RNop은 심층 학습 기반의 새로운 mRNA 최적화 방법론이다. 기존 방법들의 한계점인 정확성, 계산 효율성, 다중 목표 최적화 능력을 동시에 달성하기 위해, 3백만 개 이상의 시퀀스 데이터셋을 활용하여 GPLoss, CAILoss, tAILoss, MFELoss 네 가지 손실 함수를 설계하였다. 이를 통해 mRNA 서열의 정확성을 유지하면서 종 특이적 코돈 적응, tRNA 가용성, 그리고 mRNA 이차 구조 특징을 동시에 최적화한다. in silico 및 in vivo 실험을 통해 RNop의 효과를 검증하였으며, 기존 방법보다 높은 시퀀스 정확성과 계산 처리량(최대 47.32 시퀀스/초)을 달성하고, 기능성 단백질의 발현량을 크게 증가시켰음을 확인하였다.
