하이퍼그래프 웨이블릿은 공간 전사체 데이터에서 복잡한 세포 군집(cellular niche)을 효과적으로 표현할 수 있으며, 이를 통해 알츠하이머 질병 진행 과정을 이해할 수 있다.
본 논문은 RNA 서열을 생성하고 최적화하기 위한 잠재 확산 모델 RNAdiffusion을 제안한다. 이 모델은 사전 학습된 BERT 기반 모델을 사용하여 원시 RNA를 생물학적으로 의미 있는 표현으로 인코딩하고, Q-Former를 통해 이를 고정 길이 잠재 벡터로 압축한다. 이후 이 잠재 공간에서 확산 모델을 학습하여 RNA 서열을 생성한다. 또한 보상 네트워크를 학습하여 잠재 공간에서 RNA의 기능적 특성을 예측하고, 이를 활용해 확산 과정을 유도하여 단백질 생산 효율이 높은 5'-UTR 서열을 생성한다.
단일 세포 전사체 프로파일을 자동으로 주석 달기 위해서는 새로운 클래스 발견 문제를 해결해야 한다. 이를 위해 계층적 구조를 활용하는 새로운 클러스터링 방법을 제안한다.
단일 분자 수준에서 온전한 단백질 가닥을 읽어내는 기술을 개발하여, 단백질체 다양성에 대한 더 포괄적인 이해를 가능하게 함.
바이두 PaddleHelix팀은 AlphaFold3의 기능을 복제하기 위해 HelixFold3를 개발하고 있으며, 소형 분자 리간드, 핵산, 단백질 구조 예측 정확도가 AlphaFold3와 유사한 수준에 도달했다.
곤충 변화 데이터베이스(InsectChange)에는 다양한 오류와 편향이 존재하여, 전 세계 곤충 변화 추세와 그 원인을 분석하는 데 적합하지 않다.
생체분자 응축체의 물질 교환 속도는 계면 저항에 의해 크게 제한될 수 있다.
아라비돕시스에서 전사 활성화 영역을 실험적으로 확인하고 이를 기반으로 전사 활성화 영역 예측 모델을 개발하였다.
생물학적 활성을 유전체에 안정적으로 기록할 수 있는 새로운 기술인 ENGRAM을 소개하고, 이를 통해 다양한 신호 전달 경로와 전사 인자 활성의 동적 변화를 기록할 수 있음을 보여줌.
이 연구는 Coccomyxa viridis SAG 216-4의 고품질 염색체 규모 유전체 조립과 주석을 제공합니다. 이를 통해 이 공생 미세조류의 분자 메커니즘을 이해하는 데 도움이 될 것입니다.