设计与特种蛋白相互作用的RNA分子是实验和计算生物学的关键挑战。现有的组合方法需要为每种特定蛋白质或RNA结构的详细知识进行大量实验确定的RNA序列,从而限制了它们在实践中的效用。为了解决此限制,我们开发了RNA Bang,这是一个基于深度学习的模型,旨在生成无需这些要求的蛋白质相互作用的RNA序列。我们方法的中心是一种新颖的生成方法,即bidirectient锚定生成(BANG),它杠杆化的观察结果是,蛋白质结合的RNA序列通常包含嵌入更广泛序列中环境中的功能结合性。我们首先验证我们的方法涉及与RNA中出现的类似局部图案的通用合成任务,证明了其比现有生成方法的好处。然后,我们对生物学序列进行评估,显示了其对结合蛋白的条件RNA序列设计的有效性。