该文综述深度学习在蛋白质二级结构预测中的应用，涵盖卷积网络、循环网络、DeepCNF及多任务学习等模型，Q8准确率约66%至73%。研究还涉及蛋白质语言模型、三级结构与功能预测，并强调开放数据与代码对可重复研究的重要性。

本文汇总了多项序列建模研究：E2Efold实现端到端RNA二级结构预测并强制约束，性能超越此前SOTA；RNAformer利用轴向注意力与潜变量循环在TS0上达到SOTA；双向LSTM模型改进蛋白质二级结构预测；cloned HMM以稀疏结构高效学习变长序列；此外还涉及大规模HMM精确推断、RNA三级结构建模、VHEM聚类HMM、故事脚本HMM推理、缺失位置未知下的HMM学习及HQMM参数学习算法。