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.
본 연구는 Evo2 DNA 기초 모델을 활용하여 전사체 서열에 대한 영향을 정량화함으로써 대장암의 비코딩 조절 변이를 우선순위화하는 계산 프레임워크를 제시하며, 이는 감독 학습이나 사전 정의된 주석에 의존하지 않고 암 관련 경로 및 GWAS 유전좌에 풍부하게 포함된 고영향 후보를 성공적으로 식별합니다.
SQANTI-browser 는 SQANTI3 로 분류된 롱리드 전사체 데이터를 UCSC 게놈 브라우저에 통합하여 다양한 데이터셋에서 실행 가능한 새로운 아이소폼을 구출하기 위한 상호작용 필터링, 증거 기반 큐레이션, 그리고 정렬 아티팩트 해결을 가능하게 하는 새로운 시각화 프레임워크입니다.
CARIBOU 는 연구자가 수정 가능한 청사진과 영구 실행 가능 상태를 활용하여 대규모 단일 세포 및 공간 오믹스 데이터셋 처리에서 정적 코드 생성의 한계를 극복하고, 기관의 고성능 컴퓨팅 환경 내에서 자율적이고 반복 가능하며 재현 가능한 생물정보학 분석을 수행하도록 설계된 다중 에이전트 AI 프레임워크입니다.
VaxjoOnto는 항원 발견에서 보조제 선정으로 초점을 전환함으로써 백신 개발의 중요한 병목 현상을 해결하기 위해 백신 온톨로지 기반의 이질적 지식 그래프와 그래프 신경망을 활용하여 기존 및 신종 질병에 대한 보조제를 효과적으로 우선순위화하는 새로운 프레임워크입니다.
본 논문은 가상 세포 교란 모델을 엄격하게 평가하기 위한 SBB(신호, 경계, 기준선) 프레임워크를 제시하여 복잡한 딥러닝 방법이 종종 단순한 선형 기준선보다 의미 있게 우월한 성과를 내지 못함을 드러내고, 진정한 생물학적 신호를 통계적 인공물과 구별하기 위한 표준화된 지표의 필요성을 강조합니다.
본 연구는 설치류 모델에서 갑상선 독성과 회복을 분석하기 위해 동시 다중 오믹스 가중 유전자 공발현 네트워크를 구축하는 최적 사례 프레임워크를 확립하여, 스케일링되지 않은 오믹스 층을 연결하는 것이 보완적 모듈 보존 및 차등 연결성 분석을 통해 생물학적 구조를 보존하면서도 광범위한 분자적 교란과 부분적 회복을 규명함을 입증한다.
GAE-Δ 프레임워크는 그래프 오토인코더를 활용하여 멀티-오믹스 데이터 전반에 걸친 표현형 특이적 유전자 네트워크 재연결을 모델링함으로써, 기존 선형 분해 및 네트워크 기반 방법들에 비해 우수한 임상 결과 예측을 달성하고 생물학적으로 관련성이 있는 암 유발 인자를 식별합니다.
본 논문은 공간 전사체 데이터에서 해석 가능한 다세포 통신 모티프를 디코딩하여 고차원 신호 전달 패턴과 그 하류 표현형 영향을 식별하는 확률적 프레임워크인 ALARMIST 를 소개하며, 폐선암과 교모세포종에서 종양 진행의 미세환경적 동인을 규명하는 데 그 유용성을 입증합니다.
본 논문은 짧은 리드 시퀀싱의 한계를 극복하고 장리드 장 메타지노믹스에서 완전한 미생물 게놈의 회수를 획기적으로 개선하기 위해 실험적 샘플 처리와 계산적 어셈블리 워크플로우를 통합하여 사이클론시크 플랫폼을 체계적으로 최적화한 결과를 제시합니다.
본 논문은 동源性 유발 데이터 누출이 게놈 훈련 시퀀스 모델의 성능을 체계적으로 과장하여 모델이 일반화 가능한 원리가 아닌 기억된 연관성에 의존하게 만든다는 점을 규명하고, 보다 신뢰할 수 있는 평가와 향상된 모델 일반화 능력을 위해 동源性 인식 데이터 분할을 가능하게 하는 hashFrag 도구를 제안합니다.