本研究由储彦毅（Yanyi Chu）、殷迪（Di Yin）、于丹（Dan Yu）、徐广雪（Guangxue Xu）等学者共同完成，主要通讯作者为Mengdi Wang（普林斯顿大学）和Le Cong（斯坦福大学）。文章于2026年4月24日在线发表于《自然·机器智能》（Nature Machine Intelligence）第8卷，页码559–574，DOI为10.1038/s42256-026-01213-z。该研究构建了一套端到端的人工智能框架，用于内部核糖体进入位点（internal ribosome entry site，IRES）的识别、定向进化与从头生成，实现了可编程的RNA翻译调控。

在学术背景方面，IRES是一类存在于mRNA和环状RNA（circRNA）中的顺式作用RNA元件，能够不依赖5′帽结构而招募核糖体启动翻译。这种帽非依赖性翻译机制在细胞应激或病毒感染等帽依赖性翻译受抑制的条件下尤为重要。IRES在RNA疫苗和合成生物学中具有重要应用价值，但其结构–功能关系复杂，传统鉴定方法耗时费力，已确认的IRES数量有限，制约了对其共性特征的理解和理性设计。现有计算方法如IRESfinder、IRESpy和DeepCIP主要依赖手工特征工程，在线性mRNA与环状RNA之间跨场景适用性有限。针对这些挑战，作者提出了一个整合IRES识别、进化优化和从头生成三类任务的人工智能框架。

在工作流程方面，研究包含三个核心模块。第一模块为IRES-LM，一个集成语言模型，用于IRES识别。作者系统评估了多种RNA基础模型，最终选择在5′非翻译区（UTR）任务上表现优异的UTR-LM和在非编码RNA分析上具有优势的RNA-FM作为预训练模型，通过迁移学习构建IRES-UTRLM与IRES-RNAFM两个分类器，并以集成策略融合两者预测。训练数据来自Weingarten-Gabbay等研究、IRESbase、IRESite、Rfam及IRESpred的训练集，共46,774条二元标记序列，其中9,172条为IRES，37,602条为非IRES。模型以掩码语言模型损失和分类交叉熵损失联合微调。在基准比较中，作者以相同十折交叉验证设置重新训练了IRESfinder、IRESpy和DeepCIP。此外，模型在21条实验验证的环状RNA IRES上进行了跨场景泛化评估，并分析了模型表征与最小自由能（minimum free energy，MFE）和剪接得分之间的相关性。

第二模块为IRES-EA，一个基于进化算法的定向突变框架。算法通过序列掩码、基于IRES-LM恢复概率的突变采样和基于适应度的选择进行迭代优化。掩码策略包括随机掩码、连续掩码和基于注意力权重的掩码；恢复策略根据IRES-LM预测的核苷酸恢复概率生成候选序列。该模块在37,293条实验验证的非IRES序列上进行了计算评估，允许每条序列最多9个突变位点。实验验证包括对EMCV IRES（567 nt）和CVB3 IRES（740 nt）变异体的双顺反子荧光素酶报告实验，以及对12,000条突变序列的大规模平行报告分析（massively parallel reporter assay，MPRA）。MPRA采用双荧光双顺反子报告系统，以IRES依赖的GFP表达相对于组成型mCherry表达来衡量IRES活性；经慢病毒包装、转导和嘌呤霉素筛选后，通过流式细胞分选将细胞分为四个bin（bin 1为阴性，bin 2–4为阳性且活性递增），再经高通量测序定量各bin中的序列丰度，计算活性得分（activity score），得分≥2.0判定为功能性IRES。

第三模块为IRES-DM，一个基于去噪扩散概率模型（denoising diffusion probability model，DDPM）的从头生成模型。作者实现了固定长度（174 nt）和可变长度（≤200 nt）两个版本，并分别采用奖励引导和直接训练两种策略。奖励引导策略利用IRES-LM作为奖励模型计算交叉熵损失；直接训练策略仅优化序列生成本身。训练数据为9,172条IRES序列（可变长度）或其中7,348条174 nt序列（固定长度）。正向扩散过程将真实序列经one-hot编码后逐步加入高斯噪声；反向去噪过程使用U-Net噪声预测器逐步去噪。U-Net集成了多层自注意力和线性注意力机制，损失函数包括平均绝对误差（MAE）损失、负对数似然（NLL）损失和交叉熵（CE）损失。生成性能以GenerRNA（可变长度基准）和随机序列生成（固定长度基准）进行对照，并对12,000条生成序列进行了MPRA验证。此外，作者对实验验证序列进行了k-mer基序富集分析，重点关注6-mer和7-mer。

在主要结果方面，IRES-LM在十折交叉验证中AUC达0.78、AUPR达0.62、F1为0.51，较DeepCIP在AUC和AUPR上分别提高15%和10%，较IRESfinder在F1上提高15%。在环状RNA IRES识别上，IRES-LM正确识别了全部21条实验验证的IRES，而DeepCIP、IRESfinder和IRESpy分别仅识别15、9和7条。表征分析显示，IRES-UTRLM和IRES-RNAFM均无监督地学习到了MFE和剪接得分相关特征，第一主成分与MFE的Pearson相关系数分别为−0.510和0.570。IRES-EA在37,293条非IRES序列上有60%（22,243条）被预测转化为IRES，其中5%（1,864条）IRES概率超过0.9。实验上，EMCV和CVB3变异体全部保持高于阴性对照的IRES活性，高活性突变体维持野生型样二级结构。MPRA验证的11,930条序列中98.4%（11,746条）获得≥2.0的活性得分，平均得分2.45；bin 4比例与活性得分相关系数r=0.88，top 323高活性序列呈现bin 3/4渐进富集。IRES-DM生成序列在去除重复后数量约为GenerRNA的两倍（约6,000对2,944条），在IRES概率>0.5过滤后保留约2,100条（随机序列为952条）。MPRA验证的11,887条序列中99.3%（11,796条）具有功能性IRES活性，平均得分2.50。生成序列与天然BIP IRES仅有27.6%序列相似性却能维持相似二级结构。基序分析鉴定出36个高活性相关6-mer和22个7-mer基序，其中13个6-mer和19个7-mer为设计富集型（在天然IRES中频率≤5%且高活性/天然频率比≥2），并显示出基序数量与活性得分正相关的累积效应。

在结论与意义方面，该研究通过IRES-LM、IRES-EA和IRES-DM三个模块的整合，建立了从识别到定向改造再到从头生成IRES元件的完整框架。IRES-LM的跨线性mRNA与环状RNA泛化能力表明其学习到了IRES功能背后的通用模式。IRES-EA以98.4%的实验成功率证实了非IRES向功能性IRES的转化能力和IRES-LM的预测准确性。IRES-DM以99.3%的成功率证明了从头生成多样化功能性IRES的能力，并发现了天然进化未充分利用的高活性序列空间。该框架为RNA疫苗疗效提升、RNA治疗策略开发和合成生物学基因表达调控提供了分子工具，也为研究IRES序列–结构–功能关系提供了新的计算与实验结合范式。

本研究的主要亮点在于：第一，首次报道了从识别、突变诱导到从头生成的全链条IRES人工智能框架，实现了可编程RNA翻译；第二，IRES-LM在仅训练于线性mRNA IRES的情况下，对环状RNA IRES达到100%识别率，表现出跨RNA结构类型的泛化能力；第三，通过大规模MPRA（两个12,000条序列库）以超过98%的实验成功率验证了计算预测的可靠性；第四，IRES-DM生成了与天然BIP IRES仅27.6%序列相似但结构相似的功能性序列，并发现了天然进化中罕见但高活性的设计富集基序，拓展了IRES设计序列空间。这些方法和发现为下一代RNA疗法和合成生物学应用提供了重要的技术基础。