RNAbpFlow是一种新型RNA三维结构预测模型，基于序列和碱基配对信息，无需多序列比对。该模型在CASP16竞赛中表现优异，成功预测大多数RNA靶标的结构，显示出其在RNA结构预测中的潜力和优势。

科学家发现灵长类特有的LncRNA-p21加速细胞衰老，干扰自噬系统，导致衰老细胞积累并释放炎症因子。该RNA在老鼠中不存在，可能是进化的副作用。研究者正在探索针对LncRNA-p21的干预方法，以开发抗衰老药物。

表观遗传变化是衰老的主要驱动因素，包括DNA甲基化、组蛋白修饰和非编码RNA。环境因素影响基因表达，导致细胞功能下降。研究表明，通过药物、运动和节食等干预措施可以逆转这些变化，延缓衰老。精准基因编辑和生活方式调整也有助于改善表观遗传状态。

抱歉，您提供的文本内容过于简短，无法进行有效的总结。请提供更详细的文章内容。

麻省理工学院的工程师利用机器学习模型设计纳米颗粒，以更高效地将RNA传递到细胞中。研究团队创建了3000种不同的脂质纳米颗粒（LNP）配方，并通过实验验证了模型的预测能力，显示出新配方的有效性。这种方法有望加速RNA疫苗及治疗代谢疾病的开发。

麦吉尔大学等机构开发的RNAmigos2是一种基于结构的RNA虚拟筛选方法，其速度比传统对接快一万倍，能够有效筛选化合物。这一方法在RNA药物发现中尤为重要，特别是针对ncRNA和肿瘤靶点，研究成果已公开，推动了RNA药物的开发。

cell2fate是一种新的RNA速率分析贝叶斯模型，通过剪接和未剪接RNA计数推断转录动力学。该模型线性化复杂微分方程，提供更准确的生物物理模型，增强细胞命运预测能力。研究表明，cell2fate在多个数据集中表现优异，能够捕捉细胞轨迹和动态过程。

华中师范大学与美国华盛顿大学和达特茅斯学院合作推出ZHMolGraph模型，结合图神经网络与无监督语言模型，显著提升RNA-蛋白质相互作用预测的准确性。该模型在基准数据集上取得79.8%的AUROC和82.0%的AUPRC，成为全基因组RNA-蛋白质预测的可靠工具。

麻省理工学院的研究人员开发了一种新型基因编辑工具TIGR系统，利用RNA引导至特定DNA位点。与CRISPR相比，TIGR系统更紧凑灵活，能够针对任意DNA序列，且不受短序列限制。这一发现为基因编辑开辟了新方向，研究团队正在探讨其在病毒中的自然角色及治疗应用。

科学家们发布了有史以来最大的生物人工智能模型Evo-2，该模型基于128,000个基因组进行训练，能够编写染色体并理解复杂的DNA变体。Evo-2由Arc研究所、斯坦福大学和NVIDIA共同开发，旨在帮助科研人员解读基因组特征并推动基因组设计的进步。