yakRNA：多模态RNA语言模型开启核酸序列设计新纪元

yakRNA是一款基于深度学习的多模态RNA序列生成模型，拥有1.1亿参数规模，支持二级结构、共有序列、基因本体（GO）术语等多种条件约束的RNA设计。该开源工具为生物信息学和合成生物学研究提供了强大支持，开启了RNA序列设计的新纪元。

RNA分子在生命系统中扮演关键角色（如传递遗传信息、催化蛋白质合成、调控基因表达）。随着合成生物学和RNA疗法的发展，精确设计特定功能与结构RNA的需求日益增长。传统基于物理化学模拟或实验筛选的方法耗时耗力，而人工智能（尤其是大规模语言模型）为该领域带来革命性可能。

yakRNA是专门用于RNA序列设计的多模态语言模型，区别于普通文本生成模型，其训练目标是理解和生成符合生物物理约束的RNA序列。核心能力包括五种生成模式：无条件生成（仅目标长度）、二级结构约束生成、共有序列约束生成、GO术语约束生成、序列填充（infilling）。这些模式可单独或组合使用，实现多模态条件生成。

• 二级结构约束：支持点括号表示法（如"((((....))))"）指定目标结构，提供五种约束强度（严格/经典/经典+剪切/经典+常见/宽松），适配不同应用场景。
• GO术语约束：创新性支持GO术语（如"GO:0075523"对应病毒转录抑制）作为生成条件，直接用生物学术语描述目标功能。
• 共有序列约束：整合进化保守信息，生成保留家族功能特征的新序列，可与二级结构约束组合使用。

应用场景：多模态组合生成可满足复杂需求（如RNA药物设计需同时考虑结构稳定性、功能保守性和靶向性）；可用于设计核糖开关、适体、核酶，或优化mRNA疫苗稳定性、降低免疫原性。 部署与使用：模型权重托管于Hugging Face，支持CLI和Python API；提供Google Colab笔记本（无GPU资源也可使用）；环境要求：Python3.10、16GB内存，推荐NVIDIA GPU+CUDA；跨平台支持（Linux/macOS有对应Conda配置）。

yakRNA通过深度学习与生物物理约束结合，为RNA设计提供强大灵活的工具。其MIT开源许可证鼓励广泛贡献，有望在RNA疗法和合成生物学领域发挥重要作用。对于相关领域研究者，这是值得关注和尝试的开源项目。