850 पेपर
MKMC एक स्केलेबल, रेफरेंस-फ्री टूलकिट है जो k-mer सांख्यिकी का लाभ उठाकर मॉडल और नॉन-मॉडल जीवों में सुदृढ़ RNA-seq विश्लेषण को सक्षम बनाता है, जो सफलतापूर्वक उन जैविक संकेतों और आइसोफॉर्म-विशिष्ट घटनाओं का पता लगाता है जो अक्सर पारंपरिक एलाइनमेंट-आधारित विधियों से बच निकलते हैं।
लेखक CircDiscoverer प्रस्तुत करते हैं, जो एक व्यापक, उपयोगकर्ता के अनुकूल वेब संसाधन है जो मनुष्यों, चूहों, फ्रूट फ्लाइज और पौधों सहित कई प्रजातियों में circRNA-प्रोटीन इंटरैक्शन और RNA मॉडिफिकेशन लैंडस्केप्स का अन्वेषण करने के लिए मैन्युअल रूप से क्यूरेटेड और कम्प्यूटेशनल रूप से अनुमानित डेटा को एकीकृत करता है।
यह शोध पत्र स्थानिक ट्रांसक्रिप्टोमिक्स संरेखण कार्यों का उपयोग करके वैज्ञानिक कोडिंग एजेंटों के बेंचमार्किंग के लिए एक संवादात्मक ढांचे का परिचय देता है, जो यह प्रकट करता है कि जबकि समृद्ध पर्यावरणीय संदर्भ टूल अन्वेषण को बढ़ाता है, यह नाजुक वर्कफ़्लो और अनावश्यक रूपांतरणों को प्रेरित करके प्रदर्शन को कम कर सकता है, जिससे अंतिम आउटपुट के साथ एजेंट ट्रेस का मूल्यांकन करने की आवश्यकता पर बल मिलता है।
LeafRank एक नवीन फाइलोडायनामिक ढांचा है जो गुणसूत्र रूप से अस्थिर ट्यूमर में व्यक्तिगत कोशिकाओं की सापेक्ष फिटनेस को अनुमानित करने के लिए सिंगल-सेल डीएनए-सीक्वेंसिंग वंशावली और एक मल्टी-टाइप ब्रांचिंग प्रोसेस मॉडल का लाभ उठाता है, जो सफलतापूर्वक विकास विषमता को परिमाणित करता है और यह प्रकट करता है कि होल-जीनोम डुप्लीकेशन वंशों में फिटनेस बाद के परिवर्तनों के माध्यम से प्राप्त की जाती है न कि तत्काल लाभों के माध्यम से।
Rectangle एक सुदृढ़ और स्केलेबल पायथन फ्रेमवर्क है जो सिंगल-सेल संदर्भों का उपयोग करके बल्क आरएनए-सीक (RNA-seq) डेटा में सेल फेनोटाइप को सटीक रूप से हल करने के लिए मल्टीस्केल डीकनवल्शन और अज्ञात सामग्री के स्पष्ट मॉडलिंग का लाभ उठाता है, जिससे जनसंख्या स्तर पर उच्च-रिज़ॉल्यूशन सेलुलर प्रोफाइलिंग सक्षम होती है।
यह शोधपत्र प्रदर्शित करता है कि कोडिंग एजेंट साहित्य-उद्धृत जीन प्रोग्रामों को नामित अक्षों में निकालकर और संयोजित करके स्वचालित रूप से व्याख्या योग्य, ज़ीरो-शॉट सिंगल-सेल एम्बेडिंग मॉडल उत्पन्न कर सकते हैं, जो बिना किसी प्रशिक्षण या पूर्व जीन-सेट डेटाबेस की आवश्यकता के, डेटा-संचालित विधियों के तुलनीय जैविक गुणवत्ता प्राप्त करते हुए अंतर्निहित बैच सुदृढ़ता और व्याख्यात्मकता सुनिश्चित करते हैं।
EZSolver एक टेम्पलेट-मुक्त, जनरेटिव फ्रेमवर्क है जो फ्लो मैचिंग और इवैल्यूएटर-गाइडेड बायडायरेक्शनल सर्च का लाभ उठाकर आउट-ऑफ-डिस्ट्रीब्यूशन केमिस्ट्री के लिए ध्रुवीय एंजाइमेटिक अभिक्रिया तंत्रों की सटीक भविष्यवाणी करता है, जो पारंपरिक नियम-आधारित मॉडलों की सामान्यीकरण सीमाओं को दूर करता है।
यह अध्ययन PredHLM प्रस्तुत करता है, जो लगभग 12,000 यौगिकों पर प्रशिक्षित एक मात्रात्मक और व्याख्या योग्य XGBoost-आधारित मशीन लर्निंग मॉडल है, जो मानव लिवर माइक्रोसोम मेटाबॉलिक हाफ-लाइफ की सटीक भविष्यवाणी करता है और प्रारंभिक ड्रग डिस्कवरी में त्वरित निर्णय लेने में सहायता के लिए प्रमुख रासायनिक कारकों की पहचान करता है।
यह शोध पत्र stGP को प्रस्तुत करता है, जो एक सांख्यिकीय ढांचा है जो स्पैटियोटेम्पोरल ट्रांसक्रिप्टोमिक डेटा को टेम्पोरल और स्पेशियल घटकों में विभाजित करता है ताकि व्याख्या योग्य, कोशिका-प्रकार-विशिष्ट जीन प्रोग्राम्स की पहचान की जा सके, जिससे यह पता चलता है कि समय और शारीरिक निश (niches) के माध्यम से गतिशील ऊतक संरचनाएं और स्थानीयकृत कोशिकीय प्रतिक्रियाएं कैसे विकसित होती हैं।
यह शोध पत्र DL4DR को प्रस्तुत करता है, जो एक टू-टावर रेसिडुअल लेट-फ्यूजन डीप लर्निंग मॉडल है जो सेल लाइनों को जीनोमिक छवियों के रूप में एनकोड करके और आणविक निरूपणों को संयोजित करके पैन-ब्रेस्ट-कैंसर ड्रग रिस्पॉन्स की भविष्यवाणी करता है, जिससे अनसीन सेल लाइनों और कैंसर प्रकारों के लिए बेहतर सामान्यीकरण प्राप्त होता है और सेल लाइन पहचान पर निर्भर किए बिना नवीन जीनोमिक ड्राइवरों की पहचान की जाती है।