DOI: https://doi.org/10.1038/s41598-026-41489-0
PMID: https://pubmed.ncbi.nlm.nih.gov/41741563
تاريخ النشر: 2026-02-25
المؤلف: Aasem N. Alyahya وآخرون
الموضوع الرئيسي: تعلم الآلة في المعلوماتية الحيوية
نظرة عامة
تقدم ورقة البحث Hybrid-Sumo، وهو نموذج تعلم عميق مصمم للتنبؤ بمواقع SUMOylation، والتي تعتبر حاسمة لعمليات بيولوجية مختلفة وتنظيم الخلايا. SUMOylation، وهو تعديل ما بعد الترجمة القابل للعكس والذي يتضمن ارتباط معدلات صغيرة تشبه اليوبكويتين (SUMOs) بمخلفات الليسين، ضروري لتنظيم الجينات واستقرار البروتين. يدمج نموذج Hybrid-Sumo ثلاث تقنيات متقدمة لاستخراج الميزات: تعرض نصف الكرة (HSE)، مصفوفة تسجيل محددة الموضع مع تحويل الموجات المنفصلة (PSSM-DWT)، وتمثيلات الترميز ثنائية الاتجاه من المحولات (BERT). باستخدام خوارزمية SHapley Additive exPlanations (SHAP) لاختيار الميزات المثلى، يحقق النموذج معدلات دقة ملحوظة تصل إلى 99.74% على مجموعات البيانات المرجعية و96.15% و95.83% على مجموعات البيانات المستقلة المتوازنة وغير المتوازنة، على التوالي، متفوقًا على النماذج الحالية.
تؤكد الدراسة على أهمية تحديد مواقع SUMOylation بدقة بسبب تداعياتها في الأمراض مثل الزهايمر والسرطان والسكري. تم التحقق من أداء Hybrid-Sumo من خلال التحقق المتقاطع الصارم 10 مرات، مما يوضح قوته في التطبيقات الواقعية. تشمل اتجاهات البحث المستقبلية التحقق من النموذج عبر أنواع مختلفة ومجموعات بيانات محددة الأنسجة، ودمج بيانات البروتيوميات التجريبية لأهمية سريرية، ومعالجة تحديات قابلية التوسع من خلال الحوسبة المتوازية. بالإضافة إلى ذلك، فإن إمكانية توسيع Hybrid-Sumo للتنبؤ بتعديلات ما بعد الترجمة الأخرى، مثل اليوبكويتين والفوسفات، يمكن أن تمهد الطريق لمنصة شاملة لعلم الأنظمة والطب الدقيق.
مقدمة
تسلط مقدمة ورقة البحث الضوء على الدور الحاسم لتعديلات ما بعد الترجمة (PTMs) في تنظيم وظيفة البروتين، مع التركيز بشكل خاص على SUMOylation. يتضمن SUMOylation الارتباط التساهمي لبروتينات المعدل الصغير الشبيه باليوبكويتين (SUMO) بمخلفات الليسين، مما يؤثر على عمليات خلوية مختلفة مثل النقل النووي السيتوبلازمي، وتنظيم النسخ، وإصلاح الحمض النووي. تم ربط هذا التعديل بالأمراض التنكسية العصبية، مما يبرز أهميته في الحفاظ على توازن الخلايا والتعبير الجيني. تشير الورقة إلى الاهتمام المتزايد بالنماذج الحاسوبية للتنبؤ بمواقع SUMOylation، والتي تعتبر ضرورية لفهم العمليات البيولوجية وتطوير أهداف علاجية.
يقترح المؤلفون نموذجًا حاسوبيًا جديدًا، Hybrid-Sumo، مصممًا لتعزيز التنبؤ بمواقع SUMOylation من خلال دمج ثلاث تقنيات مبتكرة لاستخراج الميزات: تعرض نصف الكرة (HSE)، BERT، وPsePSSM-DWT. يستخدم هذا النموذج آلية اختيار ميزات موجهة بواسطة SHAP لتحسين مساحة الميزات وزيادة القابلية للتفسير، بينما يستخدم مصنف شبكة عصبية عميقة مصمم خصيصًا لتنبؤ SUMOylation. تظهر النتائج دقة مثيرة للإعجاب، حيث تحقق 99.74% على مجموعات البيانات المرجعية وتظهر قدرات تعميم متفوقة على كل من العينات المستقلة المتوازنة وغير المتوازنة. تساهم الدراسة في هذا المجال من خلال تحسين دقة التنبؤ والاستقرار، ومعالجة قيود النماذج الحالية، وتعزيز فهم تداعيات SUMOylation البيولوجية.
طرق
في هذا القسم، يصف المؤلفون الإعداد التجريبي المستخدم في بحثهم، والذي يعتمد على معالج Intel Core i7. تم تحسين هذا التكوين للعمل المكتبي والمهام الحاسوبية الأساسية، ويتميز بقرص SSD سعة 256 جيجابايت يعزز من سرعات التمهيد ونقل البيانات مقارنةً بالأقراص الصلبة التقليدية. النظام مزود بذاكرة وصول عشوائي سعة 16 جيجابايت، مما يسهل قدرات تعدد المهام بكفاءة.
تُبرز المكتبات المثبتة مسبقًا في Python 3، بما في ذلك NumPy وSciPy وTensorFlow وKeras وPandas وMatplotlib، كأدوات أساسية لتنفيذ سير العمل في علم البيانات، لا سيما في تدريب نماذج التعلم الآلي وتحليل البيانات. بينما يعتبر هذا الإعداد مناسبًا للمستخدمين الأفراد أو الفرق الصغيرة المشاركة في المهام المتعلقة بالبيانات، يشير المؤلفون إلى أن العمليات الأكثر تطلبًا التي تتضمن مجموعات بيانات أكبر قد تتطلب ترقيات لوحدة المعالجة المركزية وذاكرة الوصول العشوائي للحفاظ على كفاءة الأداء.
مناقشة
ت outlines قسم المناقشة في ورقة البحث الهيكل والأساليب المستخدمة في نموذج Hybrid-Sumo المقترح للتنبؤ بمواقع SUMOylation. يعتمد النموذج على مجموعة بيانات مرجعية تم تنسيقها بعناية مأخوذة من مجموعة تعديل بروتين الليسين، والتي تشمل 780 عينة إيجابية و21,353 عينة سلبية. لمعالجة عدم التوازن الطبقي المتأصل، تم تطبيق تقنية تقليل العينة القريبة، مما أدى إلى مجموعة بيانات متوازنة من 780 عينة إيجابية و780 عينة سلبية. تؤكد الدراسة على أهمية تجنب تسرب البيانات من خلال استخدام تقليل تكرار التسلسل عبر CD-HIT، مما يضمن أن تتكون مجموعات التدريب والاختبار من تسلسلات بيولوجية متميزة.
تعد استخراج الميزات والترميز مكونات حاسمة في النموذج، حيث تستخدم تقنيات مختلفة مثل PsePSSM-DWT، تعرض نصف الكرة (HSE)، وتمثيلات الترميز ثنائية الاتجاه من المحولات (BERT). يعزز دمج هذه الميزات في متجه هجين الأداء التنبؤي للنموذج. تشير النتائج إلى أن نموذج Hybrid-Sumo يتفوق على المصنفات التقليدية للتعلم الآلي، حيث يحقق دقة تبلغ 99.74% ومعامل ارتباط ماثيو (MCC) يبلغ 0.995. تُعزى تحسينات الأداء إلى تمثيل الميزات الهجينة المحسّنة واستراتيجيات اختيار الميزات الفعالة، والتي تعزز بشكل جماعي قدرة النموذج على التعميم والتنبؤ بدقة بمواقع SUMOylation. تختتم الدراسة بتحليل مقارن، مما يوضح أن Hybrid-Sumo يتجاوز النماذج الحالية الرائدة من حيث الدقة واستقرار التنبؤ، مما يؤكد على فائدته المحتملة في تطبيقات المعلوماتية الحيوية.
DOI: https://doi.org/10.1038/s41598-026-41489-0
PMID: https://pubmed.ncbi.nlm.nih.gov/41741563
Publication Date: 2026-02-25
Author(s): Aasem N. Alyahya et al.
Primary Topic: Machine Learning in Bioinformatics
Overview
The research paper presents Hybrid-Sumo, a deep learning model designed to predict SUMOylation sites, which are critical for various biological processes and cellular regulation. SUMOylation, a reversible post-translational modification involving the attachment of small ubiquitin-like modifiers (SUMOs) to lysine residues, is essential for gene regulation and protein stability. The Hybrid-Sumo model integrates three advanced feature extraction techniques: Half-Sphere Exposure (HSE), Position-Specific Scoring Matrix with Discrete Wavelet Transform (PSSM-DWT), and Bidirectional Encoder Representations from Transformers (BERT). Utilizing the SHapley Additive exPlanations (SHAP) algorithm for optimal feature selection, the model achieves remarkable accuracy rates of 99.74% on benchmark datasets and 96.15% and 95.83% on balanced and imbalanced independent datasets, respectively, outperforming existing models.
The study emphasizes the importance of accurate SUMOylation site identification due to its implications in diseases such as Alzheimer’s, cancer, and diabetes. Hybrid-Sumo’s performance was validated through rigorous 10-fold cross-validation, demonstrating its robustness in real-world applications. Future research directions include validating the model across various species and tissue-specific datasets, integrating experimental proteomics data for clinical relevance, and addressing scalability challenges through parallel computing. Additionally, the potential to extend Hybrid-Sumo for predicting other post-translational modifications, such as ubiquitination and phosphorylation, could pave the way for a comprehensive platform for systems biology and precision medicine.
Introduction
The introduction of the research paper highlights the critical role of post-translational modifications (PTMs) in regulating protein function, with a particular focus on SUMOylation. SUMOylation involves the covalent attachment of Small Ubiquitin-like Modifier (SUMO) proteins to lysine residues, influencing various cellular processes such as nuclear-cytoplasmic transport, transcription regulation, and DNA repair. This modification has been linked to neurodegenerative diseases, emphasizing its significance in maintaining cellular homeostasis and gene expression. The paper notes the growing interest in computational models for predicting SUMOylation sites, which are essential for understanding biological processes and developing therapeutic targets.
The authors propose a novel computational model, Hybrid-Sumo, designed to enhance the prediction of SUMOylation sites by integrating three innovative feature extraction techniques: Half Sphere Exposure (HSE), BERT, and PsePSSM-DWT. This model employs a SHAP-guided feature selection mechanism to optimize the feature space and improve interpretability while utilizing a deep neural network classifier tailored for SUMOylation prediction. The results demonstrate impressive accuracy, achieving 99.74% on benchmark datasets and showing superior generalization capabilities on both balanced and imbalanced independent samples. The study contributes to the field by improving prediction accuracy and stability, addressing limitations of existing models, and enhancing the understanding of SUMOylation’s biological implications.
Methods
In this section, the authors describe the experimental setup utilized for their research, which is based on an Intel Core i7 processor. This configuration is optimized for desk work and basic computing tasks, featuring a 256 GB SSD that enhances booting and data transfer speeds compared to traditional HDDs. The system is equipped with 16 GB of RAM, facilitating efficient multitasking capabilities.
The pre-installed Python 3 libraries, including NumPy, SciPy, TensorFlow, Keras, Pandas, and Matplotlib, are highlighted as essential tools for executing data science workflows, particularly in machine learning model training and data analysis. While this setup is deemed suitable for individual users or small teams engaged in data-related tasks, the authors note that more demanding operations involving larger datasets may necessitate upgrades to the CPU and RAM to maintain performance efficiency.
Discussion
The discussion section of the research paper outlines the architecture and methodologies employed in the proposed Hybrid-Sumo model for predicting SUMOylation sites. The model is built upon a carefully curated benchmark dataset sourced from the Compendium of Protein Lysine Modification, which includes 780 positive and 21,353 negative samples. To address the inherent class imbalance, the Near-Miss under-sampling technique was applied, resulting in a balanced dataset of 780 positive and 780 negative samples. The study emphasizes the importance of avoiding data leakage by employing sequence redundancy reduction through CD-HIT, ensuring that training and test sets consist of biologically distinct sequences.
Feature extraction and encoding are critical components of the model, utilizing various techniques such as PsePSSM-DWT, Half Sphere Exposure (HSE), and Bidirectional Encoder Representations from Transformers (BERT). The integration of these features into a hybrid vector enhances the model’s predictive performance. The results indicate that the Hybrid-Sumo model outperforms traditional machine learning classifiers, achieving an accuracy of 99.74% and a Matthews Correlation Coefficient (MCC) of 0.995. The performance improvements are attributed to the optimized hybrid feature representation and effective feature selection strategies, which collectively enhance the model’s ability to generalize and accurately predict SUMOylation sites. The study concludes with a comparative analysis, demonstrating that Hybrid-Sumo surpasses existing state-of-the-art models in terms of accuracy and predictive stability, confirming its potential utility in bioinformatics applications.