Исследователи представили DualLoc — новую модель глубокого обучения для многократного предсказания субклеточной локализации белков в десяти различных компартментах. В отличие от существующих методов, таких как DeepLoc 2.0, которые используют облегченную настройку, DualLoc применяет полнопараметрическую тонкую настройку (full-parameter fine-tuning) каскадной архитектуры двойных трансформеров. В качестве базовых моделей (backbones) использовались ProtBERT, ESM-2 и ProtT5. Результаты кросс-валидации на базе Swiss-Prot и независимой проверки на Human Protein Atlas показали превосходство над современными аналогами. Лучшая конфигурация, DualLoc-ProtT5, достигла точности 0.5872, micro-F1 0.8271 и macro-F1 0.7811. Особое внимание заслуживает значительный рост коэффициента корреляции Мэтьюса для ядра (+0.13), клеточной мембраны (+0.13) и внеклеточного пространства (+0.07). Анализ взаимной информации также подтвердил биологическую достоверность модели, выявив корреляцию между аппаратом Гольджи и эндоплазматическим ретикулумом (PMI = 0.25, P < 10^-6), что отражает реальные механизмы секреторного пути.