新加坡国立大学的张阳教授团队开发了深度学习框架DRfold2，显著提升了非编码RNA的三维结构预测精度，超越现有方法，为RNA结构解析提供了新计算手段，推动了分子生物学的发展。

本文概述了大型语言模型在科学计算应用中的使用案例，重点介绍了在科学文献和描述物理系统的专用语言中使用自然语言处理的情况。还讨论了医学、数学和物理学领域中使用聊天机器人样式的应用与领域专家进行问题解决的方法。此外，还审查了分子生物学中的专用语言，包括分子、蛋白质和DNA的使用。语言模型被用于预测特性，并以比传统计算方法更快的速度创建新型物理系统。

该研究构建了ProBio数据集，解决分子生物学中的重复性危机。提出了两个基准测试，评估现有视频理解模型的局限性。希望引起人工智能技术在分子生物学领域的关注。

本文讨论了分子生物学的中心法则及其在基因组、基因调控和蛋白质结构预测方面的应用。基因组中的基因负责蛋白质合成，基因调控决定基因在细胞内的表达。蛋白质结构预测是重要任务，AlphaFold和Enformer等深度学习模型取得了进展。预测蛋白质变体和基因调控建模也是研究重点。这些进展有助于理解生物过程、疾病诊断和药物开发。

microRNA分子生物学试验方法是参照传统基因研究方法结合microRNA自身特点建立的，这类方法侧重于： 发现新microRNA基因 microRNA表达检测 阐释功能机制 发现新microRNA基因主要有三种方法： 正向遗传学分析（线虫、果蝇） ...