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.
CAMDA 2025 커뮤니티 벤치마크 연구는 11 가지 생성 모델을 분석하여 전사체 데이터 합성 시 예측 유용성과 생물학적 타당성, 그리고 멤버십 추론 공격에 대한 프라이버시 위험 간의 상충 관계를 규명하고, 데이터 특성과 사용 목적에 맞는 모델 선택의 중요성을 강조했습니다.
이 논문은 대규모 지식 그래프 (FORVM) 를 기반으로 질병 및 증상과 관련된 소규모 하위 그래프를 자동으로 구축하여 실험 데이터를 통합하고 가설을 생성하는 'Kg4j' 프레임워크를 제시하며, 자궁내막증과 지속성 유기오염물질 (POPs) 의 연관성 분석을 통해 그 유효성과 검증 전략을 입증했습니다.
이 논문은 TCGA 데이터를 기반으로 한 다중 오믹스 요인 분석 (MOFA) 을 통해 뇌종양인 교모세포종의 이질성을 규명하고, 새로운 예후 바이오마커와 치료 전략 개발에 기여할 수 있는 분자적 프로필을 발견했습니다.
본 연구는 난소암 환자의 단일세포 RNA 시퀀싱 데이터를 분석하여, 치료 저항성 환자에서는 M2 형 대식세포가 T 세포와 상호작용하여 T 세포 고갈을 유도하는 반면, 치료 민감성 환자에서는 M1 형 대식세포가 T 세포와 항원 제시를 통해 상호작용함을 규명하고, 이를 공간 전사체 데이터를 통해 부분적으로 검증했습니다.
이 논문은 LLMsFold 라는 프레임워크를 통해 대규모 언어 모델과 분자 동역학 시뮬레이션을 결합하여 ACVR1 및 CD19 와 같은 표적 단백질에 대한 새로운 약물 후보물질을 설계하고 검증하는 방법을 제시합니다.
이 논문은 질문 형성부터 증거 기반 작성까지의 과학적 방법론을 위임 단계가 있는 연구 프로토콜로 공식화하여 언어 모델에 적용함으로써, 다양한 분야에서 검증 가능하고 감사 가능한 엄격한 AI 주도 연구를 가능하게 함을 보여줍니다.
이 논문은 새로운 도구인 CDGC 를 통해 다양한 미생물 게놈 참조 데이터베이스 간의 불일치를 체계적으로 평가한 결과, 바이러스 게놈은 높은 일관성을 보이지만 균류 게놈은 상당한 변이와 기술적 결함이 존재함을 밝혀내어, 향후 보다 정확하고 통합된 참조 게놈 구축을 위한 교차 검증의 중요성을 강조합니다.
이 논문은 TCGA-BRCA 데이터를 활용하여 조직병리학적 전체 슬라이드 이미지 (WSI) 로부터 직접 경로 풍부도를 예측하는 모델이, 먼저 유전자 발현을 예측한 후 경로를 추론하는 기존 방식보다 더 우수한 성능을 보인다는 것을 입증했습니다.
이 논문은 검증된 템플릿 라이브러리와 프로베넌스 인식 보고 시스템을 통해 집단유전학 분석의 재현성, 자동화, 보고 효율성을 획기적으로 개선하는 'PopGenAgent'를 제안하고 1000 게놈 프로젝트 데이터를 통해 그 유효성을 입증합니다.
이 논문은 알려지지 않은 단백질 서열을 문맥 입력으로 활용하여 사전 훈련된 단백질 언어 모델의 표현을 정제하는 'EPERep' 전략을 제안함으로써, 특히 희귀 기능 클래스나 원격 동족체와 같은 기존 머신러닝 기법의 한계가 명확한 영역에서 단백질 기능 예측 정확도를 획기적으로 향상시켰음을 보여줍니다.