1124 ورقة بحثية
تقدم الورقة البحثية طريقة SLOPE، وهي طريقة غير خاضعة للإشراف لتقليل الأبعاد تعمل على نمذجة تطور أميلويد مرض الزهايمر على مقياس مستمر، مما يكشف عن أنماط انتشار متسقة بيولوجياً ويوفر حساسية أكبر للتغيرات في المراحل المبكرة مقارنة بمقاييس الأميلويد العالمية التقليدية.
تقدم هذه الورقة خوارزمية مونت كارلو تقوم بإزالة التكرار في مجموعات ألوان الـ k-mer أثناء التشغيل عبر البصمة المتزايدة، مما يتيح بناء مؤشرات رسوم دي بروين الملونة المضغوطة مع تقليل استهلاك ذروة الذاكرة بشكل كبير واحتمالية خطأ منخفضة مثبتة.
تُثبت هذه الورقة البحثية إطار عمل للتعلم الخاضع للإشراف كإثبات للمبدأ، ينجح في رسم خرائط صور الجسيمات الفردية من المجهر الإلكتروني بردّي (cryo-EM) المشوشة مباشرة إلى الإحداثيات الذرية عبر تمثيلات كامنة، محققاً تنبؤات هيكلية عالية الدقة دون الحاجة إلى استعادة الوضعية الصريحة أو حسابات الإسقاط ثنائي الأبعاد.
تقدم هذه الورقة "الترميز الموجه" (Guided Tokenization)، وهي استراتيجية تعطي الأولوية للتسلسلات الفرعية ذات الأهمية البيولوجية والإحصائية لتعزيز أداء النماذج اللغوية الجينومية المدمجة ووعيها البيولوجي عبر مختلف مهام التصنيف والتوصيف.
تُثبت هذه الورقة أن النماذج اللغوية الكبيرة ذات الأوزان المفتوحة، عند دمجها في سير عمل الاسترجاع والترشيح الدلالي، يمكنها تحقيق دقة تقارب الكمال في أتمتة تنسيق البيانات الوصفية غير المهيكلة من قواعد بيانات علوم الحياة العامة، مما يتغلب على قيود عمليات البحث التقليدية بالكلمات المفتاحية ويمكّن من إعادة استخدام البيانات بشكل قابل للتوسع والتكرار.
تقدم الورقة البحثية Wayfarer، وهو إطار عمل متعدد المقاييس بلغة R للبيانات المكانية الأومية (spatial -omics)، يقوم بتحويل خيارات التجميع المكاني التعسفية إلى إشارات تشخيصية من خلال تتبع كيفية تطور مقاييس الارتباط المكاني عبر مستويات متداخلة، مما يكشف عن تحولات قابلة للتكرر ومعتمدة على المقياس في تطور الورم، والتي يتم إغفالها في التحليلات أحادية الدقة.
تُعدُّ SCiMS أداةً معلوماتية حيوية مبتكرة وقابلة للتوسع تتنبأ بدقة بجنس المضيف من بيانات التسلسل الميتاجينومي —حتى في العينات ذات الكتلة الحيوية المنخفضة وعبر أنواع متنوعة— وذلك عبر الاستفادة من نسب كثافة قراءات الكروموسومات الجنسية ضمن مصنف بايزي (Bayesian classifier) لاستعادة البيانات الوصفية المفقودة وضمان نزاهة البحث.
تقدم الورقة البحثية DEFT، وهي طريقة تعلم آلي هجينة تجمع بين نماذج لغة البروتين للتصنيف الواسع للإنزيمات والمحاذاة القائمة على البنية للتصنيف الفرعي دقيق التفاصيل، محققةً دقة وكفاءة حوسبية فائقتين في التنبؤ بأرقام تصنيف الإنزيمات (EC numbers) لإنزيمات تحلل الميوكين في بكتيريا الأمعاء.
تتناول هذه الورقة المبالغة في تقدير الأداء في التنبؤ بالارتباطات البيولوجية متعددة المدخلات والناجمة عن اختصارات نسبة الدرجة، وذلك من خلال تقديم إطار تقييم متوازن الكيانات واستراتيجية تدريب UnbiasNet لضمان تقييمات عادلة وقوية وذات مغزى لتعلم العلاقات الحقيقي.
تُثبت هذه الورقة أن خوارزمية جديدة لتقليل العينات تعتمد على البادئات، والتي تعمل على اختزال الجينومات البكتيرية إلى تمثيلات k-mer، تتيح تنبؤاً دقيقاً وقابلاً للتفسير بالأنماط الظاهرية باستخدام نماذج تجميعية فعالة، مما يوفر بديلاً خفيف الوزن لتحليل الجينوم الكامل وبنى التعلم العميق.