پیش بینی محل اتصال فاکتورهای رونویسی با استفاده از تبدیل کننده ها

در سال های اخیر یادگیری عمیق در مسئله های گوناگونی مورد استفاده قرار گرفته است. یکی از مهم ترین مسائل، پردازش ترتیب های متوالی از ژن انسان می باشد. فاکتور های رونویسی، پروتئین هایی هستند که با اتصال به بخشی از توالی ژن انسان، که معروف به مدل سیس تنظیمی است، باعث تغییر در ژن می شوند. بدین شکل که با اتصال فاکتور رونویسی، ژن برای ترجمه، برنامه ریزی می شود. این برنامه ریزی شامل زمان و مکان ترجمه از ژن می باشد. عمل ترجمه در واقع رهاسازی پروتئین از ژن است، که این پروتئین تاثیرات زیستی در انسان را به دنبال دارد. مسئله اصلی، یافتن محل چسبیدن فاکتور های رونویسی مختلف به ژن انسان است. توالی ژن انسان بسیار طولانی است. از این رو روش های معمول، از تحلیل ژن ناتوان می باشند. یافتن ویژگی های توالی ژن در چسبیدن فاکتور های رونویسی، هدف اصلی ماست که با ارائه یک مدل یادگیری عمیق مبتنی بر تبدیل کننده ها،حاصل گردیده است. از این رو با استفاده از واحدهای تبدیل کننده ها از آنجا که این واحدها به روشی متفاوت موازی سازی شبکه های بازگشتی را انجام می دهند، سرعت عملکرد در این مقاله برای حل مسئله به شکل قابل توجهی افزایش یافته است. مورد بعدی حفظ عملکرد مدل می باشد که استفاده از ترفندهای پیش پردازش و چینش معماری تبدیل کننده ها، عملکرد نیز حفظ شده است.