1012 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.
EXTRARTNAS는 여러 도구를 사용하여 RNA 구조 주석 추출을 자동화하고, 이들의 이질적인 출력 형식을 BPSEQ 및 새로운 BPSEQE 형식으로 표준화하여 정준적(canonical) 및 비정준적(non-canonical) 상호작용의 일관된 비교를 용이하게 하는 재현 가능한 Docker 기반 Java 프레임워크입니다.
이 논문은 DDA 및 DIA 워크플로 모두에서 분석적 정확도를 유지하면서 중복된 포인트를 제거함으로써 Bruker timsTOF 네이티브 데이터의 저장 공간 점유율을 크게 줄여주는 빠른 오픈 소스 Rust 도구인 dnoise를 소개한다.
본 논문은 GRCh38 지원을 통해 상동성 인간 단백질 도메인 전반에 걸친 미스센스 변이 증거를 집계하여 도메인 범위를 크게 확장하고 임상 유전학에서 불확정 변이(VUS)의 재분류를 위한 결정적인 병원성 증거를 제공하는 포괄적으로 업데이트된 자원인 MetaDome 2027을 제시한다.
scPyviewer는 Seurat 변환 없이도 비프로그래머가 AnnData 단일 세포 데이터셋을 직접 탐색할 수 있게 해주는 파이썬 네이티브 웹 기반 대화형 뷰어로, 기존 R Shiny 도구들과 동등한 기능을 제공하는 동시에 R 기반의 대안들이 실패를 일으키는 대규모 데이터셋을 처리할 수 있는 능력과 더 우수한 렌더링 속도 및 낮은 메모리 사용량을 입증합니다.
이 논문은 세포 화학 단백질체 데이터로 학습되어 단편-단백질 상호작용을 예측하는 데 있어 기존 모델보다 우수한 성능을 보이며, 물리화학적 임베딩과 시스템 수준의 생물학적 타당성 지표를 통합하여 새로운 SIRT3 작용제를 성공적으로 식별한 딥러닝 프레임워크인 C-PLANK를 소개한다.
RegimeFormer는 2억 개 이상의 서열로 구성된 관련 RegimeAtlas 데이터베이스를 통해 전역적 섭동 레짐(perturbation regimes)을 구축함으로써 잔기 수준의 돌연변이 효과를 예측하고, 특히 미지의 단백질 및 단백질 가족에 대한 다운스트림 생물학적 모델링을 개선하는 대규모 단백질 모델이다.
이 논문은 대규모 시퀀스 검색을 효율적으로 수행하기 위해 부분 재구축(partial rebuilding)을 통해 최신 기술인 HIBF를 확장한, 확장 가능하고 업데이트 가능한 인덱싱 구조인 Dynamic Hierarchical Interleaved Bloom Filter를 소개하며, 100TB 이상의 RNA-Seq 데이터를 인덱싱하는 능력과 경쟁 도구들보다 24배에서 65배 더 빠르게 새로운 샘플을 삽입할 수 있는 성능을 입증한다.
Vipsania는 고품질의 학습 데이터를 필요로 하고 멀거나 기저에 있는 분기군에서 어려움을 겪는 지도 학습 방식의 한계를 극복하기 위해, 주석이 달리지 않은 서열로부터 직접 학습함으로써 다양한 진핵 게놈 전반에 걸쳐 단백질 코딩 유전자 구조를 정확하게 예측하는 최초의 비지도 딥러닝 도구이다.
PhageTransformer는 수천 개의 독립적인 파지-숙주 쌍에 대한 우수한 성능을 통해 입증된 바와 같이, 박테리오파지에 대해 확장 가능하고 정확하며 신속한 숙주 예측을 제공함으로써 기존 도구들의 한계를 극복하는 딥러닝 모델이다.
이 논문은 자기지도 학습과 계층적 클러스터링을 사용하여 표본 이미지로부터 운영 생물다양성 단위를 직접 도출함으로써, 공식적인 분류학적 라벨이나 광범위한 학습 데이터가 없는 상황에서도 종 다양성을 정확하게 정량화하고 형태학적 패턴을 발견할 수 있게 하는 AI 기반 프레임워크인 morphOTU를 소개한다.