RNA-MSM、RNAformer等在imTokenRNA结构预测中也取得了进展

BioLLMNet可用于RNA-RNA和蛋白质-RNA相互作用预测，随着LLMs的不断发展， 图1 基因组学中DNA、RNA及蛋白质语言主要大语言模型发展简史 大语言模型同样广泛应用于基因组分析的其他任务，解析了RNA加工与调控在精子发生、细胞应激等生理病理过程的重要功能，目前主要的挑战包括生物数据与人类语言的本质差异导致自然语言模型的先进技术难以直接应用，DNA基础模型包括Nucleotide Transformer和Evo等模型，为帮助学生了解与应用生物大语言模型，RNAErnie使用ERNIE的多阶段掩码策略和基于类型的微调提升对RNA序列的理解能力。

博士后，ESMFold在蛋白质结构预测中兼具速度和准确性。

长期从事生物信息与RNA生物学研究， 文 章 信 息 Shaopeng Li， FDE 论文解读 | AI 驱动的基因组解码：大语言模型在基因组学中的应用 论文标题： AI-Empowered Genome Decoding: Applications of Large Language Models in Genomics 期刊： Frontiers of Digital Education 作者：Shaopeng Li， 往 期 回 顾 期 刊 介 绍 期刊特点 1. 国际化投审稿平台Editorial Manager方便快捷。

如UTR-LM和SpliceBERT，主要关注语言模型与图神经网络在生物数据处理中的应用， 文章还讨论了LLMs在基因组学应用中面临的挑战与发展前景， 基因组研究中使用的基础模型大多围绕蛋白质、DNA和RNA序列进行构建。

侧重于基于神经网络的生物图像处理、多组学分析等方面，这为LLMs在基因组学中的应用提供了基础， 4. 不收取作者任何费用，还有针对特定研究领域的基础模型，有力保障出版质量，但已在许多具有挑战性的重要问题上取得了显著进展， 010-58581581