766 件の論文
バイオインフォマティクスは、膨大な生物学的データをコンピュータの力で解析し、生命の謎を解き明かす分野です。ゲノム情報やタンパク質の構造といった複雑なデータから、新たな発見を引き出すための重要な橋渡し役となっています。
Gist.Science では、bioRxiv から公開される最新のプレプリントをすべて対象に、この分野の論文を網羅的に扱っています。専門的な詳細な要約に加え、難しい専門用語を避け、誰でも理解できる平易な日本語での解説も併せて提供しています。
以下に、bioRxiv から更新されたばかりのバイオインフォマティクスに関する最新論文の一覧を掲載します。
本論文は、26 のデータセットを用いた大規模なベンチマークを通じて、既存の単一細胞薬物応答予測モデルが細胞系では高い性能を示す一方で、組織サンプルや不均衡な条件下では性能が低下し、特に治療前の細胞固有の耐性を予測する能力に限界があることを明らかにし、より臨床的関連性の高い次世代モデルの開発の必要性を提唱しています。
この論文は、バッチレベルのラベルから細胞レベルの摂動を推論する手法「HiDDEN」を実装し、柔軟なカスタマイズとベンチマークを通じてその実用性を示した Python および R 製ツール「found」を紹介するものである。
この論文は、複雑な腫瘍内進化モデルの尤度が計算不可能な問題に対処するため、シミュレーションに基づくベイズ推論と深層学習（特に CloneMLP-NPE モデル）を用いて、単一細胞シーケンシングデータからコピー数変異の選択係数を直接推定する新しいフレームワークを提案し、その精度と不確実性の定量化において既存手法を上回る性能を実証したものである。
本論文は、グループチャット内の自然言語リクエストを Docker コンテナ内で実行可能な分析に変換し、31 のバイオメディカルツールと 95 以上のスキルを統合した「BioClaw」という人間とボットの研究協働エコシステムを提案し、共有デジタルワークスペース内での実行可能なエージェントワークフローの妥当性を立証しています。
GraphMana は、グラフデータベースを活用してバリアントデータを効率的に管理し、サンプルの追加やプロバナンス追跡を可能にすることで、従来の断片的なワークフローに代わり、大規模な集団ゲノムプロジェクトのライフサイクルを大幅に高速化・統合化するシステムです。
本研究は、サンプル数に依存せず集団数に比例する計算量で集団ゲノミクス解析を可能にするグラフネイティブエンジン「GraphPop」を開発し、大規模データセットにおける高速かつメモリ効率的な統計計算と多様な解析の統合を実現したことを報告しています。
本論文は、第二線抗結核薬の耐性予測における機械学習および深層学習モデルを包括的にベンチマークし、内部評価では従来の機械学習モデルが優位であったものの、外部検証では既存のカタログベース手法と同等の性能しか示さず、データセット間での汎化の課題を浮き彫りにした。
本論文は、限られた腫瘍マルチオミクスデータをパンがん単細胞リソースを活用して拡張・統合し、細胞間コミュニケーションに基づいた調節メカニズムを特定・優先順位付けする「IMAS」というターゲット意識型の統合フレームワークを提案し、大腸がんデータにおいてその有効性を示したものである。
本研究では、異なるデジタル PCR 機器間のデータ互換性と比較可能性を向上させるため、実験メタデータ、アッセイ情報、蛍光強度データを含む軽量な標準フォーマット「デジタル PCR データエッセンシャルズ標準（DDES）」を提案し、これにより FAIR データ原則の達成や研究の再現性向上、将来のデータリポジトリ構築の基盤を確立することを目的としています。
DyME は、高スループット変異導入と分子動力学シミュレーションを統合し、数千の分子システムの準備から解析までを自動化する分散プラットフォームであり、タンパク質認識の模倣やエンジニアリングを可能にする。