فهرست نشریات علمی دسترسی آزاد ایران

تعاملات RNA و پروتئین نقش مهمی در فرآیندهای بنیادی سلول که موثر در بیماریهای انسان، حیوانات، گیاهان و همچنین تنظیمات بیان ژن هستند، دارند. با این حال، الگو و نحوه انتخاب این تعاملات به خوبی درک نشده‌اند. همچنین به دلیل هزینه‌بر و زمان‌بر بودن روش‌های آزمایشگاهی، نیاز به توسعه روش‌های محاسباتی معتبر وجود دارد. پیشبینی این تعاملات، نیازمند بررسی اطلاعات ساختاری مولکول‌ها می‌باشد، در حالی که این اطلاعات همیشه در دسترس نیست. از طرفی نتیجه تحقیقات روی مدل‌های ترنسفورمر نشان می‌دهد که آن‌ها می‌توانند به خوبی از توالی‌های RNA و پروتئین اطلاعات بیوشیمیایی، بیوفیزیکی و ساختاری مهمی را استخراج کنند. در این تحقیق، از دو ترنسفورمر ProtAlbert و DNABERT استفاده شده تا نمایش مناسبی از ویژگی‌ توالی‌های RNA و پروتئین‌ ساخته شود. بردار‌های ویژگی استخراج شده به یک مدل یادگیری عمیق دوقلو ناهمسان داده شد تا تعاملات بین این دو مولکول را پیشگویی کند. نتایج بدست آمده نشان داد که روش پیشنهادی این تحقیق با داشتن میانگین دقت 92/3 درصد و میانگین مساحت زیر منحنی 96/6 درصد در مقایسه با روش‌های موجود بهتر عمل می‌کند.