研究团队进一步将该方法应用于RNA表观遗传修饰的检测，实现了多达7种常见修饰核苷酸的同时检测，包括5-甲基胞苷（m5C）、N6-甲基腺苷（m6A）、N7-甲基鸟苷（m7G）、N1-甲基腺苷（m1A）、肌苷（I）等。

这是nanopore首次报道对如此多种核苷酸修饰的直接检测和完美区分，充分展示了MspA对微小结构差异甚至修饰异构体的优异分离度。该方法理论上适用于各种核苷酸、核苷酸修饰和核苷酸衍生物的检测。

随后，研究团队开发了RNA表观遗传修饰信号数据库的机器学习算法，以辅助纳米孔事件的自动识别。通过选取每种核苷酸的500个标准事件作为训练集，并对各种机器学习模型进行评估，研究团队获得了最优的线性SVM模型。该模型能以99.6%的准确率区分11种核苷酸，并能识别混合核苷酸样品的成分，为真实环境下的核苷酸检测提供了自动化数据分析工具。