只看RNA的碱基序列，像只读一根纸带上的文字，却不知道纸带折起后哪些位置会贴在一起。问题在于，RNA会形成茎、环等结构，这些形状关系到它的稳定性、结合对象和功能。Nature收录的structRFM因此不只学习“写了什么”，还学习哪些碱基彼此配对。
团队在2100万组RNA序列—结构对上预训练。核心做法仍像完形填空：遮住部分碱基，让模型猜回来；但它加入了pair-matching操作，把碱基配对关系纳入线索。团队还用MUSES——汇集多个来源的二级结构——减轻单一预测器的偏差，并动态调整遮盖比例，平衡结构关系与单个碱基的学习。这里的配对信息不能等同于完整三维骨架。
据作者报告，structRFM可适配结构预测、功能判断等任务，并能泛化到新发布的RNA家族和长链非编码RNA；其数据集、模型权重和源码均已开放。