RNA的三维结构具有动态性和多样性，通过与特定小分子结合，可以动态调控RNA构象，从而影响其功能。由于RNA的结构信息与序列信息之间存在显著差异，如何有效利用两种属性精准预测RNA-小分子结合位点仍是一个具有挑战性的任务。因此，针对这一问题，21级硕士生杨箫同学提出了一种新型的深度学习框架RSMBSP-DON，通过设计的双路特征提取和一维多尺度特征融合模块进行RNA-小分子结合位点预测。实验结果表明，RSMBSP-DON在独立测试集上优于对比方法，具有良好的预测性能和鲁棒性。

2025年4月18日，相关研究工作，"RSMBSP-DON: RNA-Small Molecule Binding Sites Prediction by Dual-path feature extraction and One-dimensional multi-scale feature fusion Network"，被 《IEEE Transactions on Artificial Intelligence》录用。《IEEE Transactions on Artificial Intelligence》是一个多学科的期刊，主要是报道人工智能领域的最新研究成果。