1178 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.
Ark-ADMET 연구는 모든 작업에 균일한 아키텍처를 적용하는 대신 개별 ADMET 엔드포인트에 맞춰 분자 표현과 CatBoost 하이퍼파라미터를 조정하는 것이 새로운 모델 아키텍처를 요구하지 않고도 Therapeutics Data Commons 벤치마크에서 경쟁력 있거나 우수한 성능을 낸다는 것을 입증한다.
이 논문은 Conkit-validate 도구를 RNA로 확장하여, 실험 데이터의 저해상도로 인해 전통적인 맵 기반 방식이 제한적인 경우에도 접촉 예측을 활용하여 레지스터 오할당과 같은 구조적 오류를 탐지하는 딥러닝 기반의 맵리스(mapless) 검증 방법을 소개한다.
이 연구는 RNA 설계 알고리즘의 성능이 폴딩 엔진에 사용되는 열역학 모델과 본질적으로 연결되어 있음을 입증하며, 이전의 평가 오류와 엔진 특유의 문제들로 인해 기존 및 업데이트된 벤치마크 모두 의도된 설정 하에서 여전히 해결되지 않은 상태임을 드러내는 수정된 Eterna100-V2 벤치마크의 생성을 보여준다.
이 논문은 엄격한 상동성 제약 조건 하에서 항균 효능과 용혈 독성을 모두 예측하는 데 있어 동결된 단백질 언어 모델의 한계를 성공적으로 극복하고, 우수한 치료 지수를 가진 고선택적 항균 펩타이드의 발견을 가능하게 하는 ESM-2 및 LoRA 기반의 매개변수 효율적인 멀티태스크 전이 학습 프레임워크를 소개한다.
이 연구는 다양한 인간 세포 유형이 별개의 조절 어휘로부터 발생하는 것이 아니라, 염색질 게이팅(chromatin gating)과 세포 유형 특이적 리더 단백질을 통한 압축되고 공유된 DNA 모티프 세트에 대한 맥락 의존적 접근 및 해석으로부터 발생한다는 것을 입증한다.
GraphExperiment는 고차원 정량적 오믹스 데이터와 그에 연관된 피처 및 관측치 수준의 네트워크를 함께 저장하고 조작하기 위한 표준화되고 동기화된 인프라를 제공하기 위해 SingleCellExperiment 클래스를 확장한 새로운 R/Bioconductor 패키지입니다.
SpaceBlocks는 다양한 플랫폼에 걸친 이질적인 단일 세포 해상도 공간 전사체 데이터를 균질화하여 확장 가능한 코호트 수준의 분석을 가능하게 하는 재현 가능하고 전문가가 감독한 Snakemake 워크플로우이며, 이는 다양한 생물학적 데이터셋에서 새로운 세포 유형, 마커 발현 패턴 및 질병 관련 전사 차이를 식별하는 능력을 통해 입증되었습니다.
이 논문은 각 반복 실험(replicate)을 개별적으로 모델링함으로써 다중 반복 실험이 포함된 유전자 발현 시계열 데이터를 클러스터링하기 위해 디리클레 프로세스 가우시안 프로세스를 활용하는 베이지안 모델 기반 방법인 MMDPGP를 소개하며, 이를 통해 최신 기법들과 비교하여 우수한 클러스터링 정확도와 생물학적 통찰력을 달성한다.
개인별 미생물 연관 네트워크를 학습한 그래프 신경망을 해석함으로써, 본 연구는 단순한 차등 풍부도가 아니라 Bacteroidales 종들의 조화로운 공존 패턴이 기존의 머신러닝 모델들이 흔히 간과하는 염증성 장질환의 핵심적인 예측 특징임을 밝혀냈다.
이 논문은 실험적 재현성에 근접하는 정확도로 단일 세포 섭동 반응을 예측하는 생성 에너지 기반 프레임워크인 GENESIS를 소개하며, 이는 철저한 실험적 아틀라스 구축의 불가능성을 극복하기 위해 계산적 추론으로 보강된 광범위하고 낮은 깊이의 측정이라는 상호 보완적인 전략을 가능하게 한다.