公平划分颠覆排行榜：CHANRG揭示RNA次级结构预测中的有限泛化能力
生物大分子
2026-03-25 v1 机器学习
摘要
RNA次级结构预测的准确性是Transcriptome注释、非编码RNA的机制分析以及RNA疗法设计的基础。尽管深度学习和RNA基础模型取得了显著进展，但目前的基准测试可能高估了RNA家族间的泛化能力。我们提出了全面层次非编码RNA组别注释基准（CHANRG），该基准从Rfam 15.0中收集超过千万条序列，筛选出170,083条结构上非冗余的RNA，使用结构感知去重、基因组感知划分设计和多尺度结构评估。针对29个预测器，基础模型方法在持续 held-out 测试上实现了最高准确率，但在分布外情境下失去了大部分优势，而结构解码器和直接神经预测器显著更为稳健。该差距在控制序列长度后仍然存在，反映了结构覆盖度的丢失以及更高阶联结的错误。综合起来，CHANRG和一个无填充、对称性感知的评估堆叠提供了更严格且批次不变的框架，用于开发在分布外情境下具有可证明鲁棒性的RNA结构预测器。
引用
@article{arxiv.2603.22330,
title = {Fair splits flip the leaderboard: CHANRG reveals limited generalization in RNA secondary-structure prediction},
author = {Zhiyuan Chen and Zhenfeng Deng and Pan Deng and Yue Liao and Xiu Su and Peng Ye and Xihui Liu},
journal= {arXiv preprint arXiv:2603.22330},
year = {2026}
}