Optimization of an automated system (ZEG) for rapid cellular extraction from live zebrafish
본 논문은 증발로 인한 시료 손실을 해결하고 진동 주파수, 시료 부피, 작동 시간 등의 매개변수를 최적화하여 DNA 추출 효율을 50% 이상 향상시키고 생존율과 민감도를 95% 이상으로 높인 자동화 제브라피시 배아 유전자형 분석 시스템 (ZEG) 의 개발 성과를 제시합니다.
214 편의 논문
생물공학은 생명 현상을 이해하고 이를 공학적으로 응용하여 새로운 기술을 만들어내는 흥미로운 분야입니다. 여기서 다루는 연구들은 세포를 설계하거나 생체 재료를 개발하는 등 우리 삶을 직접 바꿀 잠재력을 지닌 아이디어들이 가득합니다.
이 카테고리에는 bioRxiv 에서 발표된 최신 프리프린트 논문들이 포함되어 있습니다. Gist.Science 는 여기서 공개되는 모든 새로운 생물공학 논문을 실시간으로 수집하여, 전문 용어 없이 핵심 내용을 쉽게 설명하는 일반 버전과 함께 기술적 디테일을 담은 상세 요약본을 모두 제공합니다.
아래에는 생물공학 분야에서 최근 bioRxiv 에 게시된 논문 목록이 정리되어 있습니다.
본 논문은 증발로 인한 시료 손실을 해결하고 진동 주파수, 시료 부피, 작동 시간 등의 매개변수를 최적화하여 DNA 추출 효율을 50% 이상 향상시키고 생존율과 민감도를 95% 이상으로 높인 자동화 제브라피시 배아 유전자형 분석 시스템 (ZEG) 의 개발 성과를 제시합니다.
이 논문은 기하학적 제어가 가능한 플라즈모닉 구조물, AI 기반 분자 동역학 추론, 그리고 장기 기반 생물학적 검증을 통합한 'PAO' 프레임워크를 제안하여, 활성 학습과 베이지안 추론을 통해 차세대 플라즈모닉 바이오센서의 설계 및 최적화를 혁신하는 시스템 수준의 방법론을 제시합니다.
본 연구는 통계적 형상 모델링과 전산유체역학을 결합하여 장골정맥의 해부학적 표현 수준 (2D 투영, 단순 3D, 정밀 3D 재구성) 이 혈류 역학 예측, 특히 혈전증 위험 지표인 낮은 전단응력 영역의 크기와 형상 - 유동 상관관계에 미치는 영향을 분석한 결과, 단순화된 기하학적 모델은 환자 특이적 3D 모델에 비해 낮은 전단응력 영역을 과대평가하며 형상 - 유동 관계 해석에 해부학적 정밀도가 결정적임을 규명했습니다.
이 논문은 NIH-AAPM-Mayo 데이터셋을 기반으로 잔여 밀도 블록 (RDB) 과 합성곱 블록 어텐션 모듈 (CBAM) 을 통합한 RDBCycleGAN-CBAM 모델을 개발하여, 저선량 CT 영상의 노이즈를 효과적으로 제거하면서도 구조적 세부 정보를 보존하고 기존 방법들보다 PSNR 과 SSIM 지표를 크게 향상시켰음을 보고합니다.
이 연구는 ADAM10 프로테아제를 표적 단백질에 유도하여 리소솜 경로 없이 세포 표면 단백질의 세포 외 도메인을 선택적으로 절단·제거하는 새로운 'Shedders' 플랫폼을 개발하고, 이를 통해 LAG-3 등 다양한 면역 조절 수용체의 기능을 조절할 수 있음을 입증했습니다.
이 논문은 마이크로웰 미세유체공학 연구에서 문헌 기반의 비정형 데이터를 자동으로 추출하여 설계 최적화를 가속화하기 위해 대규모 언어 모델 (LLM) 에이전트를 활용한 'M3' 프레임워크를 제안하고, 이를 통해 기존 단일 모델 대비 두 배 이상 높은 정확도 (약 78%) 를 달성함을 입증합니다.
이 논문은 미세유체 기반 아가로스 미세방울 플랫폼을 개발하여 세포 내 환경에서 DNA-부호화 화합물 라이브러리를 직접 스크리닝할 수 있게 함으로써, BRD4 와 같은 크로마틴 관련 표적에 대한 보다 생물학적으로 유의미한 약물 발견을 가능하게 했음을 보고합니다.
본 연구는 양쪽성 이온 중합체 (PSB) 코팅 기술을 통해 생체 오염과 전극 불안정성을 해결하여, 자유로운 행동을 하는 쥐에서 4 주 동안 도파민 농도 측정과 전기생리학적 기록을 동시에 안정적으로 수행할 수 있는 다기능 마이크로전극 어레이를 개발했습니다.
이 논문은 다중 서열 정렬 기반 데이터 증강 기법을 활용한 반지도 학습 프레임워크인 SLEEC 를 제안하여 효소 분류의 정확도를 획기적으로 높이고, 단백질 공학에서 흔히 발생하는 서열 변형에 강인하며 해석 가능한 잔기 수준의 주석을 제공하는 것을 목표로 합니다.
이 논문은 홀로-토모그래피 유동 세포 분석(HTFC)과 AI 기술을 결합하여, 세포 내 공존하는 다양한 형태학적 표현형과 그 발현 심각도를 7자리 코드로 정량화하여 프로파일링하는 새로운 분석 파이프라인을 제시합니다.