿个核苷酸水平的测量。通过这些数据的训练，ATOM-1对RNA有了丰富的了解，然后可以用来优化不同RNA模式的特性。

Stephan Eismann博士

Atomic AI创始科学家兼机器学习负责人

大语言模型(LLM)通过构建基于RNA核苷酸修饰和下一代测序的大型数据集，从而实现在RNA研究的广泛应用及其优化基于RNA药物的各种特性，例如mRNA 疫苗的稳定性和翻译效率或siRNA 的活性和毒性，我们为其潜力感到无比兴奋。

与之前发表的方法相比，ATOM-1能够更准确地预测RNA二级和三级结构。值得注意的是，在比较ATOM-1与其他疫苗设计计算工具的回顾性分析中，ATOM-1优于所有1,600 种其他预测溶液内mRNA稳定性的方法。基于这些结果，新的基础模型可以用有限的数据进行调整，以预测RNA的不同特性，不仅可以确定RNA的结构，还可以预测RNA疗法的其他关键特征。

 

Raphael Townshend博士

Atomic AI创始人兼首席执行官

在过去的两年半中，我们一直有目的地设计和收集数据来训练我们的基础模型。并且通过机器学习和生成人工智能，从而实现ATOM-1只需用少量的初始数据点进行调整即可高精度地预测RNA的结构和功能。

关于Atomic AI

Atomic AI是一家新兴生物技术公司，利用人工智能和结构生物学的尖端融合来解锁RNA 药物发现。Atomic AI的专有研发平台利用最先进的深度学习基础模型，将其与专门设计的内部湿式实验室检测方法整合为一个良性循环，以开发和设计专有的RNA 3D结构数据集。Atomic AI正在引领人工智能增强的结构生物学，并改变RNA靶向和基于RNA的药物设计，以治疗无法治愈的疾病。

文章来源：

https://www.businesswire.com/news/home/20231215527488/en/Atomic-AI-Creates-First-Large-Language-Model-Using-Chemical-Mapping-Data-to-Optimize-RNA-Therapeutic-Development

图片
分类： circRNA生物学, 前沿动态, 最新重要进展, 每周进展汇总, 研究思路与技术, 研究热点跟踪评论

发表评论