В статье представлен метод DUET — алгоритм на основе искусственного интеллекта для предсказания сайтов связывания РНК с малыми молекулами, использующий только информацию о последовательности без необходимости экспериментальных структурных данных. Архитектура модели объединяет реляционную графовую башню с двумя сверточными последовательными башнями, построенными на основе замороженных языковых моделей РНК, что позволяет эффективно извлекать биологические паттерны. Авторы уделили особое внимание строгости валидации, удалив 98 из 388 записей в обучающей и валидационной выборках, имеющих 80% идентичности с каноническими тестовыми цепями, чтобы избежать утечки данных. Результаты показали, что DUET достиг средней MCC (средней точности) 0.240 +/- 0.013, что статистически значимо превосходит предыдущий метод CoBRA-M3 (0.192 +/- 0.031) с приростом Delta = +0.047 (p = 0.0073). Модель также продемонстрировала параллельные улучшения по метрикам AUC и AUPRC, а на внешних наборах данных результаты DUET (0.246 MCC) оказались статистически неотличимыми от метода GRASSP (0.243 MCC). Исследование подтвердило, что реальная трехмерная топология улучшает MCC на +0.037 по сравнению с перемешанными ребрами и на +0.042 по сравнению с предсказанной вторичной структурой. Увеличение размера обучающей выборки с 80 до 290 записей привело к значительному росту производительности модели на +0.135 MCC. Работа подчеркивает критическую необходимость раздельного контроля за перекрытием тестовых данных и внутренней избыточностью обучающих выборок при оценке ИИ-моделей в биоинформатике.