Multi-Scale Tri-Modal Histology Dataset Integrating Tumor Morphology, Immune Patterns, and Clinical Outcomes
본 논문은 고해상도 다중 스케일 형태학, 공간적 면역 세포 지도, 임상 결과를 통합하여 고급 다중 모달 AI 연구 및 예후 분석을 촉진하는 전립선암을 위한 새로운 삼중 모달 조직학 데이터셋인 Prostate-TriMod 를 소개합니다.
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 논문은 고해상도 다중 스케일 형태학, 공간적 면역 세포 지도, 임상 결과를 통합하여 고급 다중 모달 AI 연구 및 예후 분석을 촉진하는 전립선암을 위한 새로운 삼중 모달 조직학 데이터셋인 Prostate-TriMod 를 소개합니다.
본 연구는 21,666 개의 혈장 cfRNA-Seq 샘플을 여러 연구에 걸쳐 체계적으로 평가하여 기술적 요인, 특히 프로토콜 선택과 게놈 DNA 오염이 생물학적 표현형보다 전사체 변이를 압도적으로 지배함을 입증함으로써 증거 기반 가이드라인을 확립하여 워크플로우를 표준화하고 바이오마커 발견의 재현성을 향상시켰다.
CatIF-RL 는 활동 지향적 선호 신호와 그룹 상대 정책 최적화를 통해 그래프 기반 탈노이즈 확산 역접이 모델이 더 높은 예측 kcat 값을 향하도록 유도하여 구조적 충실도와 서열 호환성을 유지하면서 효소 촉매 활성을 향상시키는 새로운 프레임워크입니다.
본 논문은 결과 중심 벤치마크의 한계를 극복하고 추론 및 방법 선택에서의 치명적 실패를 드러내기 위해 전문가가 설계한 평가 기준을 활용하여 실제 생물의학 연구 과제를 수행하는 LLM 에이전트를 평가하는 새로운 프로세스 수준의 평가 프레임워크인 BiomniBench를 제시합니다.
본 논문은 비용 효율적이고 로컬에서 실행 가능한 오픈 가중치 LLM(구체적으로 qwen3.6:27b)이 일상적인 생물의학 데이터 분석 작업을 오케스트레이션하는 데 있어 최첨단 수준의 정확도를 달성할 수 있음을 보여주며, 이는 고비용의 독점 모델에 대한 확장 가능한 대안을 제시합니다.
elab2ARC 는 일상의 실험실 업무를 방해하지 않으면서 자유 텍스트 형식의 eLabFTW 전자 실험실 기록을 FAIR 준수 버전 관리 주석 연구 컨텍스트 (ARCs) 로 자동 변환하여 원활한 공유 및 아카이빙을 가능하게 하는 클라이언트 측 브라우저 기반 워크스페이스입니다.
본 논문은 도티스트로마 바늘마름병의 맥락에서 숙주 유전자형이 잎 곰팡이 군집과 질병 감수성에 미치는 영향을 조사하기 위해 각각 200 개와 48 개의 *Pinus sylvestris* 유전자형에서 얻은 ITS2 메타바코딩 및 RNA-seq 프로파일의 포괄적인 데이터셋을 제시합니다.
Paipu 프레임워크는 NCBI SRA 에서 다양한 종에 걸친 RNA-seq 데이터의 검색 및 처리를 간소화함으로써 게놈 및 주석 장벽을 극복하여 대규모로 조화된 포유류 전체 암 전사체 지도를 구축할 수 있게 합니다.
본 논문은 시뮬레이션에만 의존하지 않고 질량작용 법칙 시스템의 정상 상태, 안정성 및 분기를 엄밀하게 특성화하기 위해 화학 반응 네트워크 이론 (CRNT) 구조 분석과 기호적 상미분방정식 생성 및 하이브리드 수치 솔버를 통합한 오픈 소스 파이썬 라이브러리인 mantis-delta 를 소개합니다.
본 연구는 아미노산 빈도 특징과 1 차원 합성곱 신경망 오토인코더가 학습한 잠재 표현을 결합한 2 단계 프레임워크를 제안하며, 이 하이브리드 특징 집합으로 훈련된 랜덤 포레스트 분류기가 빈도 특징만 사용할 때보다 단백질-단백질 상호작용 예측 정확도를 크게 향상시킨다는 것을 입증한다.