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 연구는 인-silico 도킹 및 ADMET 분석을 통해 인슐린 저항성 당뇨의 식후 혈당 조절을 위해 미글리톨보다 강력하게 장 α-글루코시다아제 (MGAM) 를 억제할 수 있는 아슈와간다 (Withania somnifera) 의 위타놀라이드 B 와 같은 한약재 유래 화합물들을 발굴하고, 이를 실험적 검증 및 임상 적용을 위한 우선 후보군으로 제안했습니다.
이 논문은 GPU 가속과 스케치 알고리즘을 활용하여 기존 방법보다 최대 1,000 배 빠르면서도 정확성을 유지하는 초대규모 마이크로바이옴 분석을 가능하게 하는 새로운 알고리즘 'DartUniFrac'을 소개합니다.
이 논문은 단일 세포 및 공간 전사체 데이터의 세포 유형 주석을 위해, 플랫폼 편향과 표현량 차이에 강인하며 기존 방법보다 빠르고 정확한 RankMap 이라는 새로운 R 패키지를 제안하고 다양한 데이터셋에서 그 우수성을 입증했습니다.
이 논문은 알파폴드 (AlphaFold) 모델의 정렬 오차를 조건부 접촉 확률로 변환하여 인터페이스 크기에 덜 민감하고 실험적 검증에 더 유용한 새로운 상호작용 점수 'Pinc'를 제안하고, 이를 계산하는 R 스크립트와 Colab 노트북을 공개합니다.
이 논문은 다양한 스페이셜 트랜스크립토믹스 (ST) 데이터셋 간의 모달리티와 샘플 정렬을 위해 전사체 보정 방법과 딥러닝 표현 학습을 결합한 새로운 프레임워크를 제안하며, 이를 통해 기존 배치 보정 방법보다 월등히 우수한 성능으로 세포 유형별 클러스터링 및 보편적인 세포 프로그램 발견을 가능하게 함을 보여줍니다.
본 논문은 AlphaFold3 등 최신 AI 구조 예측 모델이 항체 - 항원 복합체의 기하학적 구조는 잘 예측하지만, 내부 신뢰도 점수 (ipTM) 가 실제 결합 특이성을 구별하지 못하므로 현실적인 부정적 대조군을 통한 검증이 필수적임을 규명했습니다.
이 논문은 TCGA-BRCA 코호트를 활용하여 다섯 가지 이미지 파운데이션 모델 (DINOv2, Phikon, UNI, H-Optimus-0, MedSigLIP) 을 전장 슬라이드 이미지 (WSI) 에서 유전자 발현을 예측하는 데 비교 평가한 결과, 도메인 특화 모델이 일반 목적 모델보다 우수하며 특히 Phikon 이 가장 뛰어난 성능을 보임을 입증했습니다.
이 논문은 메타지노믹스 데이터에서 균주 수준의 유전자형을 정확하게 재구성하고 균주 수 및 상대적 풍부도를 추정할 수 있는 새로운 도구인 MetaStrainer 를 개발하여 기존 방법들보다 향상된 정확도를 입증한 연구입니다.
이 논문은 SARS-CoV-2, 리프트밸리열 바이러스, 마야로 바이러스 등 신종 바이러스에 대한 백신 및 치료제 개발을 가속화하기 위해 머신러닝과 계층적 필터링 전략을 통합한 계산적 항원 발굴 파이프라인을 제안하고 그 유효성을 입증합니다.
이 논문은 방대한 펩타이드 서열 공간에서 표적 단백질에 결합하는 펩타이드를 효율적으로 탐색하기 위해 개발된 베이지안 최적화 프레임워크 BoPep 을 소개하고, 이를 통해 CD14 결합 펩타이드 및 폐렴구균 독소 중화 펩타이드 등 새로운 치료 후보물질을 신속하게 발굴하는 데 성공했음을 보여줍니다.