1188 पेपर
यह शोध पत्र C-PLANK को प्रस्तुत करता है, जो सेलुलर केमोप्रोटिओमिक्स डेटा पर प्रशिक्षित एक डीप लर्निंग फ्रेमवर्क है, जो फ्रैगमेंट-प्रोटीन इंटरैक्शन की भविष्यवाणी करने में मौजूदा मॉडलों से बेहतर प्रदर्शन करता है और भौतिक-रासायनिक एम्बेडिंग्स को सिस्टम-स्तरीय जैविक संभाव्यता मीट्रिक के साथ एकीकृत करके एक नए SIRT3 एगोनिस्ट की सफलतापूर्वक पहचान की है।
RegimeFormer एक बड़े पैमाने का प्रोटीन मॉडल है जो, अपने 200 मिलियन से अधिक अनुक्रमों (sequences) वाले संबद्ध RegimeAtlas डेटाबेस के माध्यम से, अवशेष-स्तर (residue-level) के उत्परिवर्तन प्रभावों की भविष्यवाणी करने और विशेष रूप से अनदेखे प्रोटीनों और परिवारों के लिए डाउनस्ट्रीम जैविक मॉडलिंग को बेहतर बनाने हेतु वैश्विक व्यवधान शासन (global perturbation regimes) स्थापित करता है।
यह शोध पत्र डायनेमिक हिरार्किकल इंटरलीव्ड ब्लूम फ़िल्टर (Dynamic Hierarchical Interleaved Bloom Filter) को प्रस्तुत करता है, जो एक स्केलेबल और अपडेट करने योग्य इंडेक्सिंग संरचना है जो बड़े पैमाने पर सीक्वेंस सर्च को सक्षम करने के लिए आंशिक पुनर्निर्माण (partial rebuilding) के साथ अत्याधुनिक HIBF का विस्तार करती है, जो 100 TB से अधिक RNA-Seq डेटा को इंडेक्स करने की क्षमता और प्रतिस्पर्धी उपकरणों की तुलना में नए नमूनों को 24 से 65 गुना तेज़ी से सम्मिलित करने की क्षमता प्रदर्शित करती है।
विप्सानिया (Vipsania) पहला अनसुपरवाइज्ड डीप लर्निंग टूल है जो अनएनोटेटेड अनुक्रमों से सीधे सीखकर विविध यूकेरियोटिक जीनोमों में प्रोटीन-कोडिंग जीन संरचनाओं की सटीक भविष्यवाणी करता है, जिससे यह उन सुपरवाइज्ड विधियों की सीमाओं को दूर करता है जिन्हें उच्च गुणवत्ता वाले प्रशिक्षण डेटा की आवश्यकता होती है और जो दूरस्थ या आधारभूत क्लेड्स (clades) के साथ संघर्ष करती हैं।
PhageTransformer एक डीप लर्निंग मॉडल है जो हजारों स्वतंत्र फेज-होस्ट जोड़ों पर अपने उत्कृष्ट प्रदर्शन के माध्यम से यह प्रदर्शित करता है कि यह बैक्टीरियोफेज के लिए स्केलेबल, सटीक और तीव्र होस्ट भविष्यवाणियों के माध्यम से मौजूदा उपकरणों की सीमाओं को दूर करता है।
यह शोधपत्र morphOTU को प्रस्तुत करता है, जो एक एआई-संचालित ढांचा है जो स्व-पर्यवेक्षित शिक्षण (self-supervised learning) और पदानुक्रमित क्लस्टरिंग (hierarchical clustering) का उपयोग करके सीधे नमूनों के चित्रों से परिचालन जैव विविधता इकाइयों (operational biodiversity units) को प्राप्त करता है, जिससे औपचारिक वर्गीकरण लेबल या व्यापक प्रशिक्षण डेटा की अनुपस्थिति में भी प्रजातियों की विविधता के सटीक परिमाणीकरण और रूपात्मक पैटर्न की खोज को सक्षम बनाया जा सके।
यह शोध पत्र DeepTMHMM2 को प्रस्तुत करता है, जो एक नवीन प्रेडिक्टर है जो सटीक रूप से ट्रांसमेम्ब्रेन टोपोलॉजी का पूर्वानुमान लगाने—जिसमें पहले से अनमॉडल किए गए री-एंट्रेंट क्षेत्र और इंटरफेशियल हेलिक्स शामिल हैं—और 17 जैविक झिल्लियों में सबसेलुलर लोकलाइजेशन को एक साथ प्राप्त करता है, जो प्रोटिओम में नॉन-क्रॉसिंग सेगमेंट की व्यापक उपस्थिति को प्रकट करता है।
यह अध्ययन एक अद्यतित XMAn डेटाबेस प्रस्तुत करता है जो व्यापक COSMIC उत्परिवर्तन (mutation) डेटा को एकीकृत करके विशिष्ट पेप्टाइड रिपॉजिटरी बनाता है, जिससे कैंसर से जुड़े उत्परिवर्तित पेप्टाइड्स की मास स्पेक्ट्रोमेट्री-आधारित पहचान संभव हो पाती है जिन्हें मानक कैनोनिकल प्रोटीन डेटाबेस द्वारा आमतौर पर छोड़ दिया जाता है।
यह शोध पत्र एक हाइब्रिड ढांचे को प्रस्तुत करता है जो क्रॉस-सेक्शनल किडनी कैंसर डेटा से सिंथेटिक अनुदैर्ध्य प्रक्षेपवक्र (longitudinal trajectories) उत्पन्न करने के लिए एक वेरिएशनल ऑटोएन्कोडर को एक प्रतीकात्मक नियम-आगमन प्रणाली (symbolic rule-induction system) के साथ जोड़ता है, ताकि रोग की प्रगति के व्याख्या योग्य, संभाव्य पूर्वानुमान उत्पन्न किए जा सकें जो डीप लर्निंग की सटीकता से मेल खाते हैं और साथ ही अंतर्निहित आणविक तंत्रों में पारदर्शी, मानव-पठनीय अंतर्दृष्टि प्रदान करते हैं।
HIDE-Deconv एक ओपन-सोर्स पदानुक्रमित डीकनवोल्यूशन (hierarchical deconvolution) फ्रेमवर्क है जो फेफड़ों के एडेनोकार्सिनोमा और सेप्सिस जैसी बीमारियों में जैविक रूप से प्रासंगिक कोशिकीय पुनर्गठन (cellular remodeling) को प्रकट करने के लिए कई रिज़ॉल्यूशन स्तरों पर कोशिकीय संरचना अनुमानों को संयुक्त रूप से अनुकूलित करता है, जो मौजूदा सिंगल-रिज़ॉल्यूशन विधियों से बेहतर प्रदर्शन करता है।