F5C-finder: نموذج لغوي حيوي قابل للتفسير ومجمع لتنبؤ تعديلات 5-فورميلسيتودين على الحمض النووي الرسول (mRNA)

كتعديل بيوجيني شائع وخاضع للتنظيم الديناميكي، يعتبر الفورميلسيتودين (f5C) حاسمًا في العديد من العمليات البيولوجية. ومع ذلك، غالبًا ما تكون الطرق التجريبية التقليدية لاكتشاف f5C مرهقة ومستهلكة للوقت، مما يحد من قدرتها على رسم خرائط لمواقع f5C عبر النسخ الكروموسومي بشكل شامل. بينما تقدم الأساليب الحاسوبية بديلًا فعالًا من حيث التكلفة وذو إنتاجية عالية، لم يتم تطوير أي نموذج للتعرف على f5C حتى الآن. مستوحاةً من نماذج اللغة في معالجة اللغات الطبيعية، تقدم هذه الدراسة نموذج f5C-finder، وهو نموذج مُركّب يستند إلى الشبكات العصبية ويستخدم تقنية الانتباه متعدد الرؤوس (multi-head attention) لاكتشاف f5C. تم استخدام خمسة طرق مختلفة لاستخراج الميزات لبناء خمس شبكات عصبية اصطناعية منفصلة، والتي تم دمجها بعد ذلك من خلال التعلم المُركّب لإنشاء f5C-finder. أظهرت اختبارات التحقق المتقاطع بعشرة أجزاء والاختبارات المستقلة أن f5C-finder يصل إلى أداء رائد (SOTA) بمعدل AUC يبلغ 0.807 و0.827 على التوالي. يؤكد هذا النتيجة فعالية نموذج اللغة البيولوجي في التقاط الترتيب (التسلسلي) والمعنى الوظيفي (الدلالات) داخل الجينومات. بالإضافة إلى ذلك، فإن القابلية للتفسير المدمجة تسمح لنا بفهم ما يتعلمه النموذج، مما يخلق جسرًا بين تحديد العناصر التسلسلية الرئيسية واستكشاف أعمق لوظائفها البيولوجية.