JIZHENG LI CHANGXIN FAN Hoi Ying LAU TIANYUE WU

الملخص

يُعدّ تحديد دقيق لبقايا ربط المعادن أمراً ضرورياً لدراسة البروتينات المحتوية على معادن، مثل بروتينات الأصابع الزنكية، والهيموغلوبين، وبروتينات البوليميراز DNA. نظراً لتكاليف الطرق التجريبية العالية ومتطلبات الوقت الكبيرة، تم تطبيق التنبؤ الحاسوبي. لكن تعقيد الحوسبة وصعوبة التوسع في الهياكل الثابتة عرقلت تطبيق هذه الأساليب. تقدم هذه الدراسة إطاراً عميقاً قائمًا على التسلسل (deep learning framework) مكوّناً من مرحلتين، يمكنه التنبؤ ببقايا الأحماض الأمينية المرتبطة بالزنك والحديد والمغنيسيوم في البروتينات. في المرحلة الأولى، تُعالج التسلسلات المُقسّمة إلى رموز (tokenized sequences) بواسطة شبكات عصبية تلافيفية أحادية البعد (CNNs) مستقلة، لإنتاج خرائط احتمالية لكل بقايا منفردة. وفي المرحلة الثانية، يُدمج شبكة تجميع خفيفة الوزن هذه الخرائط لتمثيل الترابطات بين المعادن وتحسين التنبؤات. يستخدم الإطار دالة خسارة تأخذ بعين الاعتبار التوازن غير المتكافئ (imbalance-aware loss function)، ويُطبّق تقييماً متعدداً (ensemble evaluation) لتعزيز الموثوقية. يتيح التصميم غير المُعتمد على البنية (structural agnostic) والمنفصل (modular) تدريباً وتنبؤاً فعّالين، مما يجعله مناسباً لتوثيق البروتوما على نطاق واسع.