1180 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 구조화된 종양 미세환경 생태계와 신호 전달 네트워크를 모델링하여 면역항암제 반응 예측에서 기존 방법들을 유의미하게 능가하는 딥러닝 프레임워크인 EcoNet을 소개하며, 이는 투명 세포형 신세포암에서 생물학적으로 유의미한 유전자 프로그램 식별 및 임상 결과 계층화 능력을 통해 검증되었다.
BioMod는 개별 유전자가 아닌 생물학적으로 의미 있는 중첩 모듈로 세포를 토큰화함으로써 표현 효율성과 성능을 개선하여 세포 유형 주석 지정 및 섭동 예측과 같은 작업에서 최첨단 결과를 달로 달성하는 동시에 단일 GPU에서의 효율적인 추론을 가능하게 하는 5천만 개의 파라미터를 가진 단일 세포 파운데이션 모델입니다.
이 논문은 결측 샘플, 시간적 의존성, 그리고 제로 인플레이션을 효과적으로 처리하며, 식품 알레르기 및 산후 우울증 예측을 개선하기 위한 장내 미생물군집 궤적 재구성에 유용함을 입증하는 종단적 조성 데이터의 다중 대체를 위한 설명 가능한 가우시안 랜덤 필드 프레임워크를 소개한다.
AmyloCore-ML은 단백질 언어 모델 임베딩, 특히 ESM-2를 활용하여 구조적으로 해상된 아밀로이드 섬유 코어 영역을 정확하게 식별함으로써 CrossBeta 및 AggrescanAI와 같은 기존 도구들을 능가하는 새로운 서열 기반 예측기이다.
본 연구는 다양한 분자 표현형과 트리 기반 알고리즘을 활용하여 약물 감수성 및 약물 내성 결핵균(Mycobacterium tuberculosis) 분리주 모두에 대한 저분자 화합물의 활성과 최소 억제 농도를 정확하게 예측하는 AI/ML 기반 플랫폼인 MtbAIM을 제시한다.
저자들은 환자 유래 이종 이식 모델의 후성유전학적 프로파일링을 위해 DNA 리드를 종별로 효율적이고 정확하게 분리할 수 있는, 기존 방법들보다 계산 효율성이 뛰어난 향상된 정렬 불필요(alignment-free) 방식의 Xengsort 도구를 제시한다.
본 논문은 1998년의 인간 장 흡수 모델이 본래의 성능이 운 좋은 데이터 분할에 의존했음을 입증함으로써 해당 모델을 재검토하며, 이어서 유전 알고리즘으로 선택된 기술자 세트와 250회의 층화 추출에 걸친 랜덤 포레스트를 사용하여 장 흡수 및 다양한 투과도 분석에 대한 더 강력하고 합의 기반인 예측 모델을 구축한다.
GenDiMug는 선형 게놈 표현의 한계를 극복하기 위해 네트워크 모델을 사용하여 멀티오믹스 데이터를 통합하고 다양한 척도에 걸쳐 게놈 구조를 분석함으로써 유전자 발현 응집 및 일주기 조절과 같은 구조적 패턴을 밝혀내는 새로운 멀티그래프 프레임워크이다.
본 연구는 *Pasteurella multocida* Pm70에 대한 이중 목적의 약물 및 백신 표적으로서 외막 단백질인 OMP47과 LptD를 식별하기 위해 통합된 *in silico* 감축 유전체학 및 역 백신학 워크플로우를 활용하며, 이는 안전하고 항원성이 높은 다중 에피토프 백신 구조체의 설계로 귀결된다.
이 논문은 확장 가능한 어세이 특이적 항체 개발 가능성 모델링을 위해 59개의 해석 가능한 기술자(descriptor)를 생성하고 대규모 천연 및 치료용 항체 레퍼토리 전반에 걸친 체계적인 물리화학적 차이를 밝혀내는, 오픈 소스이며 계산 효율적인 프레임워크인 kitAb을 소개한다.