4404 편의 논문
동일한 구조를 갖지만 서로 다른 사전 학습 코퍼스를 사용한 세 가지 scGPT 체크포인트를 활용함으로써, 본 연구는 싱글 셀 트랜스포머에서의 장기 특이적 적응이 최소한이며 전역적 기하학적 변환보다는 특정 어텐션 레이어에 집중되어 있음을 입증하며, 이는 1,000만 개 미만의 세포로 학습된 모델들이 초기화 노이즈를 상당 부분 유지하고 일반적인 체크포인트가 생물학적 알고리즘을 추출하는 데 더 우수하다는 것을 시사한다.
상당한 구조적 및 파라미터적 차이에도 불구하고, 단일 세포 파운데이션 모델들은 기능적 검색 작업에서 개별 전체 임베딩보다 성능이 뛰어난 작고 견고하며 생물학적으로 해석 가능한 저차원 핵심을 공유하며, 이는 그들의 표현 용량 대부분이 사적이고 생물학적으로 무기력하다는 것을 드러낸다.
이 논문은 적격성 흔적(eligibility trace)이 보상 변조 스파이킹 네트워크에서 창발적 분화를 위해 요구되는 유일하고 타협 불가능한 시간적 메커니즘임을 입증하며, 이는 해당 흔적의 제거가 질서를 소멸시키는 반면, 그 연장이 네트워크 규모와 관계없이 분화의 정도를 직접적으로 지배한다는 점을 보여준다.
이 논문은 단일 세포 파운데이션 모델의 주요 스펙트럼 축이 생물학적 의미보다는 유전자 발현 풍부도에 의해 주로 혼란을 겪는다는 점을 밝히며, 이러한 축을 제거하는 것이 검색 성능을 향상시킨다는 것과 생물학적 과업을 위한 최적의 차원 축소를 안내하는 모델 의존적 압축 법칙을 확립한다는 것을 보여준다.
본 연구는 복잡한 머신러닝 모델이 혈액 화학 성분으로부터 연대순 연령을 더 정확하게 예측할 수는 있지만, 그 결과로 도출된 "연령 가속도" 지표는 단순한 모델이나 사망 결과에 직접 학습된 바이오마커보다 사망률을 예측하는 데 있어 효과성이 떨어진다는 점을 입증하며, 유용한 생물학적 연령 예측 모델을 개발하는 데 있어 중요한 요소는 모델의 복잡성이나 바이오마커가 아니라 학습 대상이라는 점을 밝히고 있다.
이 연구는 단일 세포 기증자 수준 분석에서 세포 유형 구성을 통제하는 것이 종종 무시할 만한 신호만을 제거하는데, 이는 구성이 고정되더라도 발현 프로파일이 형질 정보를 대부분 유지하기 때문이며, 또한 구성이 혼란 변수로서 갖는 인지된 강도는 사용된 세포 유형 주석의 해상도에 크게 의존한다는 것을 입증한다.
본 논문은 그래프 신경망(Graph Neural Networks)을 공간 전사체 데이터와 통합하여 견고하고 생물학적으로 일관된 공간 도메인 식별 및 대화형 시각화를 가능하게 하는 AI 기반 프레임워크인 Spatial GNN Analyzer를 제시하며, 이는 기존의 비공간적 방법들과 비교하여 조직 구조를 보존하는 데 있어 우수한 성능을 입증한다.
이 연구는 방목이 *Stipa grandis*의 뿌리 삼출물 프로파일을 변화시켜 비대칭적 미생물 반응을 유도하며, 여기서 단기 방목은 에너지 함량이 높은 지질을 통해 박테리아 성장을 촉진하는 반면 장기 방목은 방어용 대사산물을 통해 균류 결합을 유지하고, 대사산물 네트워크의 위치는 박테리아에서는 열역학적 특성에 의해, 균류에서는 분자 구조적 복잡성에 의해 제약된다는 것을 밝혀낸다.
이 연구는 진화적 보존성이 미스센스 돌연변이에 대한 유해성 예측에서 빈번하게 위양성 예측을 생성한다는 것을 밝혀냈으며, 이러한 실패 모드는 10개의 심층 돌연변이 스캐닝 데이터셋 전반에 걸쳐 높은 용매 접근성과 구조적 유연성에 의해 강력하고 독립적으로 예측된다.
본 연구는 암 세포 고유의 단백질인 네딜레이션(neddylation)을 표적하는 것이 염색체에 결합된 cGAS를 안정화함으로써 JAK/STAT 결핍 종양에서 염증 신호 전달을 복구하고 면역 세포 침투를 강화하여, 결과적으로 PD1 차단제에 대한 민감도를 높임으로써 해당 종양의 획득 내성을 극복할 수 있음을 입증한다.