Исследователи представили ProtSyntax — специализированную белковую языковую модель (pLLM), ориентированную на изучение посттрансляционных модификаций (PTM). В отличие от существующих методов, моделирующих сайты модификации независимо, ProtSyntax учитывает взаимосвязь между химией остатков, контекстом последовательности и трехмерной микросредой. Модель была обучена на массиве из 4,25 миллиона примеров, охватывающих 40 классов PTM, с использованием архитектуры разреженного смеси экспертов (sparse mixture-of-experts) и механизмов геометрически-управляемого внимания (geometry-gated attention). Результаты тестирования на 40 бенчмарках показали значительное превосходство над базовыми моделями: средние показатели MCC и AP выросли на 12,7% и 10,7% соответственно. ProtSyntax успешно идентифицирует перекрестные помехи (crosstalk) между модификациями, связывает изменения PTM с кинетикой ферментов и выявляет нарушения модификаций, связанные с заболеваниями. Данная разработка предоставляет интерпретируемую платформу для глубокого анализа регуляции протеома, что критически важно для разработки таргетной терапии.