RNA N6-methyladenosine（m6A）是一种关键的表观遗传修饰，与水稻的生长发育和应激反应密切相关。m6A的准确识别是揭示表型调控和分子机制的基础，直接关系到精准水稻育种与改良。然而，针对水稻m6A不定长序列，采用最大长度填充的方式会导致信息稀疏和无效填充，降低了特征提取的准确率。因此，针对这一研究方向，20级博士生刘梦雅同学提出了一种新型的深度学习框架MFDm6ARice，通过设计的多核特征融合模块和下采样残差特征嵌入模块进行水稻m6A位点预测。实验结果表明，MFDm6ARice在交叉验证及独立测试集上优于对比方法，具有良好的鲁棒性和泛化能力，并在玉米m6A的应用中展现了良好的可扩展性。

2024年11月28日，相关研究工作，"Multi-kernel feature extraction with dynamic fusion and downsampled residual feature embedding for predicting rice RNA N6-methyladenine sites"，被《Briefings in Bioinformatics》录用。该期刊是国际知名的生物信息学领域的学术性刊物，主要关注生物信息学和计算生物学的研究进展，涵盖生物信息学各个方面，包括数据分析、算法开发、人工智能与机器学习在生物学中的应用等。2024年期刊影响因子是6.8，中科院SCI期刊分区中数学与计算生物学方向的一区期刊，被选为该领域的Top期刊。