1121 ورقة بحثية
تقدم الورقة البحثية dnoise، وهي أداة مفتوحة المصدر ومكتوبة بلغة Rust تتميز بالسرعة، تعمل على تقليل البصمة التخزينية لبيانات Bruker timsTOF الأصلية بشكل كبير من خلال إزالة النقاط الزائدة مع الحفاظ على الدقة التحليلية في كل من مسارات عمل DDA وDIA.
تقدم هذه الورقة MetaDome 2027، وهو مورد مُحدَّث بشكل شامل يجمع أدلة المتغيرات المغلطة عبر نطاقات البروتين البشري المتماثلة مع دعم GRCh38، مما يوسع تغطية النطاقات بشكل كبير ويوفر أدلة مرضية حاسمة لإعادة تصنيف المتغيرات ذات الأهمية غير المؤكدة في علم الوراثة السريرية.
يُعد scPyviewer مستعرضًا تفاعليًا قائمًا على الويب ومكتوبًا بلغة بايثون الأصلية، يُمكّن غير المبرمجين من استكشاف مجموعات بيانات الخلايا المفردة من نوع AnnData مباشرة دون الحاجة للتحويل إلى Seurat، مع توفير تكافؤ في الميزات مع أدوات R Shiny الحالية، بينما يُظهر سرعة فائقة في التصيير، واستهلاكًا أقل للذاكرة، والقدرة على التعامل مع مجموعات البيانات ضخمة النطاق التي تتسبب في فشل البدائل القائمة على لغة R.
تقدم الورقة البحثية C-PLANK، وهو إطار عمل للتعلم العميق تم تدريبه على بيانات الكيمياء البروتينية الخلوية، والذي يتفوق على النماذج الحالية في التنبؤ بالتفاعلات بين الشظايا والبروتينات ونجح في تحديد منشط جديد لـ SIRT3 من خلال دمج التضمينات الفيزيائية الكيميائية مع مقياس معقولية بيولوجية على مستوى الأنظمة.
يُعد RegimeFormer نموذجاً بروتينياً واسع النطاق، يعمل من خلال قاعدة بيانات RegimeAtlas المرتبطة به والتي تضم أكثر من 200 مليون تسلسل، على تأسيس أنظمة اضطراب عالمية للتنبؤ بتأثيرات الطفرات على مستوى البقايا وتحسين النمذجة البيولوجية اللاحقة، لا سيما بالنسبة للبروتينات والعائلات غير المرئية.
تقدم هذه الورقة البحثية مرشح بلوم المتداخل الهرمي الديناميكي (Dynamic Hierarchical Interleaved Bloom Filter)، وهو هيكل فهرسة قابل للتوسع والتحديث يوسع تقنية HIBF المتطورة من خلال إعادة البناء الجزئي لتمكين البحث الفعال عن التسلسلات واسعة النطاق، مما يثبت القدرة على فهرسة أكثر من 100 تيرابايت من بيانات تسلسل الحمض النووي الريبي (RNA-Seq) وإدراج عينات جديدة بسرعة تفوق الأدوات المنافسة بمقدار 24 إلى 65 مرة.
تُعد Vipsania أول أداة تعلم عميق غير خاضعة للإشراف تتنبأ بدقة بهياكل الجينات المشفرة للبروتين عبر جينومات حقيقية النواة متنوعة من خلال التعلم مباشرة من التسلسلات غير المشروحة، متجاوزة بذلك قيود الطرق الخاضعة للإشراف التي تتطلب بيانات تدريب عالية الجودة وتواجه صعوبة مع السلالات البعيدة أو القاعدية.
يُعد PhageTransformer نموذجاً للتعلم العميق يتغلب على قيود الأدوات الحالية من خلال توفير تنبؤات قابلة للتوسع، ودقيقة، وسريعة للمضيف الخاص بالعاثيات، كما تم إثبات ذلك من خلال أدائه المتفوق على آلاف الأزواج المستقلة من العاثية والمضيف.
تقدم الورقة البحثية morphOTU، وهو إطار عمل مدعوم بالذكاء الاصطناعي يستخلص وحدات التنوع البيولوجي التشغيلية مباشرة من صور العينات باستخدام التعلم الخاضع للإشراف الذاتي والتجميع الهرمي، مما يتيح القياس الكمي الدقيق لتنوع الأنواع واكتشاف الأنماط المورفولوجية حتى في ظل غياب التصنيفات التصنيفية الرسمية أو البيانات التدريبية المكثفة.
تقدم الورقة البحثية DeepTMHMM2، وهو متنبئ مبتكر يحقق في آن واحد دقة في التنبؤ بالطوبولوجيا عبر الغشاء —بما في ذلك المناطق العائدة (re-entrant regions) والحلزونات البينية التي لم تُنمذج سابقاً— والتوطين داخل الخلايا عبر 17 غشاءً بيولوجياً، مما يكشف عن الوجود الواسع للقطع غير العابرة في البروتينوم.