Исследование посвящено анализу того, как именно глубокие нейронные сети предсказывают сайты сплайсинга РНК: имитируют ли они естественный биологический процесс или используют сторонние корреляции. Авторы изучили влияние мутаций, изменяющих рамку считывания трансляции (что не должно влиять на сам сплайсинг, так как эти процессы разделены во времени и пространстве), на точность популярных нейросетевых инструментов. Выявлено, что модели типа «черного ящика» значительно сильнее реагируют на мутации, нарушающие рамку считывания и создающие стоп-кодоны, чем на мутации, сохраняющие её. Это приводит к систематическому пропуску «ядовитых экзонов» (poison exons) — клинически значимых участков, где нарушение рамки считывания играет ключевую роль. В то же время «серые ящики» (grey-box), включающие специфическую биологическую структуру, демонстрируют гораздо меньшую зависимость от рамки считывания. Результаты доказывают, что широко используемые черные ящики используют информацию, недоступную естественному сплайсинговому аппарату, что ставит под вопрос их биологическую интерпретируемость и надежность в клинической практике. Исследование подчеркивает важность интеграции биологических ограничений в архитектуры ИИ для повышения достоверности предсказаний в геномике.