1197 편의 논문
생물학 데이터의 거대한 바다를 해석하는 열쇠가 바로 생물정보학입니다. 이 분야는 방대한 유전체 정보를 컴퓨터 과학과 통계학으로 연결하여 생명 현상을 이해하는 새로운 방식을 제시합니다. 복잡한 DNA 서열이나 단백질 구조를 단순히 나열하는 것을 넘어,这些数据가 실제로 어떤 의미를 지니는지 찾아내는 과정이 핵심입니다.
Gist.Science 는 bioRxiv 에 매일 올라오는 최신 생물정보학 프리프린트들을 면밀히 검토합니다. 우리는 전문가가 작성한 기술적 요약을 제공함과 동시에, 비전문가도 쉽게 이해할 수 있는 평이한 설명을 함께 준비하여 연구의 핵심을 명확하게 전달합니다.
아래에는 bioRxiv 에서 선별된 최신 생물정보학 연구 논문들이 나열되어 있습니다.
ReconSIREN은 전통적인 최적화 방식에 의존하지 않고 선호 방향성 아티팩트, 입자 이질성, 그리고 구조적 유연성을 동시에 해결하며 완전한 ab initio 초저온 전자현미경(CryoEM) 단일 입자 분석을 수행하기 위해 Mixture-of-Experts 아키텍처를 활용하는 새로운 딥러닝 프레임워크이다.
본 연구는 인간 공학적 심장 조직의 단백질체 및 기능적 데이터를 성공적으로 통합하여 에피네프린과 독소루비신이 에너지 항상성, 미토콘드리아 번역 및 단백질 항상성을 차별적으로 조절함으로써 어떻게 상반된 변력 효과를 나타내는지 밝혀내는 위상 기반 프레임워크를 소개한다.
KENT는 자원이 제한된 환경에서 CPU 베이스라인 대비 상당한 속도 향상을 달면서도 높은 분류 정확도와 풍부도 추정 충실도를 유지하며, 신속한 GPU 가속 메타게놈 병원체 스크리닝을 가능하게 하기 위해 NVIDIA Jetson Nano 모듈 클러스터를 활용하는 휴대 가능한 오프라인 엣지 컴퓨팅 프레임워크이다.
FlyAnatoView는 전사체 프로파일을 초파리의 해부학적 도표 위에 투영함으로써 개별 세포의 특정 조직 또는 기관 위치에 대한 정보를 복원하여, 단일 세포 RNA 시퀀싱 데이터에서 결여된 공간적 맥락 문제를 해결하는 리소스입니다.
FilAdh는 국소 접착(focal adhesions)을 분할하는 동시에 액틴 스트레스 섬유를 재구성하여 정확한 형태학적 분석과 공간적 분류를 가능하게 함으로써 기존 방법들보다 벤치마크 테스트에서 우수한 성능을 보이는, 퇴화 인식을 고려한 통합된 계산 프레임워크이며, 특정 이미징 결함이 구조적 측정에 어떻게 영향을 미치는지를 명시적으로 규명한다.
본 논문은 20가지 모든 아미노산을 구별하는 데 따르는 어려움에도 불구하고, 전하 기반 이진 분류에서 높은 정확도를 달도하고 펩타이드 투과를 모델링하기 위해 노이즈 제거, 세그멘테이션 및 머신러닝 기술을 결합하여 나노포어 단백질 이온 전류 신호를 분석하는 통합된 계산 전략을 제시한다.
본 연구는 현재의 Perturb-seq 스크리닝에 사용되는 가산 입력 인코딩 모델(additive-input encoding models)이 새로운 홀드아웃 섭동 대상(held-out perturbation targets)으로 일반화하는 데 실패함을 입증하며, 이는 추론된 조절 연산자(regulatory operators)가 수학적 식별 가능성(mathematical identifiability)에도 불구하고 보지 못한 유전자에 대한 반응을 예측하는 데 검증되지 않았음을 드러낸다.
VINTER는 조직학, 유전자 발현, 그리고 공간적 이웃 관계를 하나의 시퀀스로 통합하여 다양한 플랫폼과 해상도에 걸쳐 공간적 조직 구조를 정확하게 주석 달고 질의할 수 있게 하는 생성형 시각-언어 모델로, 숨겨진 생물학적 이질성을 드러내고 재학습 없이 분자적 증거 편집을 가능하게 합니다.
본 연구는 6년 차 종단적 심혈관 질환 데이터를 생성하는 데 있어 TGAN과 CTGAN 모델의 성능을 평가하며, CTGAN이 TGAN 및 섭동(perturbation) 베이스라인 모델과 비교하여 일반적으로 더 우수한 충실도와 프라이버시 보호 성능을 제공하지만, 시간적 특성을 더 잘 보존하고 더 젊은 연령층에 대한 성능을 개선하기 위해서는 여전히 정교화 작업이 필요하다는 점을 밝혀냈다.
이 논문은 구조 기반 설계와 자동 합성 하드웨어를 통합하여 조 단위 규모의 화학 공간을 효율적으로 탐색함으로써, 높은 합성 및 기능적 적중률을 가진 퍼스트 인 클래스(first-in-class) 리드 화합물을 성공적으로 식별해 내는 생성형 AI 프레임워크인 Hyper Screening X를 소개한다.