Wir stellen eine RNA-Sprachmodell-basierte Deep-Learning-Pipeline für genaue und schnelle De-Novo-RNA-3D-Strukturvorhersagen vor, die eine hohe Genauigkeit bei der Modellierung einzelsträngiger RNAs und eine hervorragende Generalisierung über RNA-Familien und -typen hinweg zeigt und gleichzeitig in der Lage ist, lokale Merkmale wie interhelikale Winkel und Sekundärstrukturen zu erfassen.