آگاه: فسفاریلاسیون تیروزین‌ها از ویژگی‌های بارز بسیاری از سرطان‌ها هستند؛ به‌همین دلیل استفاده از ابزارهای رایانشی برای تحلیل جامع فسفاتئومرها و شناسایی فسفاریلاسیون‌های بالقوه ناکارآمد اهمیت زیادی دارد. فسفوریلاسیون به اضافه شدن یک گروه فسفات به پروتئین یا سایر مولکول‌های آلی گفته می‌شود. فسفریلاسیون پروتئین نقش مهمی در بسیاری از فرآیندهای سلولی دارد. همچنین فسفریلاسیون ازسوی آنزیم‌های کیناز انجام می‌شود. آنزیم‌های فسفاتاز در جهت عکس کینازها برای زدودن گروه فسفات عمل می‌کنند. تیروزین کینار نیز یک آنزیم است که نقشش انتقال یک گروه فسفات از مولکول آدنوزین تری‌فسفات ATP به پروتئین است.
در همین راستا، گروهی از محققان با همکاری علیرضا مشاقی، پژوهشگر ایرانی یک روش مبتنی‌بر یادگیری ماشینی ابداع کرده‌اند تا تغییرات با ثبات ترمودینامیکی را که در نتیجه فسفاریلاسیون تیروزین به وجود می‌آید، پیش‌بینی کنند.
این روش مبتنی‌بر پیش‌بینی «فسفومیمتیک دلتا-دلتا-G» از ویژگی‌های ساختاری است که ارتباط قدرتمندی با داده‌های اسکن جهشی تجربی واکنش شیمیایی پروتئولیز cDNA دارد. فسفومیمتیک‌ها جایگزین‌های اسید آمینه‌ای هستند که پروتئین فسفریله‌شده را تقلید می‌کنند و درنتیجه پروتئین را فعال یا غیرفعال می‌کنند. محققان تاثیرات بی‌ثبات‌کننده ۳۸۴هزار و ۸۵۷رسوب تیروزین را از یک مخزن داده شامل بیش از ۶۰۰فسفاریلاسیون تیروزین در ۱۱زیرگروه سرطان با این روش بررسی کردند.