リボナンザ：デュアルクラウドソーシングによるRNA構造の深い学習

配列からのRNA構造の予測は未解決の問題のままであり、実験データの不足によって進行が遅くなっています。ここでは、Eternaおよびその他のクラウドソーシングイニシアチブを通じて収集された200万の多様なRNA配列に関する化学マッピング測定のデータセットであるRibonanzaを提示します。リボナンザの測定により、Kaggleチャレンジによる多様な深いニューラルネットワークの勧誘、トレーニング、および前向き評価が可能になり、その後、リボナンザネットと呼ばれる単一の自己完結型モデルへの蒸留が続きました。補助データセットで細かく調整されると、リボナンザネットは、実験シーケンスのドロップアウト、RNA加水分解分解、およびRNA二次構造のモデリングで最先端のパフォーマンスを実現し、RNA三次構造のモデリングに影響を与えます。

Prediction of RNA structure from sequence remains an unsolved problem, and progress has been slowed by a paucity of experimental data. Here, we present Ribonanza, a dataset of chemical mapping measurements on two million diverse RNA sequences collected through Eterna and other crowdsourced initiatives. Ribonanza measurements enabled solicitation, training, and prospective evaluation of diverse deep neural networks through a Kaggle challenge, followed by distillation into a single, self-contained model called RibonanzaNet. When fine tuned on auxiliary datasets, RibonanzaNet achieves state-of-the-art performance in modeling experimental sequence dropout, RNA hydrolytic degradation, and RNA secondary structure, with implications for modeling RNA tertiary structure.