1250 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.
이 논문은 PlantCaduceus 게놈 언어 모델의 컨텍스트 인식 시퀀스 임베딩과 염색질 접근성 데이터를 결합한 딥러닝 모델을 개발하여, 기존 최첨단 모델보다 17 개 식물 종의 유전자 발현 예측 정확도를 높이고 브라키포디움 돌연변이 라인에서 단일 염기 변이의 효과를 정확하게 포착했음을 보여줍니다.
이 연구는 INS C94Y 돌연변이로 인한 당뇨병성 돼지 모델의 전사체 및 단백질체 데이터를 다중 오믹스 기법으로 재분석하여, 당뇨병성 합병증의 새로운 바이오마커인 ADAMTS17 을 발견하고 면역 기능 장애 및 상처 치유 지연과의 연관성을 규명했습니다.
이 논문은 3 차원 세포 배양 시스템의 단일 밝기 현미경 이미지로부터 실험 프로토콜을 직접 추론하는 '역 프로토콜 예측 (IPP)'을 위해 형태학적 특징과 심층 시각 표현을 통합하고 계층적 의존성을 고려한 학습 프레임워크를 제안하여 높은 정확도로 실험 조성을 재구성하는 방법을 제시합니다.
SR2P 는 스택킹 기반의 머신러닝 프레임워크를 통해 공간 전사체 데이터의 유전자 발현 정보만으로 단백질 풍부도를 정확하게 예측하여, 현재 다중 오믹스 데이터의 부재로 제한되던 종양 미세환경 내 면역 세포 분석 및 치료 반응 예측의 가능성을 확장합니다.
이 논문은 난초과 최초로 종말에서 종말 (T2T) 수준의 4 배체 *Dendrobium officinale* 유전체 조립과 해프로타입 분석을 수행하여 0.86 백만 년 전의 4 배체화 사건을 규명하고, SWEET 유전자 가족을 통해 난초의 공생 진화와 균근 공생 메커니즘을 해명했습니다.
이 논문은 유한한 표본 크기로 인한 상향 편향을 보정하기 위해 시뮬레이션 기반 비모수적 보정 절차를 제안하여, 특히 표본 크기가 매우 작은 경우에도 연결 불평형 (LD) 추정 정확도와 하류 분석 성능을 향상시켰음을 보여줍니다.
이 논문은 오픈스냅 (openSNP) 데이터의 30 개 표현형을 대상으로 머신러닝 및 딥러닝 파이프라인을 활용해 유전체 데이터로 개인을 분류하고 특징 중요도를 분석함으로써, 기존 GWAS 카탈로그와 높은 일치도를 보이는 표현형 관련 유전자를 효과적으로 식별할 수 있음을 입증했습니다.
이 논문은 아미노산 서열, 예측된 구조적 제약, 물리화학적 특성 및 단백질 언어 모델 임베딩을 통합하여 단백질 S-팔미토일화 부위를 기존 도구보다 훨씬 정확하게 예측하는 딥러닝 프레임워크 'Deep-Palm'을 개발하고 그 유효성을 입증했습니다.
이 논문은 4C-seq 데이터의 중복 문제와 공간적 패턴을 해결하여 유의미하고 차별적인 염색체 접촉을 식별하기 위해 베이지안 베르누이 회귀 모델과 가우시안 프로세스를 기반으로 한 오픈 소스 도구 'FourC'를 개발하고, 췌장 분화 유전자 및 CRISPR 편집 실험 데이터를 통해 그 유용성을 입증했습니다.
본 연구는 자동 도킹, 분자 동역학 시뮬레이션 및 MM-GBSA 분석을 통해 와타페린 A 가 마르부르크 바이러스의 주요 단백질 (VP35 및 NP) 에 대해 강력한 결합 친화력과 안정적인 상호작용을 보이며 잠재적인 항바이러스 억제제로서 유망함을 규명했습니다.