BioSeq-Diabolo: تحليل تشابه التسلسلات البيولوجية باستخدام ديابولو

باعتباره المفتاح لتوقع بنية ووظيفة التسلسلات البيولوجية، وتشخيص الأمراض وعلاجها، جذبت تحليل تشابه التسلسلات البيولوجية المزيد والمزيد من الانتباه. ومع ذلك، فإن الطرق الحسابية الحالية فشلت في تحليل تشابه التسلسلات البيولوجية بدقة بسبب أنواع البيانات المتنوعة (DNA، RNA، بروتين، مرض، إلخ) وتشابهها المنخفض (تطابق بعيد). ولذلك، هناك حاجة إلى مفاهيم وتقنيات جديدة لحل هذه المشكلة التحديّة. يمكن اعتبار التسلسلات البيولوجية (تسلسلات DNA، RNA والبروتينات) كالجمل في "كتاب الحياة"، ويمكن اعتبار تشابهها كدلالات اللغة البيولوجية (BLS). في هذه الدراسة، نسعى إلى تقنيات تحليل الدلالات المستمدة من معالجة اللغة الطبيعية (NLP) لتحليل تشابه التسلسلات البيولوجية بشكل شامل ودقيق. تم تقديم 27 طريقة لتحليل الدلالات مستمدة من الـ NLP لتحليل تشابه التسلسلات البيولوجية، مما يوفر مفاهيم جديدة وتقنيات لتحليل تشابه التسلسلات البيولوجية. تظهر النتائج التجريبية أن هذه الطرق لتحليل الدلالات قادرة على تسهيل تطوير الكشف عن التطابق البعيد للبروتين، وتحديد ارتباط الدوائر RNA بالأمراض وإضافة وظائف البروتين، محققة أداءً أفضل من بقية المراهنين المتقدمين في المجالات ذات الصلة. بناءً على هذه الطرق لتحليل الدلالات، تم إنشاء منصة تسمى BioSeq-Diabolo، التي سميت على اسم رياضة تقليدية شعبية في الصين. يحتاج المستخدمون فقط إلى إدخال تمثيلات بيانات التسلسلات البيولوجية. ستقوم BioSeq-Diabolo بتحديد المهمة بذكاء، ثم تحليل تشابه التسلسلات البيولوجية بدقة بناءً على دلالات اللغة البيولوجية. ستقوم BioSeq-Diabolo بدمج تشابهات التسلسلات البيولوجية المختلفة بطريقة تحكمها الإشراف باستخدام التعلم لرتب (LTR)، وسيتم تقييم وتحليل أداء الطرق التي تم إنشاؤها لتوصية أفضل الطرق للمستخدمين. يمكن الوصول إلى خادم الويب والحزمة المستقلة لـ BioSeq-Diabolo على http://bliulab.net/BioSeq-Diabolo/server/.