論文の概要: A Comparative Review of RNA Language Models

• arxiv url: http://arxiv.org/abs/2505.09087v1
• Date: Wed, 14 May 2025 02:40:13 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-15 21:44:09.35435
• Title: A Comparative Review of RNA Language Models
• Title（参考訳）: RNA言語モデルの比較検討
• Authors: He Wang, Yikun Zhang, Jie Chen, Jian Zhan, Yaoqi Zhou,
• Abstract要約: 我々は、RNA LMを3つのクラスに分けた(複数のRNAタイプ、特定の目的RNA、DNAまたはタンパク質または両方とRNAを統一するLM)。 13のRNA LMと3つのDNAと1つのタンパク質 LMを比較し、RNA二次構造と機能分類のゼロショット予測の制御を行った。 その結果, 二次構造予測モデルでは, 機能分類やその逆が良く, よりバランスのとれた教師なしトレーニングが必要であることが示唆された。
• 参考スコア（独自算出の注目度）: 12.899321790353238
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given usefulness of protein language models (LMs) in structure and functional inference, RNA LMs have received increased attentions in the last few years. However, these RNA models are often not compared against the same standard. Here, we divided RNA LMs into three classes (pretrained on multiple RNA types (especially noncoding RNAs), specific-purpose RNAs, and LMs that unify RNA with DNA or proteins or both) and compared 13 RNA LMs along with 3 DNA and 1 protein LMs as controls in zero-shot prediction of RNA secondary structure and functional classification. Results shows that the models doing well on secondary structure prediction often perform worse in function classification or vice versa, suggesting that more balanced unsupervised training is needed.
• Abstract（参考訳）: 構造と機能的推論におけるタンパク質言語モデル(LM)の有用性を考えると、RNA LMはここ数年で注目されている。 しかし、これらのRNAモデルは、しばしば同じ標準と比較されない。 そこで本研究では、RNA LMを3つのクラスに分類し、RNAの二次構造と機能的分類のゼロショット予測の制御として、3つのRNA LMと3つのDNAと1つのタンパク質 LMを比較した。 その結果, 二次構造予測モデルでは, 機能分類やその逆が良く, よりバランスのとれた教師なしトレーニングが必要であることが示唆された。

関連論文リスト

• Comprehensive benchmarking of large language models for RNA secondary structure prediction [0.0]
  RNA-LLMはRNA配列の大規模なデータセットを使用して、自己教師付き方法で、意味的に豊かな数値ベクトルで各RNA塩基をどう表現するかを学ぶ。 その中で、二次構造を予測することは、RNAの機能的機構を明らかにするための基本的な課題である。 本稿では,いくつかの事前学習されたRNA-LLMの総合的な実験解析を行い,それらを統合されたディープラーニングフレームワークにおけるRNA二次構造予測タスクと比較する。
  論文  参考訳（メタデータ） (2024-10-21T17:12:06Z)
• RNA-FrameFlow: Flow Matching for de novo 3D RNA Backbone Design [41.80588259094431]
  本稿では3次元RNAバックボーン設計のための最初の生成モデルであるRNA-FrameFlowを紹介する。 我々は、剛体フレームと関連する損失関数の集合としてRNA構造を定式化する。 3次元RNAデータセットの多様性の欠如に対処するため、構造的クラスタリングと収穫増強によるトレーニングについて検討する。
  論文  参考訳（メタデータ） (2024-06-19T21:06:44Z)
• BEACON: Benchmark for Comprehensive RNA Tasks and Language Models [60.02663015002029]
  本稿では、最初の包括的なRNAベンチマークBEACON(textbfBEnchmtextbfArk for textbfCOmprehensive RtextbfNA Task and Language Models)を紹介する。 まずBEACONは、構造解析、機能研究、工学的応用を網羅した、これまでの広範囲にわたる研究から導かれた13のタスクから構成される。 第2に、CNNのような従来のアプローチや、言語モデルに基づく高度なRNA基盤モデルなど、さまざまなモデルについて検討し、これらのモデルのタスク固有のパフォーマンスに関する貴重な洞察を提供する。 第3に、重要なRNA言語モデルコンポーネントについて検討する。
  論文  参考訳（メタデータ） (2024-06-14T19:39:19Z)
• Accurate RNA 3D structure prediction using a language model-based deep learning approach [50.193512039121984]
  RhoFold+はRNA言語モデルに基づくディープラーニング手法で、配列から単一鎖RNAの3次元構造を正確に予測する。 RhoFold+はRNA 3D構造予測のための完全に自動化されたエンドツーエンドパイプラインを提供する。
  論文  参考訳（メタデータ） (2022-07-04T17:15:35Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。