1188 पेपर
यह शोध पत्र पदानुक्रमित टेम्पोरल ट्रांसफॉर्मर (HTT) का परिचय देता है, जो एक दो-स्तरीय आर्किटेक्चर है जो अत्याधुनिक कैंसर ग्रेड भविष्यवाणी प्राप्त करने के लिए अनुदैर्ध्य पैथोलॉजी रिपोर्ट और कैंसर-प्रकार एम्बेडिंग का लाभ उठाता है और बिना किसी प्रदर्शन दंड के अनदेखे कैंसर प्रकारों के लिए प्रभावी ज़ीरो-शॉट ट्रांसफर लर्निंग प्रदर्शित करता है।
यह शोध पत्र POME को प्रस्तुत करता है, जो एक स्व-पर्यवेक्षित ग्राफ-आधारित एम्बेडिंग मॉडल है जिसे आंशिक रूप से प्रेक्षित मिश्रित-प्रकार के बायोमेडिकल डेटा के लिए निम्न-आयामी निरूपण (low-dimensional representations) उत्पन्न करने के लिए डिज़ाइन किया गया है, जो अत्याधुनिक इम्प्यूटेशन प्रदर्शन प्राप्त करता है और रोगी उपसमूह खोज, भविष्य कहनेवाला मॉडलिंग (predictive modeling) और थेरेपी अनुशंसा जैसे प्रभावी डाउनस्ट्रीम कार्यों को सक्षम बनाता है।
यह शोध पत्र LAMINA को प्रस्तुत करता है, जो एक व्याख्यात्मक (interpretable) डीप लर्निंग मॉडल है जो सॉफ्ट मोटिफ इंटरैक्शन को एकत्रित करके पेप्टाइड-HLA बाइंडिंग की सटीक भविष्यवाणी करता है, और केवल अनुक्रम डेटा (sequence data) से बाइंडिंग ऊर्जा और संरचनात्मक विशेषताओं को उभरते हुए सीखते हुए अत्याधुनिक प्रदर्शन प्राप्त करता है।
यह शोध पत्र pydreg को प्रस्तुत करता है, जो नवजात ट्रांसक्रिप्शन (nascent transcription) से सक्रिय सिस-रेगुलेटरी तत्वों (cis-regulatory elements) की पहचान करने के लिए dREG एल्गोरिदम का एक तेज़ और रखरखाव योग्य पायथन पुनर्रूपण (reimplementation) है, जो मूल विधि की सटीकता और अनुकूलता को बनाए रखते हुए रनटाइम और मेमोरी के उपयोग को काफी कम करता है और आधुनिक कंप्यूटिंग इंफ्रास्ट्रक्चर के साथ संगत है।
मध्यकालीन मंगोलियाई व्यक्तियों के मेल खाते फुल-यूडीजी (full-UDG) और नॉन-यूडीजी (non-UDG) प्राचीन डीएनए पुस्तकालयों की तुलना करके, यह अध्ययन प्रदर्शित करता है कि जबकि विभिन्न कम्प्यूटेशनल डैमेज करेक्शन विधियाँ (ट्रिमिंग, रीस्केलिंग और मास्किंग) साइट रिटेंशन और एरर रिडक्शन के बीच अलग-अलग संतुलन बनाती हैं, इष्टतम विकल्प विशिष्ट डाउनस्ट्रीम विश्लेषण पर निर्भर करता है, जिसमें नॉन-यूडीजी पुस्तकालयों में सटीक किनशिप इन्फरेंस (kinship inference) के लिए सुधारा गया डेटा आवश्यक सिद्ध होता है।
यह शोध पत्र DMRcaller पैकेज में एकीकृत एक स्केलेबल फ्रेमवर्क प्रस्तुत करता है जो सिंगल-मॉलिक्यूल डीएनए मिथाइलेशन विषमता को मापने और सह-मिथाइलेटेड लोकी (co-methylated loci) का पता लगाने के लिए नेटिव ऑक्सफोर्ड नैनोपोर सीक्वेंसिंग का लाभ उठाता है, जिससे उन एपिजेनेटिक पैटर्न और नियामक अंतःक्रियाओं का अनावरण होता है जो पारंपरिक साइट-स्तरीय औसत विश्लेषणों द्वारा ओझल हो जाते हैं।
यह शोध पत्र प्रोटीन-प्रोटीन इंटरेक्शन (PPI) स्क्रीन्स के प्रयोगात्मक खोज स्थान (experimental search space) को पुनर्गठित करने के लिए एक कार्यप्रणाली प्रस्तुत करता है ताकि संभावित रूप से गैर-इंटरेक्टिंग प्रोटीन युग्मों का अनुमान लगाया जा सके, जिससे बेहतर त्रुटि दर अनुमान, मॉडल अंशांकन (calibration), और मानव इंटरैक्टोम के अधिक सटीक और पूर्ण मानचित्रण के लिए बेहतर मशीन लर्निंग प्रशिक्षण सक्षम हो सके।
यह शोध पत्र इनवर्स फोल्डडायरेक्शन (Inverse FoldDir) को प्रस्तुत करता है, जो डिरिचलेट फ्लो मैचिंग (Dirichlet flow matching) पर आधारित एक नियंत्रणीय इनवर्स-फोल्डिंग विधि है, जो अमीनो एसिड संभाव्यता सिम्प्लेक्स (amino acid probability simplex) पर पुनरावृत्तिपूर्ण डिनोइजिंग (iterative denoising) करके उपयोगकर्ता-निर्धारित बाधाओं के साथ विविध, प्रयोगात्मक रूप से मान्य प्रोटीन अनुक्रम उत्पन्न करता है, जिससे अत्याधुनिक संरचनात्मक रिकवरी मेट्रिक्स प्राप्त होता है और एक एंटी-जीएफपी नैनोबॉडी का सफल कार्यात्मक पुनर्रचना (functional redesign) संभव होता है।
यह अध्ययन पर्टर्बेशन-अवेयर न्यूरल ओडीई (pNODE) फ्रेमवर्क प्रस्तुत करता है, जो माइक्रोबियल प्रचुरता और समय-समाधानित एंटीबायोटिक पर्टर्बेशन के एकीकरण के माध्यम से एलोजेनिक हेमेटोपॉयटिक सेल ट्रांसप्लांटेशन से गुजर रहे कैंसर रोगियों में गट माइक्रोबायोम डायनेमिक्स का सटीक पूर्वानुमान लगाकर और गट-बोर्न ब्लडस्ट्रीम संक्रमणों की भविष्यवाणी करके पारंपरिक मॉडलों से बेहतर प्रदर्शन करता है।
यह अध्ययन विविध डेटासेट और प्रौद्योगिकियों के माध्यम से लॉन्ग-रीड आरएनए अनुक्रमण (long-read RNA sequencing) के लिए छोटे वेरिएंट कॉलिंग और हैप्लोटाइप फेज़िंग पाइपलाइनों का व्यवस्थित रूप से बेंचमार्किंग करता है, जिससे यह प्रकट होता है कि अनुक्रमण गुणवत्ता प्राथमिक प्रदर्शन निर्धारक है जबकि विशिष्ट संदर्भ के आधार पर Clair3-RNA, DeepVariant, और longcallR को शीर्ष कॉलर्स के रूप में और WhatsHap या HapCUT2 को इष्टतम फेज़िंग टूल के रूप में पहचानता है।