学術的背景 DNAシーケンスアラインメントは、ゲノム解析における中心的な課題であり、短いDNA断片（リード）を参照ゲノム上の最も可能性の高い位置にマッピングすることを目的としています。従来の方法は通常、2つのステップに分かれています。まずゲノムをインデックス化し、次に効率的な検索を行ってリードの可能性のある位置を特定します。しかし、ゲノムデータの爆発的な増加、特に数十億塩基対の参照ゲノムを扱う場合、従来のアラインメント方法は計算効率と精度の面で大きな課題に直面しています。近年、Transformerモデルが自然言語処理（NLP）分野で成功を収めたことから、研究者はこれをDNAシーケンス解析に応用しようとしています。これまでの研究では、Transformerモデルが短いDNAシーケンスの分類タ...

学術的背景 薬物-ターゲット相互作用（Drug-Target Interaction, DTI）の予測は、薬物発見における重要なプロセスであり、実験スクリーニングのコストと時間を大幅に削減することができます。しかし、深層学習技術がDTI予測の精度を向上させたにもかかわらず、既存の方法は依然として2つの大きな課題に直面しています：汎化能力の不足とサブポケットレベルの相互作用の無視です。まず、既存のモデルは未知のタンパク質やクロスドメイン設定において性能が著しく低下します。次に、現在の分子関係学習は、サブポケットレベルの相互作用をしばしば無視しており、これらの相互作用は結合部位の詳細を理解する上で重要です。これらの課題を解決するために、研究者はSP-DTIという新しいモデルを提案し、サブポケット...