Accurately modeling and predicting RNA biology has been a long-standing challenge, bearing significant clinical ramifications for variant interpretation and the formulation of tailored therapeutics. We describe a foundation model for RNA biology, "BigRNA", which was trained on thousands of genome-matched datasets to predict tissue-specific RNA expression, splicing, microRNA sites, and RNA binding protein specificity from DNA sequence. Unlike approaches that are restricted to missense variants, BigRNA can identify pathogenic non-coding variant effects across diverse mechanisms, including polyadenylation, exon skipping and intron retention. BigRNA accurately predicted the effects of steric blocking oligonucleotides (SBOs) on increasing the expression of 4 out of 4 genes, and on splicing for 18 out of 18 exons across 14 genes, including those involved in Wilson disease and spinal muscular atrophy. We anticipate that BigRNA and foundation models like it will have widespread applications in the field of personalized RNA therapeutics.

Global navigation satellite system (GNSS) real-time kinematic (RTK) positioning is highly appreciated for realizing high-accuracy navigation and positioning in many fields. Noteworthily, correct and reliable ambiguity resolution is a prerequisite of high-accuracy RTK positioning. However, refining the delicate handling of ambiguity resolution estimator and resolution form is still a tough issue, especially in urban environments. We proposed a new resilient ambiguity resolution strategy driven by batch best integer equivariant (BIE) estimator. The proposed strategy can resiliently adopt the integer rounding, bootstrapping, integer least squares (ILS), and BIE, which are paired with full ambiguity resolution (FAR) or partial ambiguity resolution. To validate the effectiveness of the proposed strategy, deformation monitoring and vehicle-borne experiments are carried out, including in typical urban scenarios. The results show that, in the monitoring experiment, the three-dimensional (3D) positioning accuracy of the proposed strategy is improved by 84.9% compared to the commonly used ILS of FAR. For the vehicle-borne experiment in urban environments, the positioning solutions of the proposed strategy perform the best with a decimeter-level positioning accuracy, which coincide well with the reference trajectory. The proposed strategy has the highest positioning availability with 83.3% and 91.9% epochs of positioning errors smaller than 0.2 m and 0.5 m in horizontal direction, respectively, which is promising for autonomous driving at Level 3 and high-accuracy lane-level navigation applications in urban environments. In conclusion, our proposed strategy exhibits the best positioning accuracy and availability, which is especially suitable for urban environments.