Deep-Plant: a supervised foundation model for plant regulatory genomics
이 논문은 식물의 유전체 서열로부터 직접 크로마틴 상태를 예측하도록 훈련된 지도 학습 기반 모델인 'Deep-Plant'를 소개하여, 기존 자기지도 학습 방식보다 정확성과 해석 가능성이 뛰어난 식물 규제 유전체학 연구의 새로운 패러다임을 제시합니다.
345 편의 논문
유전체학은 생명체의 설계도인 유전 정보를 해독하고 그 작동 원리를 탐구하는 흥미로운 분야입니다. 이 영역에서는 DNA 서열 분석부터 유전자 발현의 복잡성까지, 우리 몸과 환경을 이해하는 데 핵심이 되는 다양한 연구가 이루어집니다. Gist.Science 는 생물의학 연구의 최전선에서 발표되는 최신 논문들을 누구나 접근할 수 있도록 노력하고 있습니다.
특히 이 섹션의 모든 논문은 bioRxiv 에서 새로 uploaded 된 예전들을 기반으로 합니다. 우리는 bioRxiv 의 최신 연구들을 지속적으로 수집하여, 전문 용어 없이 쉽게 설명하는 일반인용 요약과 함께 심층적인 기술적 분석을 함께 제공합니다. 아래는 최신 유전체학 연구 논문들입니다.
이 논문은 식물의 유전체 서열로부터 직접 크로마틴 상태를 예측하도록 훈련된 지도 학습 기반 모델인 'Deep-Plant'를 소개하여, 기존 자기지도 학습 방식보다 정확성과 해석 가능성이 뛰어난 식물 규제 유전체학 연구의 새로운 패러다임을 제시합니다.
이 연구는 장서열 시퀀싱과 CRISPR-Cas9 기술을 활용하여, 전이성 요소 삽입이 두 번째 티로글로불린 유사 유전자 (HaVipR2) 를 파괴함으로써 Helicoverpa armigera 에서 Vip3Aa 살충제에 대한 저항성을 유발한다는 것을 규명했습니다.
이 연구는 사자 (치타) 의 야생 및 사육 개체군 전체에서 정자 기능과 관련된 유해한 돌연변이가 과대표현되어 있음을 발견했으며, 사육 프로그램이 야생 개체군과 유사한 유전적 다양성을 유지하는 데 효과적임을 입증했습니다.
이 연구는 단일 분자 복제 시퀀싱을 통해 정상 신장 세포, 특히 근위세뇨관 세포가 아리스톨로키산과 같은 알려진 발암물질 및 미지의 환경적 돌연변이원 노출에 대한 민감한 생체 지표 역할을 하여 전신적 돌연변이 노출의 광범위한 양상을 규명했다고 요약할 수 있습니다.
본 논문은 유전체 그래프 기반 파노믹 (pangenome) 이 선형 참조 유전체보다 Citrus 계통의 SNP 호출 정확도 평가와 부모 유전체 블록 재구성에 더 우수함을 입증하여, 계통이 알려진 잡종 교배를 통해 파노믹의 정확성을 검증할 수 있는 새로운 기준을 제시했습니다.
이 논문은 인간 게놈에서 유전자 기능을 나타내는 가장 강력하고 일관된 지표가 전사 활동과 진화적 보존성임을 규명하고, 이를 통해 기능적 서열과 생물학적 또는 실험적 노이즈를 구분할 때 이 두 요소를 반드시 고려해야 함을 시사합니다.
이 논문은 진화적 전이 학습 (STEAM) 과 단일 세포 프로파일링을 결합하여 포유류의 발생 전 과정에 걸친 조직 전체의 엔핸서 지도를 추론하고, 이를 통해 인간을 포함한 다양한 포유류의 유전자 조절 프로그램을 예측하는 새로운 프레임워크를 제시했습니다.
이 논문은 DNA 복제 후 새로 합성된 크로마틴에서 전사 인자 결합을 직접 측정하는 'Nascent CUT&Tag' 방법을 개발하여, GAGA 인자 (GAF) 와 Pleiohomeotic (PHO) 의 재결합 역동성을 규명하고, GAF 의 경우 결합 부위 모티프의 특성과 BAF 에 의한 크로마틴 리모델링이 재결합 속도와 기능적 역할에 결정적임을 밝혔습니다.
이 연구는 440 개의 자궁내막암 종양에 대한 심층 전장 유전체 분석을 통해 분자 아형별 내인성 돌연변이 기전과 대사 상태 (BMI) 가 종양 유전체 구조와 돌연변이 부담에 미치는 영향을 규명함으로써, 자궁내막암의 위험 계층화 및 치료 전략에 중요한 시사점을 제공하는 돌연변이 중심의 새로운 프레임워크를 제시했습니다.
이 논문은 수천 개의 인간 게놈에 걸친 유전적 배경을 고려한 개인화된 변이 효과 예측 (pVEP) 프레임워크를 제시하여, 동일한 유전적 변이가 유전적 배경에 따라 병원성 또는 양성으로 예측될 수 있음을 보여주며 개인화된 유전적 맥락이 변이 해석에 필수적임을 강조합니다.