في عالم البيولوجيا الجزيئية، تلعب عناصر الحمض النووي دوراً أساسياً في تنظيم التعبير الجيني، مما يجعل فهم التغيرات بين الأنماط الطبيعية (Wild-Type) والمعدلة (Knockout) قضية محورية. في دراسة حديثة، استخدم العلماء شبكة عصبية تعمقة تُعرف باسم WTKO-CNN، مزودة بآلية انتباه، لتصنيف تسلسلات الحمض النووي بين هذين النوعين.

تطرق الباحثون إلى كيفية تأثير المنظمين الكروماتينيين على البرامج التعبيرية من خلال تعديل وصول العناصر الجينية التنظيمية. لتحقيق ذلك، قاموا بتطبيق نموذج التعلم الآلي المتقدم للتحقق من أداء النموذج في تصنيف DNA بشكل دقيق.

بعد تنفيذ النموذج، تم إنشاء خرائط دلالية (Saliency Maps) لتحديد المواقع النيوكليوتيدية الأكثر تأثيراً على قرار التصنيف، وهو ما مهد الطريق لاكتشاف أنماط جديدة من خلال تجميع عناصر معينة تسمى k-mers.

تمكنت هذه الأنماط المكتشفة من توفير معلومات بيولوجية قيمة، حيث استطاع الفريق التحقق منها باستخدام أدوات مثل MEME وTOMTOM وHOMER، مما ساعد في التعرف على مواقع ربط عوامل النسخ (Transcription Factors) المُعروفة. توصلت الدراسة إلى تحديد أنماط مرتبطة بعائلات معينة من عوامل النسخ، مما يبرز فعالية خريطة الدلالة في الكشف عن الخصائص الوظيفية التسلسلية.

تُعَد هذه الدراسة تأكيداً على فوائد استخدام تقنيات التعلم العميق في مجال البيولوجيا، وقد تفتح هذه النتائج الأبواب لفهم أعمق لكيفية التحكم في الجينات وتطوير علاجات جديدة للأمراض.