الدافع: تؤدي الأجسام المضادة دورًا جوهريًا في الجهاز المناعي للحيوانات ذات الدم الحار، وهي أدوات قوية في البحث والتشخيص. وعلى الرغم من أن مناطق التغير الفائق في الأجسام المضادة، التي تُسهم في الارتباط، يمكن تحديدها بسهولة من خلال تسلسل الأحماض الأمينية، إلا أن تحديد الأحماض الأمينية الدقيقة التي ستتلامس مع المستضد (أي المنطقة المحددة للارتباط، أو الـ paratope) ما زال يشكل تحديًا دقيقًا. النتائج: في هذه الدراسة، نقدّم خوارزمية احتمالية قائمة على التسلسل باستخدام التعلم الآلي العميق لتنبؤ الـ paratope، تُدعى Parapred. تعتمد Parapred على بنية تعلم عميق لاستغلال السمات من البيئة المحلية للحمض الأميني، وكذلك من كامل التسلسل. تُظهر الطريقة تحسنًا كبيرًا مقارنة بالأساليب الحالية الأفضل، وتتطلب فقط تسلسلًا من الأحماض الأمينية المقابل لمنطقة التغير الفائق كمدخل، دون الحاجة إلى أي معلومات حول المستضد. كما نُظهر أن تنبؤاتنا يمكن استخدامها لتحسين كلاً من السرعة والدقة في خوارزمية التوصيل الثابتة (rigid docking). التوفر والتنفيذ: يمكن الوصول إلى طريقة Parapred مجانًا عبر خادم ويب على الرابط http://www-mvsoftware.ch.cam.ac.uk/، كما يمكن تنزيلها من خلال GitHub على الرابط https://github.com/eliberis/parapred. للاتصال: [email protected] أو [email protected]. معلومات إضافية: تتوفر معلومات إضافية على موقع Bioinformatics الإلكتروني.